Как ускорить Claude Code с чужими LLM и не терять время
Если заменить в Claude Code модель на стороннюю LLM, работа агентов может заметно замедлиться. Автор заметки показал, как убрать лишние ожидания при проверке действий и ускорить выполнение тестов, пушей и других команд.
Почему Claude Code тормозит с внешней моделью
Автор начал работать в Claude Code, но после блокировки аккаунта Anthropic ему пришлось перейти на другого провайдера фронтирной LLM. В итоге он попробовал Kimi с новой K3.1 Pro и в целом остался доволен качеством модели: на его задачах она не выглядела заметно слабее Opus 5.5. При этом сам Kimi Code показался менее удобным, чем Claude Code, поэтому он оставил привычный интерфейс и просто сменил API-эндпоинт и названия моделей в настройках.
Проблема всплыла в режиме Auto, где Claude Code автоматически запрашивает разрешение на действия агента. Когда агенту нужно запустить тесты, выполнить git push или другую команду, система делает отдельную проверку через LLM и ждет ответа. С внешней моделью именно это ожидание стало узким местом: по логам автора на 646 действиях K3.1 Pro в среднем тратила 22,6 секунды только на проверку разрешения, а в отдельных случаях задержка доходила до 120 секунд.
Что именно замедляет работу агентов
Автор объясняет, что дело не в самой генерации кода, а в дополнительной проверке безопасности. Claude Code отправляет в отдельный классификатор часть диалога и ожидаемое действие, а затем ждет, можно ли выполнять команду. У Anthropic это реализовано как server-side review и хорошо оптимизировано, поэтому задержки почти не заметны. Но у Kimi и многих других провайдеров такой интеграции нет, из-за чего проверка превращается в отдельный синхронный запрос и начинает отнимать заметную часть времени.
В его больших задачах с агентами и субагентами классификатор съел 23,8% активного времени 30 субагентов. Даже если сама модель пишет код приемлемо быстро, общая скорость работы падает из-за постоянных пауз на подтверждение действий. Для разработчика это означает больше простоя и меньше пользы от режима Auto, который изначально должен был экономить время.
Как автор ускорил Claude Code на практике
Решение оказалось простым: вместо того чтобы каждый раз звать LLM на уже известные команды, автор перевел часть действий на явные permission rules. Он разделил их на три группы. В первую вошли безопасные и общие для всех проектов операции, например Git и gh — их удобно хранить в глобальном ~/.claude/settings.json. Во вторую попали правила, завязанные на конкретный репозиторий: компиляторы, линтеры и тесты. Их он добавляет в .claude/settings.json внутри проекта. Третья группа — команды для релизов и других процедур, где заранее известны точные параметры; для них используются отдельные правила в .claude/settings.local.json.
Если действие совпадает с правилом, классификатор вообще не вызывается, и команда выполняется быстрее. Для редких рискованных операций, вроде force-push, автор советует просто перейти в Manual и один раз подтвердить действие. Оставшиеся неизвестные команды он перевел на kimi-for-coding (K2.8) через CLAUDE_CODE_AUTO_MODE_MODEL: по его первым тестам такая проверка заняла в среднем 9,9 секунды вместо 22,6, то есть примерно в 2,3 раза быстрее. Вывод у него простой: детерминированные правила быстрее, дешевле и предсказуемее, а модель стоит оставлять только для неоднозначных случаев.