この記事でわかること

CLAUDE.md（4,696文字・115行）が毎リクエストで何トークン消費しているかの推計値
セクション別の文字数内訳（どこが重いか）
トークン削減のための参照置換アプローチ

環境

Claude Code（Pro）で個人開発プロジェクト（masatoman.net）を日次運用
対象 CLAUDE.md: masatoman.net リポジトリの設定ファイル
計測方法: Python で文字種別（日本語 / ASCII）に分類し、公開推計式を適用

問題提起

CLAUDE.md にルールを追記し続けると、いつの間にかファイルが膨らむ。行数は wc -l で見えるが、毎リクエストで何トークン消費しているかを確認したことがない、という状態になりやすい。

今回は「どこが重いか」を数字で見るための計測を行った。

実測結果

ファイル全体

指標	値
総文字数	4,696文字
行数	115行
日本語文字（CJK・ひらがな・カタカナ）	1,938文字（41%）
ASCII文字（英字・記号・スペース等）	2,730文字（58%）

推計トークン数

Claude の公式 countTokens API は未使用のため、文字種別推計で算出。

推計シナリオ	トークン数
低（日本語 1.0 tok/char）	約 2,620
高（日本語 1.8 tok/char）	約 4,170
中間値（参考）	約 3,400

「数千トークンが毎リクエストに乗る」という規模感は確認できた。

セクション別文字数（H2見出し単位）

セクション	文字数	全体比
記事執筆時の絶対原則	1,350	29%
コマンド	803	17%
ターゲット	640	14%
ヒーロー画像フォント指定	429	9%
ディレクトリ構成	212	5%
重要ルール	127	3%
技術スタック	79	2%

最も重いのは「記事執筆時の絶対原則」（29%）。禁止パターン・推奨記事タイプ・標準記事構造・書く前の自問を含む複合セクション。

計測スクリプト（再現用）

content = open('CLAUDE.md', 'r').read()

def is_japanese(c):
    cp = ord(c)
    return (0x3000 <= cp <= 0x9FFF) or (0xF900 <= cp <= 0xFAFF) or (0xFF00 <= cp <= 0xFFEF)

jp_chars = sum(1 for c in content if is_japanese(c))
ascii_chars = sum(1 for c in content if c.isascii())

jp_tokens_low = jp_chars * 1.0
jp_tokens_high = jp_chars * 1.8
ascii_tokens = ascii_chars / 4.0

print(f"Total chars: {len(content)}")
print(f"JP chars: {jp_chars}, ASCII chars: {ascii_chars}")
print(f"Token estimate: {jp_tokens_low + ascii_tokens:.0f} - {jp_tokens_high + ascii_tokens:.0f}")

削減方針

削除よりも参照置換の方が維持コストが低い。

Claude Code は @docs/xxx.md 形式で参照ファイルを読み込めるため、「必要なときだけ詳細を読む」構造にできる。

セクション	対処案
記事執筆原則（1,350文字）	`docs/writing-guide.md` との重複を確認して参照化
ターゲット定義（640文字）	`SNAPSHOT.md` が正準値と書いてあるなら、詳細は参照1行に
ヒーロー画像フォント指定（429文字）	`docs/image-gen-guide.md` に移して参照行に置換

コマンド一覧と重要ルールは Claude への直接命令のため、参照化せず残す。

まとめ

CLAUDE.md が何トークン消費しているかは、計測しないと分からない。今回の計測で「記事執筆原則セクションが全体の29%を占める」ことが分かった。削減の最初の一手は「参照化」。

AI ツールを業務に組み込む設計の実験ログを書いています。 https://masatoman.net