← Alle Artikel

Features

Deep Scan: Sieh, wohin deine Claude Code Tokens wirklich gehen

Deep Scan liest die Claude Code- und Codex-Transkripte, die bereits auf deinem Rechner liegen, und zeigt, wohin der Kontext gegangen ist — kostenlos, lokal, ohne Login.

Deep Scan: Sieh, wohin deine Claude Code Tokens wirklich gehen

Von Ted Mavera, Produktmanager bei HarnessUp

Bevor du aus einer Agent-Session irgendetwas herausschneiden kannst, musst du sie sehen. Genau das ist die Aufgabe von Deep Scan: Es liest die Gespräche, die bereits auf deinem Rechner gespeichert sind, und zeigt Punkt für Punkt, wohin der Kontext gegangen ist. Kein Modellaufruf, keine Registrierung, keine Schätzung, die aus dem Konto von jemand anderem stammt. Deep Scan ist die Messschicht von HarnessUp, der Token-Spar-Suite für Claude Code und Codex, und es ist kostenlos.

Dieser Artikel erklärt, was Deep Scan macht, für wen es gedacht ist, wie du es ausführst und wie du die Ausgabe liest, ohne dich selbst zu täuschen.

Was Deep Scan tatsächlich macht

Claude Code und Codex schreiben Gespräche bereits während der Arbeit auf die Festplatte. Deep Scan öffnet diese Transkripte und macht daraus eine Karte der Ausgaben: welche Runden gewachsen sind, was von einer Runde zur nächsten erneut gesendet wurde und wie viel einer Session in echte Arbeit und wie viel in Overhead geflossen ist. Das passiert ohne Aufruf des Modells, die Messung deiner Nutzung kostet dich also nichts extra.

Drei Eigenschaften sind wichtiger als die Diagramme:

  • Es läuft lokal. HarnessUp ist zu 100 % lokal. Deine Transkripte werden auf deinem Rechner gelesen, nichts verlässt ihn.
  • Die Zahlen gehören dir. Sie kommen aus deiner eigenen Historie, werden auf deinem Bildschirm berechnet und bleiben für eine Gegenprüfung verfügbar – auch dann, wenn du eine Einstellung änderst und wissen willst, ob sie geholfen hat.
  • Ausprobieren kostet nichts. Kein Login, keine E-Mail, kein Passwort. Deep Scan und 19 weitere Mess- und Monitoring-Tools sind kostenlos, du kannst deine Verschwendung also berechnen, bevor du entscheidest, ob sich ein bezahlter Plan lohnt.

Deep Scan ist kein einmaliger Bericht. Es ist der Anfang einer Kette: Die Messung sagt dir, welches der anderen Tools es wert ist, eingeschaltet zu werden, und die Tools geben dir etwas Neues zu messen.

Für wen es gedacht ist

HarnessUp teilt sein Publikum in drei Gruppen, und Deep Scan ist für alle drei der gemeinsame Einstiegspunkt.

  • Menschen mit festem Plan, die ans Limit stoßen. Wenn dein Fünf-Stunden-Fenster lange vor Tagesende aufgebraucht ist, zeigt dir Deep Scan, welche Runden teuer waren und ob die Ursache erneutes Lesen, lange Ausgaben oder ein Modell war, das Arbeit erledigt hat, die ein günstigeres auch könnte.
  • Menschen, die per API zahlen. Wenn jedes Token auf der Rechnung steht, ist die nützliche Frage nicht "wie viele Tokens habe ich verbraucht", sondern "welche Tokens haben nichts gebracht". Genau das beantwortet eine Ansicht pro Runde.
  • Menschen, die nicht unbedingt im Terminal leben wollen. Die Ergebnisse liest du in einem Panel, nicht durch das Parsen von Logs. Die schwere Arbeit passiert unter der Haube.

Wenn du von HarnessUp nur eine Sache willst, ist die Messung eine gut begründbare Wahl. Eine Zahl, die du überprüfen kannst, ist mehr wert als ein Sparversprechen, das du nicht überprüfen kannst.

So führst du es aus

  1. Installiere HarnessUp. Das Paket ist npm install -g harnessup, es gibt einen Windows-Download, und macOS und Linux werden unterstützt. Alles läuft auf deinem Rechner. HarnessUp hängt sich über die offiziellen Hooks von Anthropic und OpenAI ein, funktioniert also in der CLI, in der Desktop-App und in IDE-Erweiterungen, mit deinem Account oder über die API.
  2. Öffne das Panel. Kein Konto nötig. Im Panel liegen Messung und Steuerung nebeneinander.
  3. Starte Deep Scan. Es liest die Transkripte, die bereits auf deinem Rechner gespeichert sind. Nichts wird hochgeladen, und für den Bericht wird kein Modell aufgerufen.
  4. Lies deine eigene Ausgangslage. Schau dir den Kontext pro Runde mit und ohne HarnessUp an und den Prozentsatz der eingesparten Verschwendung. Nimm das als Ausgangspunkt, nicht als Note.
  5. Schalte etwas ein und miss erneut. Im Panel schalten die Tasten 1 bis 8 Tools um, und Z macht alles rückgängig. Ändere eine Sache, schau auf die Anzeige und behalte die Änderung nur, wenn sich die Zahl bewegt.

Die Ausgabe ehrlich lesen

Zwei Gewohnheiten halten ein Messwerkzeug nützlich statt dekorativ.

