← Tous les articles

Features

Deep Scan : voyez où vont vraiment vos tokens Claude Code

Deep Scan lit les transcriptions Claude Code et Codex déjà présentes sur votre machine et montre où le contexte est parti — gratuit, local, sans connexion.

Deep Scan : voyez où vont vraiment vos tokens Claude Code

Par Ted Mavera, Product Manager chez HarnessUp

Avant de pouvoir retirer quoi que ce soit d'une session d'agent, il faut la voir. C'est tout le travail de Deep Scan : il lit les conversations déjà enregistrées sur votre machine et montre, élément par élément, où le contexte est parti. Aucun appel au modèle, aucune inscription, aucune estimation empruntée au compte de quelqu'un d'autre. C'est la couche de mesure de HarnessUp, la suite d'économies de tokens pour Claude Code et Codex, et c'est gratuit.

Cet article explique ce que fait Deep Scan, à qui il s'adresse, comment le lancer et comment lire le résultat sans se raconter d'histoires.

Ce que Deep Scan fait réellement

Claude Code et Codex écrivent déjà les conversations sur le disque pendant que vous travaillez. Deep Scan ouvre ces transcriptions et les transforme en carte des dépenses : quels tours ont grossi, ce qui a été renvoyé d'un tour à l'autre, et quelle part d'une session est allée au vrai travail plutôt qu'aux frais généraux. Il le fait sans appeler le modèle, donc mesurer votre consommation ne vous coûte rien de plus.

Trois propriétés comptent plus que les graphiques :

  • Il tourne en local. HarnessUp est 100 % local. Vos transcriptions sont lues sur votre machine, et rien n'en sort.
  • Les chiffres sont les vôtres. Ils viennent de votre propre historique, calculés sur votre écran, et restent disponibles pour un contre-contrôle plus tard — y compris après avoir changé un réglage et vouloir savoir si cela a aidé.
  • Il ne coûte rien d'essayer. Pas de connexion, pas d'e-mail, pas de mot de passe. Deep Scan et 19 autres outils de mesure et de surveillance sont gratuits, pour que vous puissiez calculer votre gaspillage avant de décider si un forfait payant le vaut.

Deep Scan n'est pas un rapport ponctuel. C'est le haut d'une chaîne : la mesure vous dit lequel des autres outils vaut la peine d'être activé, et les outils vous donnent de nouvelles choses à mesurer.

À qui il s'adresse

HarnessUp range son public en trois groupes, et Deep Scan est le point de départ commun aux trois.

  • Les personnes sur un forfait fixe qui atteignent la limite. Si votre fenêtre de cinq heures se termine bien avant la journée, Deep Scan vous montre quels tours ont été chers et si la cause était la relecture, une sortie longue ou le modèle faisant un travail qu'un modèle moins cher aurait pu faire.
  • Les personnes qui paient à l'API. Quand chaque token figure sur la facture, la question utile n'est pas « combien de tokens ai-je utilisés » mais « quels tokens n'ont rien acheté ». C'est exactement ce à quoi répond une vue par tour.
  • Les personnes qui préfèrent ne pas vivre dans le terminal. Les résultats se lisent dans un panneau, pas en analysant des logs. Le gros du travail se passe sous le harnais.

Si vous ne voulez qu'une seule chose de HarnessUp, la mesure est un choix défendable. Un chiffre que vous pouvez vérifier vaut plus qu'une promesse d'économie que vous ne pouvez pas vérifier.

Comment le lancer

  1. Installez HarnessUp. Le paquet est npm install -g harnessup, il existe un téléchargement Windows, et macOS et Linux sont pris en charge. Tout tourne sur votre machine. HarnessUp s'attache via les hooks officiels d'Anthropic et d'OpenAI, donc il fonctionne dans le CLI, l'application de bureau et les extensions d'IDE, avec votre compte ou via l'API.
  2. Ouvrez le panneau. Aucun compte requis. Le panneau, c'est là où mesure et contrôle cohabitent.
  3. Lancez Deep Scan. Il lit les transcriptions déjà enregistrées sur votre machine. Rien n'est téléversé et aucun modèle n'est appelé pour produire le rapport.
  4. Lisez votre propre référence. Regardez le contexte par tour avec et sans HarnessUp, ainsi que le pourcentage de gaspillage coupé. Prenez-les comme point de départ, pas comme une note.
  5. Activez quelque chose et remesurez. Dans le panneau, les touches 1 à 8 activent les outils, et Z annule tout. Changez une chose, regardez le compteur, et gardez le changement seulement si le chiffre bouge.

Lire le résultat honnêtement

Deux habitudes gardent un outil de mesure utile plutôt que décoratif.

