Anthropic 官方整理 Claude Code 六大省钱技巧：别再烧冤枉 token

全球程序员都在浪费 token 白送钱，Anthropic 分享 Claude Code 六大省钱技巧

就在刚刚，Anthropic 发了一篇博客。核心信息就是： 各位，别再烧冤枉 token 了，我们都看不下去了！ 为此，官方详细列举了六条省钱心法，先贴为敬： 1. 任务做完就 / clear。 修完一个 bug 就清掉当前对话，别让上一个任务读过的文件和命令输出拖进下一个任务里，白白占着上下文。 2. 开局就定好模型和推理强度（effort level）。 中途切换的话，之前积累的提示缓存会全部失效，整段对话历史要按全价重新计算一遍。 3. 用 @引用文件，别手打路径。 用 @直接把文件附到消息里，Claude 不用再花一次工具调用去读。如果你只打文件名，Claude 可能先搜一圈再打开好几个文件试探，这些操作全部会进入对话历史，之后每一轮都带着。 4. 给输出多的命令加静默参数（quiet flag）。 在 CLAUDE.md 里写一句类似--reporter=dot 的配置，让测试输出只打印几行摘要，不是几百行详情。输出越短，占的上下文越少。 5. /compact 在休息前做。 对话还在缓存里的时候压缩，成本只有正常的十分之一。等你回来缓存过期了再压，就得按全价重新读一遍再压缩。 6. 大输出任务扔给子 Agent。 子 Agent 在一个独立的上下文窗口里运行，做完只把结论传回来，过程中读的文件和跑的命令输出不会进入你的主对话。 一个 token 的前世今生 用 Claude Code 干活，API 按量走，订阅制月费从 20 美元到 200 美元分三档。 根据官方推算，开发者日均消耗 13 美元 token，月均花在 150 到 250 美元之间。 这还只是平均水平。同样修一个 bug，问法不同，花费能差出好几倍。 而且每一轮对话都在拖着前面所有轮的全部内容重新发送，会话越长，每一轮就越贵。 这些钱花在哪，得从 token 的计价逻辑说起。 每次你在 Claude Code 里输入一条指令，背后发生两件事。 第一件叫 预填充（prefill） ，也就是模型一口气读进你的整个请求，包括系统提示词、 CLAUDE.md 、你的消息，以及之前对话里积累的一切。这些都是输入 token。 第二件叫 解码（decode） ，也就是模型一个字一个字往外写的过程，包括它的思考、工具调用和你最终看到的文字。这些都是输出 token。 关键区别在这里。 预填充是 并行 的，一次性把所有输入 token 过一遍 GPU。解码是 串行 的，每吐一个 token 都要跑一次模型。200 个 token 的回复，就是 200 次独立运算。 所以也就不难理解，为什么输出 token 要比输入 token 贵 5 倍了 。 在这个基础上，最终账单取决于两件事。 第一是模型，决定每个 token 的单价。 Opus 5，输入 5 美元 / 百万 token，输出 25 美元。 Sonnet 5，输入 2 美元，输出 10 美元。 Haiku 4.5，输入 1 美元，输出 5 美元。 第二是推理强度，决定 token 的数量。 一个会话里大部分输出 token 都是思考 token，推理强度控制的就是这个量。推理强度越高，模型想得越久，输出的思考 token 越多。max 和 low 之间能差好几倍。 简单活用 Sonnet，硬骨头才上 Opus。牛刀杀鸡的钱，花得最冤。 提示缓存，是最大的省钱利器 token 定价里还有一个巨大的变量，就是 缓存 。 Claude Code 的每次请求都从相同的前缀开始，也就是系统提示词、工具定义、 CLAUDE.md 和对话历史。 如果这次请求的前缀和上次逐字节一样，服务器就不重新算，直接加载上次的计算结果。 缓存读取只要正常输入价的 0.1 倍 ，直接省掉 90%。 写入缓存贵一点，最高 2 倍。但写入只发生一次，后面每一轮都享受 0.1 倍读取。 举个例子。 假设你的对话历史有 5 万个 token。不走缓存的话，每一轮光是重读这 5 万 token 就得付全价。但只要命中缓存，同样的 5 万 token 只需要花十分之一的钱。 一个会话跑二三十轮，缓存命中攒下来的折扣是天文数字。 这是你最大的薅羊毛杠杆。 但缓存有个致命弱点。它必须从请求的第一个字节开始连续匹配，中间任何地方变了，从那里往后全部作废。 具体来说，一共有六种情况： 1. /model 切模型： 每个模型的缓存独立。