AI News HubLIVE
サイト内リライト2 分で読了

Sipcode:Claude Codeのコンテキストをクリーンに保ち、回答品質を向上

SipcodeはClaude Code向けのPreToolUseフックで、冗長なツール出力を制限し、同一セッション内の重複読み取りを排除することでコンテキストを清潔に保ちます。Anthropicの研究では、クリーンなコンテキストにより回答品質が29%向上し、エージェントエラーが40%減少することが示されています。固定20タスクのベンチマークで62.6%のツール出力節約を達成。MITライセンス、プライバシー重視。

ソースProduct Hunt AI著者: Anuj ojha

Sipcodeは、Claude Codeのコンテキストを整理するために設計されたオープンソースツールです。PreToolUseフックとして機能し、Claude Codeのツール呼び出し出力を最適化します。例えば、git log、npm install、grep、tscなどのコマンドの冗長なログを制限し、同一セッション内で変更されていないファイルの重複読み取りを排除します。これにより、モデルがノイズではなくシグナルを受け取れるようになり、回答の質が向上します。

Anthropicの研究によると、コンテキストをクリーンに保つことでモデルの回答品質が29%向上し、エージェントのエラーが40%減少します。Sipcodeはこれらの最適化を実装し、Claude Codeの信頼性を大幅に向上させています。ベンチマーク結果もこれを裏付けており、20タスクの固定テストで62.6%の中央値ツール出力節約を達成し、実行コストは67.43ドルで、任意のマシンで再現可能です。ベンチマークのタスクリストはリポジトリに保存されています。

開発者のAnujは、Claude Codeがセッション中に同じファイルを何度も(6~8回)読み込み、数千行のnpm installログをコンテキストに含めることで回答品質が低下するのを目撃し、このツールの開発を決意しました。開発中、自身のドリフト検出ツールが無駄なトークンを大幅に過小評価していることを発見しました。あるセッションでは、ドリフトツールが624,940トークンの無駄を報告したのに対し、プロキシの--statsはわずか7,553トークンの節約しか記録せず、83倍もの過小評価でした。根本原因は、セッション途中のインストールによりセッション前半がキャッシュされないことでした。そこで、24時間後にVerified Warm-Fillを搭載したv1.6.15をリリースし、ドリフト検出が「ドリフトなし」と報告するようになりました。さらに、当日中にキャッシュ遅延とgrep上限の修正を含むv1.6.16をリリースしました。9日間で3回のリリースです。

このプロジェクトはMITライセンスで公開されており、通常の使用ではネットワーク呼び出しは行われません。プライバシーテストでは、src/内でnode:httpをインポートするとビルドが失敗するようになっています。開発者は、特にVerified Warm-Fillの正当性証明やベンチマーク手法についての技術的な質問に喜んで答えると述べています。

Sipcodeがセッションの節約に役立つなら、GitHubリポジトリ(github.com/Anuj7411/sipcode)でスターを付けていただけると、この独立プロジェクトが本当に恩恵を受けるユーザーを見つける助けになります。