← Todos los artículos

Features

Deep Scan: descubre adónde van realmente tus tokens de Claude Code

Deep Scan lee los transcripts de Claude Code y Codex que ya están en tu máquina y muestra adónde fue el contexto: gratis, local y sin inicio de sesión.

Deep Scan: descubre adónde van realmente tus tokens de Claude Code

Por Ted Mavera, Product Manager de HarnessUp

Antes de poder recortar algo de una sesión de agente, tienes que verla. Ese es todo el trabajo de Deep Scan: lee las conversaciones ya guardadas en tu máquina y muestra, elemento por elemento, adónde fue el contexto. Sin llamada al modelo, sin registro y sin estimaciones tomadas de la cuenta de otra persona. Es la capa de medición de HarnessUp, la suite de ahorro de tokens para Claude Code y Codex, y es gratis.

Este artículo explica qué hace Deep Scan, para quién es, cómo ejecutarlo y cómo leer el resultado sin engañarte a ti mismo.

Qué hace Deep Scan en realidad

Claude Code y Codex ya escriben las conversaciones en disco mientras trabajas. Deep Scan abre esos transcripts y los convierte en un mapa de gasto: qué rondas crecieron, qué se reenvió de una ronda a la siguiente y cuánto de una sesión se fue en trabajo real frente a sobrecarga. Lo hace sin llamar al modelo, así que medir tu uso no te cuesta nada extra.

Tres propiedades importan más que los gráficos:

  • Se ejecuta en local. HarnessUp es 100% local. Tus transcripts se leen en tu máquina y nada sale de ella.
  • Los números son tuyos. Vienen de tu propio historial, se calculan en tu pantalla y quedan disponibles para una contracomprobación posterior, incluso después de cambiar un ajuste y querer saber si sirvió.
  • Probarlo no cuesta nada. Sin inicio de sesión, sin correo, sin contraseña. Deep Scan y otras 19 herramientas de medición y monitoreo son gratis, para que puedas calcular tu desperdicio antes de decidir si un plan de pago vale la pena.

Deep Scan no es un informe único. Es la cabecera de una cadena: la medición te dice cuál de las otras herramientas vale la pena activar, y las herramientas te dan algo nuevo que medir.

Para quién es

HarnessUp ordena su público en tres grupos, y Deep Scan es el punto de partida común para todos ellos.

  • Personas con un plan fijo que llegan al límite. Si tu ventana de cinco horas se agota mucho antes de que termine el día, Deep Scan te muestra qué rondas fueron costosas y si la causa fue la relectura, una salida larga o el modelo haciendo un trabajo que uno más barato podría hacer.
  • Personas que pagan por API. Cuando cada token está en la factura, la pregunta útil no es "cuántos tokens usé" sino "qué tokens no compraron nada". Eso es exactamente lo que responde una vista por ronda.
  • Personas que preferirían no vivir en la terminal. Los resultados se leen en un panel, no analizando logs. El trabajo pesado ocurre por debajo del harness.

Si solo quieres una cosa de HarnessUp, la medición es una elección defendible. Un número que puedes verificar vale más que una promesa de ahorro que no puedes comprobar.

Cómo ejecutarlo

  1. Instala HarnessUp. El paquete es npm install -g harnessup, hay una descarga para Windows y macOS y Linux son compatibles. Todo se ejecuta en tu máquina. HarnessUp se conecta mediante los hooks oficiales de Anthropic y OpenAI, así que funciona en la CLI, la app de escritorio y las extensiones de IDE, con tu cuenta o vía API.
  2. Abre el panel. No se requiere cuenta. El panel es donde la medición y el control conviven.
  3. Ejecuta Deep Scan. Lee los transcripts ya guardados en tu máquina. No se sube nada ni se llama a ningún modelo para generar el informe.
  4. Lee tu propia línea de base. Mira el contexto por ronda con y sin HarnessUp, y el porcentaje de desperdicio recortado. Tómalos como tu punto de partida, no como una puntuación.
  5. Activa algo y vuelve a medir. En el panel, las teclas 1 a 8 alternan las herramientas, y Z deshace todo. Cambia una cosa, mira el medidor y conserva el cambio solo si el número se mueve.

Leer el resultado con honestidad

Dos hábitos mantienen útil una herramienta de medición en lugar de decorativa.