从 Sonnet 切到 Opus，整个对话历史按 Opus 的价格重新预填充，没有折扣。 2. /effort 切推理强度： 推理强度也是 cache key 的一部分，切换之后整个对话历史都要重新计算。 3. 开关 Fast mode： 效果和前两种一样，缓存直接失效。 4. /compact 压缩对话： 对话被重写成摘要，原来的内容全部对不上，旧缓存直接作废。 5. 时间过期： 订阅用户的缓存保活 1 小时，API 用户默认 5 分钟。超时后下一轮全量重算。 6. 恢复旧会话： 隔了太久缓存早就没了，几乎 100% 要全价重新计算。 坏消息是，只要中一个就意味着整个对话历史从 0.1 倍打回原价。 好消息是，当你知道什么会让缓存失效时，就能知道怎么保住它。 比如，会话开头就锁定模型和推理强度，全程不切。不在缓存还热的时候做 / compact，等到准备休息的时候再跑。 这里，还有个隐藏坑。 opusplan 模式 每次进出 plan 都切模型 。进一次，缓存失效一次。出来，又失效一次。来回跳的话，每跳一次都是一笔全价 prefill。 你的会话，正在偷偷变胖 缓存帮你把重复发送历史的成本压到十分之一。 但有一件事它帮不了。你的历史本身在一轮一轮地膨胀。 每次 Claude 读一个文件，文件内容追加到对话里。每次 Claude 跑一个命令，输出也追加进去。从追加那一轮起，后面每一轮都带着。 第 40 轮对话在重新发送第 1 到 39 轮的全部累积内容。 这种增长，是接近平方级别的 O(n²) 。 CClaude Code 有个兜底机制。 命令输出超过 30000 字符，就不往对话里塞了，而是写到一个临时文件里，对话里只放一句摘要。但 30000 以下的输出没人管。 比如一个测试框架跑完，打印 400 行通过记录，每行几十个字符，总量不到 3 万，够不上这个阈值。 于是这 400 行就原封不动地留在了对话历史里，后面每一轮都跟着重新发送一遍。 对此，Anthropic 博客里给了几招很实用的瘦身方法。 1. @引用文件。 不要手动输入路径让 Claude 自己去找。@引用会把文件直接附到消息里，省掉一次读取操作。 你只说文件名的话，Claude 可能先 grep 搜一圈，打开好几个文件看哪个对。然后这些试探就会全部进入对话历史，徒增成本。 2. 给 noisy 命令加 quiet flag。 在 CLAUDE.md 里写一句「run tests with npx vitest run <file> --reporter=dot」，以后每次跑测试只输出几行点状结果，不是几百行详情。一分钟的配置，以后每个会话省几百行上下文。 3. subagent 隔离大输出任务。 subagent 在自己独立的上下文窗口里跑，做完只传答案回来，过程中读的文件和命令输出全部丢弃。适合「去翻翻日志有什么异常」「帮我过一遍这个大文件」这种活。你只要结论，不要过程。 还有最重要的一条。 4. /clear 切任务。 修完一个 bug 就 / clear，开始下一件事。上一个 bug 的文件、命令输出、中间探索，全部和下一个任务无关，但如果不清，它们在后面每一轮都占着位置、吃着 token。 不想彻底清空的话，/compact 可以把对话压成摘要。一万到两万个 token 能压到一千到三千。 此外，博客里还提了一个冷门但免费的操作， /rewind 。 如果最后几轮跑偏了，/rewind 直接砍掉那几轮，前面的缓存完全不动。 管 token，也是一种开发者素养 上面这些操作拆完，你会发现一个规律。写代码的人正在长出一套新技能。 跟框架和语言没关系，而是知道该选什么模型、怎么管上下文、怎么保住缓存、推理强度开多高合适。 这些能力一年前并不存在。但它现在却决定了你在同一个任务上，是花 3 美元还是 30 美元。 Anthropic 自己就是最好的例子。 他们 80% 的代码靠 AI 写，代码合并量一年翻了 8 倍，基准测试加速 52 倍。AI 用到这个强度，如果没人管 token，光推理成本就能把预算吃穿。 从这个角度看，与其说这篇博客讲的是省钱技巧，不如说是 AI 时代写代码的人需要长出来的一种新本能 —— 知道你的每一个操作在消耗什么，知道怎么让同样的预算干出更多的活。 读懂它的人，薅到的不只是几美元的 token。 参考资料： https://claude.com/blog/maximizing-the-value-of-your-claude-code-sessions