Ir para o conteúdo

Otimização de Performance: Contexto, Custo e Velocidade

🎯 Objetivo

Reduzir custo e latência das suas sessões e automações OpenCode, controlando o contexto enviado ao modelo.

📋 Onde o contexto vai embora

  1. Saídas de ferramentas gigantes (logs, builds, arquivos enormes)
  2. Sessões longas sem compactação
  3. Prompts repetindo contexto que já está em AGENTS.md

🛠️ Configurações que resolvem

opencode.jsonc
{
  "$schema": "https://opencode.ai/config.json",

  // compactação automática quando o contexto enche
  "compaction": { "auto": true },

  // corta saídas gigantes de ferramentas
  "tool_output": {
    "max_lines": 2000,
    "max_bytes": 51200,
  },

  // redimensiona imagens grandes antes de enviá-las ao modelo
  "media": {
    "image": { "auto_resize": true, "max_width": 2000, "max_height": 2000 },
  },

  // snapshots em repos gigantes custam I/O — avalie desligar
  "snapshots": false,

  // ignora diretórios ruidosos no watcher
  "watcher": { "ignore": ["dist/**", "coverage/**", "node_modules/**"] },
}

🛠️ Passos limitados para subagents

Agentes filhos podem dar voltas demais. Limite o número de passos do modelo:

steps: 8   # no último passo, o agente resume em texto

🛠️ Meça antes de otimizar

opencode stats --cost          # custo e tokens por modelo
opencode stats --models        # uso por modelo
opencode stats --days 7        # janela de 7 dias
opencode stats --json          # para pipelines

Regra prática: otimize contexto primeiro (maior impacto em custo e qualidade), depois modelo (troque por variantes #low em tarefas mecânicas).

❓ Desafio prático

  1. Rode uma sessão de refatoração longa com opencode stats --cost anotado
  2. Ative compaction e tool_output e repita o exercício
  3. Compare os dois números no git (commit o opencode.jsonc da otimização)

📚 Fontes oficiais