Otimização de Performance e Cache

Intermediário⏱45 min📖3 min de leituraLição 4 de 6

Otimização de Performance e Cache

Otimize o OpenCode para velocidade e eficiência de custos. Aprenda estratégias de cache, otimização de tokens, seleção de modelos e como reduzir chamadas de API mantendo a qualidade.

Por que Otimizar?

Métrica	Impacto
Tempo de Resposta	Fluxo de trabalho de desenvolvimento mais rápido
Uso de Tokens	Custos de API mais baixos
Qualidade	Melhores resultados com menos sobrecarga
Escalabilidade	Lidar com projetos maiores

Otimização de Tokens

Entendendo Tokens

Tokens são as unidades básicas que os LLMs processam:

Conteúdo	Tokens Aproximados
1 palavra	1-2 tokens
1 linha de código	5-15 tokens
1 arquivo (100 linhas)	500-1500 tokens

Reduzir Uso de Tokens

Limpe a conversa regularmente:

> /clear

Seja específico nos prompts:

❌ "Fix the bug"
✅ "Fix the ZeroDivisionError in calculate_average() when list is empty"

Leia apenas arquivos relevantes:

❌ "Read all files in src/"
✅ "Read src/utils.py"

Use grep antes de ler:

> Search for "TODO" in src/ before reading entire files

Estratégia de Seleção de Modelo

Tarefa	Modelo	Motivo
Perguntas simples	gpt-4o-mini	Rápido, barato
Geração de código	gpt-4o	Equilibrado
Raciocínio complexo	claude-sonnet-4-20250514	Alta qualidade
Revisão de código	claude-sonnet-4-20250514	Análise minuciosa
Edições rápidas	gpt-4o-mini	Velocidade

Configuração

json

{
  "agents": {
    "quick": {
      "model": "gpt-4o-mini",
      "description": "Simple tasks, fast responses"
    },
    "complex": {
      "model": "gpt-4o",
      "description": "Complex tasks, high quality"
    }
  }
}

Estratégias de Cache

Cache de Conteúdo de Arquivo

Armazene em cache arquivos acessados frequentemente:

python

# Pseudo-code for caching
file_cache = {}

def read_file(path):
    if path in file_cache:
        return file_cache[path]
    
    content = read_from_disk(path)
    file_cache[path] = content
    return content

Cache de Prompts

Reutilize templates de prompts:

json

{
  "skills": {
    "code-review": {
      "prompt_template": "Review this code for security issues: {code}"
    }
  }
}

Cache de Resultados

Armazene em cache respostas de IA para consultas repetidas:

json

{
  "cache": {
    "enabled": true,
    "ttl": 3600,
    "maxSize": 1000
  }
}

Processamento em Lote

Processar Múltiplos Arquivos

Em vez de:

> Read file1.py
> Read file2.py
> Read file3.py

Use:

> Read all Python files in src/ and summarize their purposes

Requisições Paralelas

json

{
  "performance": {
    "parallelRequests": true,
    "maxConcurrent": 3
  }
}

Gerenciamento da Janela de Contexto

Monitore o Tamanho do Contexto

> /verbose
Context: 4523 tokens (15% of 32k limit)

Otimize o Contexto

Limpe o histórico ao mudar de tópico
Leia apenas arquivos necessários
Resuma conversas longas
Use subagentes para tarefas isoladas

Otimização de Rede

Pool de Conexões

json

{
  "providers": {
    "openai": {
      "keepAlive": true,
      "maxConnections": 5
    }
  }
}

Agrupamento de Requisições

json

{
  "performance": {
    "batchRequests": true,
    "batchSize": 10
  }
}

Monitoramento de Performance

Rastrear Métricas

json

{
  "logging": {
    "performance": true,
    "tokenUsage": true,
    "responseTime": true
  }
}

Analisar Logs

bash

# Find slow requests
grep "response_time" opencode.log | awk '{print $NF}' | sort -n

# Calculate average tokens
grep "total_tokens" opencode.log | awk '{sum+=$NF} END {print sum/NR}'