D'abord, séparez la démo de vos données. Le panneau est livré avec des valeurs de démonstration illustratives pour que vous voyiez à quoi ressemble l'interface avant d'avoir un historique. Les vôtres viennent du Deep Scan, de vos transcriptions, mesurées de bout en bout. Si un chiffre est illustratif, le panneau le dit.

Ensuite, lisez « jusqu'à » comme un plafond, pas comme une prévision. HarnessUp annonce jusqu'à 78 % de tokens de travail économisés, jusqu'à 350 % de rendement de tokens en plus et jusqu'à 3× plus de travail sur le même forfait. Ce sont les gains les plus importants mesurés dans des fenêtres réelles, pas une promesse sur les vôtres. Si le produit affiche votre propre chiffre à côté, c'est parce que la comparaison honnête est entre votre avant et votre après.

« Jusqu'à » signifie : les gains les plus importants mesurés dans des fenêtres réelles. Votre propre chiffre apparaît dans le panneau, mesuré de bout en bout sur votre historique, et reste disponible pour un contre-contrôle.

Un moyen rapide de lire le panneau :

Ce que vous voyezCe que cela vous ditQuoi faire ensuite
Contexte par tour, avec et sans HarnessUpCombien chaque tour reporte, et à quelle vitesse une session gonfleSi l'écart est faible, le gaspillage est probablement dans la sortie ou le choix du modèle, pas dans la relecture
Pourcentage de gaspillage coupéQuelle part des dépenses évitables les outils activés ont retirée sur votre historiqueActivez les touches une par une et regardez ce chiffre bouger
Dépense par session et état du plafondQuelles sessions ont coûté cher, et si un plafond en aurait arrêté uneFixez un Stop Loss pour qu'une session emballée se termine au lieu de continuer

De la mesure au correctif

Deep Scan est diagnostique, pas thérapeutique. Les économies viennent des outils que vous activez ensuite, et chacun cible une étape différente de la facture.

  • Sortie. Response Diet demande à l'agent une réponse directe, bloque la relecture des fichiers qu'il a déjà lus et coupe la sortie géante avant qu'elle n'entre dans le contexte. Le préambule (« Bien sûr ! Je vais vous aider avec ça ») est payé une fois, puis relu à chaque tour suivant.
  • Lecture. L'étape de lecture a son propre jeu de touches, dont Delta Read, pour que l'agent ne réingère pas ce qui n'a pas changé.
  • Compression. Smart Compress compresse sans appeler le modèle, ce qui évite que l'économie vous coûte une requête de plus.
  • Choix du modèle. Cheap Swarm décide en millisecondes quel subagent fait chaque tâche, avec le bon modèle et le bon effort, sur 26 classes de tâches — recherche et lint sur un modèle léger, tandis que le modèle cher ne fait que décider.
  • Limites strictes. Stop Loss met fin à la session quand la dépense atteint son plafond, pour qu'une mauvaise boucle ne consomme pas silencieusement une fenêtre.

Rien de tout cela ne vous demande de changer votre façon de prompter. Il y a plus de 200 touches en un clic dans l'application, et n'importe laquelle peut être annulée d'un clic — c'est justement l'intérêt de mesurer d'abord. On ne vous demande pas de faire confiance à un défaut ; on vous demande de regarder votre propre historique et de garder ce qui aide.

Ce qui reste sur votre machine

Deep Scan lit des transcriptions, et les transcriptions contiennent du code, des chemins et parfois des secrets. C'est ce qui fait de la garantie locale la ligne la plus importante de la spec. HarnessUp exécute les claude et codex officiels avec votre compte et affirme, comme engagement écrit, qu'il ne lit, ne stocke ni ne transmet votre token ou votre clé. Il n'intercepte pas l'API ; il s'attache aux points de hook officiels, et la couche locale tourne avec un p95 inférieur à 50 ms.

Si votre organisation a des règles sur l'envoi de données de session à des tiers, cette architecture est la réponse : l'analyse se fait sur le même disque que celui où les transcriptions se trouvent déjà.

Commencez par le chiffre, pas par le discours

Les économies de tokens sont faciles à revendiquer et difficiles à ressentir. Deep Scan rend l'affirmation réfutable sur votre propre machine : lancez-le, lisez les tours qui ont gonflé, activez un outil, relancez. Si le chiffre ne bouge pas, désactivez l'outil — l'annulation est à une touche.

C'est la partie qui m'importe en tant que product manager. Une suite qui économise jusqu'à 78 % des tokens de travail n'est utile que si vous pouvez voir quels 78 % s'appliquent à vous. La mesure est comment le découvrir, et cela ne coûte rien de regarder.

Cet article a été rédigé avec l'aide de l'IA dans HarnessUp Publish et approuvé par l'équipe HarnessUp avant publication.