Erstens: Trenne die Demo von deinen Daten. Das Panel kommt mit beispielhaften Demo-Werten, damit du siehst, wie die Oberfläche aussieht, bevor du Historie hast. Deine Werte kommen aus dem Deep Scan, aus deinen Transkripten, durchgängig gemessen. Wenn eine Zahl beispielhaft ist, sagt das Panel es.

Zweitens: Lies "bis zu" als Obergrenze, nicht als Prognose. HarnessUp wirbt mit bis zu 78 % eingesparten Arbeits-Tokens, bis zu 350 % mehr Token-Ausbeute und bis zu 3x mehr Arbeit im selben Plan. Das sind die größten Zuwächse, die in echten Zeitfenstern gemessen wurden, kein Versprechen für deine. Der Grund, warum das Produkt dir daneben deine eigene Zahl zeigt, ist, dass der ehrliche Vergleich zwischen deinem Vorher und deinem Nachher liegt.

"Bis zu" bedeutet: die größten Zuwächse, die in echten Zeitfenstern gemessen wurden. Deine eigene Zahl erscheint im Panel, durchgängig an deiner eigenen Historie gemessen, und bleibt für eine Gegenprüfung verfügbar.

Ein schneller Weg, das Panel zu lesen:

Was du siehstWas es dir sagtWas du als Nächstes tust
Kontext pro Runde, mit und ohne HarnessUpWie viel jede Runde weiterträgt und wie schnell eine Session anschwilltIst der Abstand klein, liegt die Verschwendung wahrscheinlich in der Ausgabe oder der Modellwahl, nicht im erneuten Lesen
Prozentsatz eingesparter VerschwendungWie viel der vermeidbaren Ausgaben die aktivierten Tools in deiner Historie entfernt habenSchalte die Tasten einzeln ein und sieh zu, wie sich das bewegt
Ausgaben pro Session und Cap-StatusWelche Sessions teuer waren und ob ein Cap eine davon gestoppt hätteSetze einen Stop Loss, damit eine aus dem Ruder laufende Session endet, statt weiterzulaufen

Von der Messung zur Lösung

Deep Scan ist diagnostisch, nicht therapeutisch. Die Einsparungen kommen von den Tools, die du danach aktivierst, und jedes davon setzt an einem anderen Schritt der Rechnung an.

  • Ausgabe. Response Diet verlangt vom Agenten eine direkte Antwort, blockiert das erneute Lesen von Dateien, die er schon gelesen hat, und kürzt die riesige Ausgabe, bevor sie in den Kontext gelangt. Die Vorrede ("Klar! Gerne helfe ich dir dabei") wird einmal bezahlt und danach in jeder folgenden Runde erneut gelesen.
  • Lesen. Der Leseschritt hat eigene Tasten, darunter Delta Read, damit der Agent nicht erneut aufnimmt, was sich nicht geändert hat.
  • Komprimierung. Smart Compress komprimiert ohne Modellaufruf, sodass die Einsparung dich nicht eine weitere Anfrage kostet.
  • Modellwahl. Cheap Swarm entscheidet in Millisekunden, welcher Subagent welche Aufgabe übernimmt, mit dem richtigen Modell und Aufwand, über 26 Aufgabenklassen hinweg – Suche und Lint auf einem leichten Modell, während das teure Modell nur entscheidet.
  • Harte Grenzen. Stop Loss beendet die Session, wenn die Ausgaben ihr Cap erreichen, damit eine schlechte Schleife nicht still ein Zeitfenster auffressen kann.

Nichts davon verlangt, dass du deine Art zu prompten änderst. Es gibt über 200 Ein-Klick-Tasten in der App, und jede davon lässt sich mit einem Klick rückgängig machen – genau darum geht es beim Messen zuerst. Du sollst keinem Standard vertrauen; du sollst deine eigene Historie ansehen und behalten, was hilft.

Was auf deinem Rechner bleibt

Deep Scan liest Transkripte, und Transkripte enthalten Code, Pfade und manchmal Secrets. Deshalb ist die Lokal-Garantie die wichtigste Zeile der Spezifikation. HarnessUp führt das offizielle claude und codex mit deinem Account aus und verpflichtet sich schriftlich, deine Tokens oder deinen Key niemals zu lesen, zu speichern oder weiterzugeben. Es fängt die API nicht ab; es hängt sich an den offiziellen Hook-Punkten ein, und die lokale Schicht läuft mit einem p95 unter 50 ms.

Wenn deine Organisation Regeln dazu hat, Session-Daten an Dritte zu senden, ist diese Architektur die Antwort: Die Analyse passiert auf derselben Festplatte, auf der die Transkripte ohnehin liegen.

Starte mit der Zahl, nicht mit dem Verkaufsargument

Token-Einsparungen sind leicht behauptet und schwer zu spüren. Deep Scan macht die Behauptung auf deinem eigenen Rechner widerlegbar: ausführen, die Runden lesen, die angeschwollen sind, ein Tool aktivieren, erneut ausführen. Wenn sich die Zahl nicht bewegt, schalte das Tool wieder aus – das Rückgängig ist eine Taste.

Das ist der Teil, der mir als Produktmanager am Herzen liegt. Eine Suite, die bis zu 78 % der Arbeits-Tokens spart, ist nur nützlich, wenn du siehst, welche 78 % auf dich zutreffen. Durch Messen findest du es heraus, und ein Blick kostet nichts.

Dieser Artikel wurde mit KI-Unterstützung in HarnessUp Publish verfasst und vor der Veröffentlichung vom HarnessUp-Team freigegeben.