Primero, separa la demo de tus datos. El panel incluye valores de demostración ilustrativos para que veas cómo es la interfaz antes de tener historial. Los tuyos vienen de Deep Scan, de tus transcripts, medidos de punta a punta. Si un número es ilustrativo, el panel lo dice.

Segundo, lee "hasta" como un techo, no como un pronóstico. HarnessUp anuncia hasta un 78% de tokens de trabajo ahorrados, hasta un 350% más de rendimiento de tokens y hasta 3 veces más trabajo con el mismo plan. Esas son las mayores ganancias medidas en ventanas reales, no una promesa sobre las tuyas. La razón por la que el producto te muestra tu propia cifra al lado es que la comparación honesta es entre tu antes y tu después.

"Hasta" significa: las mayores ganancias medidas en ventanas reales. Tu propia cifra aparece en el panel, medida de punta a punta sobre tu propio historial, y queda disponible para una contracomprobación.

Una forma rápida de leer el panel:

Qué vesQué te diceQué hacer después
Contexto por ronda, con y sin HarnessUpCuánto arrastra cada turno y con qué rapidez se infla una sesiónSi la diferencia es pequeña, el desperdicio probablemente esté en la salida o en la elección de modelo, no en la relectura
Porcentaje de desperdicio recortadoCuánto del gasto evitable eliminaron las herramientas activadas en tu historialActiva las teclas de una en una y observa cómo se mueve
Gasto por sesión y estado del límiteQué sesiones fueron costosas y si un límite habría detenido algunaConfigura un Stop Loss para que una sesión descontrolada termine en lugar de continuar

De la medición a la solución

Deep Scan es diagnóstico, no terapéutico. El ahorro viene de las herramientas que activas después, y cada una apunta a un paso distinto de la factura.

  • Salida. Response Diet le pide al agente una respuesta directa, bloquea la relectura de archivos que ya leyó y recorta la salida gigante antes de que entre en el contexto. El preámbulo ("¡Claro! Te ayudo con eso") se paga una vez y luego se relee en cada ronda que sigue.
  • Lectura. El paso de lectura tiene su propio conjunto de teclas, entre ellas Delta Read, para que el agente no vuelva a ingerir lo que no ha cambiado.
  • Compresión. Smart Compress comprime sin llamar al modelo, lo que evita que el ahorro te cueste otra petición.
  • Elección de modelo. Cheap Swarm decide en milisegundos qué subagente hace cada tarea, con el modelo y el esfuerzo adecuados, en 26 clases de tarea: búsqueda y lint en un modelo ligero, mientras el modelo caro solo decide.
  • Límites duros. Stop Loss termina la sesión cuando el gasto llega a su tope, para que un bucle malo no consuma una ventana en silencio.

Nada de esto requiere que cambies tu forma de escribir prompts. Hay más de 200 teclas de un solo clic en la app, y cualquiera de ellas se puede deshacer con un clic, que es el sentido de medir primero. No se te pide que confíes en un valor por defecto; se te pide que mires tu propio historial y conserves lo que ayuda.

Qué se queda en tu máquina

Deep Scan lee transcripts, y los transcripts contienen código, rutas y a veces secretos. Eso hace de la garantía local la línea más importante de la especificación. HarnessUp ejecuta el claude y el codex oficiales con tu cuenta y declara como compromiso escrito que nunca lee, almacena ni transmite tu token ni tu clave. No intercepta la API; se conecta en los puntos de hook oficiales, y la capa local se ejecuta con un p95 inferior a 50 ms.

Si tu organización tiene reglas sobre enviar datos de sesión a terceros, esa arquitectura es la respuesta: el análisis ocurre en el mismo disco donde ya están los transcripts.

Empieza por el número, no por el discurso

El ahorro de tokens es fácil de prometer y difícil de sentir. Deep Scan hace que la promesa sea refutable en tu propia máquina: ejecútalo, lee las rondas que se inflaron, activa una herramienta, vuelve a ejecutarlo. Si el número no se mueve, desactiva la herramienta: el deshacer es una tecla.

Eso es lo que me importa como product manager. Una suite que ahorra hasta un 78% de los tokens de trabajo solo es útil si puedes ver qué 78% se aplica a ti. La medición es cómo lo averiguas, y mirar no cuesta nada.

Este artículo se redactó con ayuda de IA en HarnessUp Publish y el equipo de HarnessUp lo aprobó antes de publicarlo.