9 min read

Claude Code 省钱大法:Token 消耗直降 80%

Source: http://x.com/i/article/2041150815574880256

上篇提到过缓存机制,刚好最近 Claude Code 的核心作者给 OpenClaw提交了三个 PR,主要解决cache过低,导致烧token太快,给大家讲解一下如何有效节省token的同时保证高效开发

本文基于对 claude code源码分析,拆解 Claude Code 的 Token 计费机制,并给出可立即执行的优化策略。

一、每轮对话的真实开销

每发一条消息,无缓存的情况下都会把以下内容完整打包重新发给 API:

  • 系统指令(角色定义、行为准则)
  • ~40 个工具的完整定义
  • CLAUDE.md 项目上下文
  • Git 状态快照
  • 完整对话历史
  • 本轮消息

第 30 条消息的实际输入量 = 前 29 条的全部内容 + 新消息。所以可以看到无缓存时,每轮输入量是线性增长

二、提示缓存:10 倍折扣从哪里来

Anthropic 家的claude code支持 KV Cache:请求前缀与上次完全相同时,跳过重新计算,直接读取缓存。

三种计费价格,这里以 Sonnet 4.6 为例:

  • 正常输入:$3.00 / 百万 token
  • 缓存写入:$3.75 / 百万 token(首次建立缓存,贵 25%)
  • 缓存读取:$0.30 / 百万 token(命中缓存,省 90%)

系统提示通常占每轮输入 token 的 60–80%。只要前缀不变,这部分每轮只付一折。

CC 在哪里放了缓存断点?

逆向二进制确认,每个请求精确放置 3 个缓存断点:

第 1、2 个断点在系统提示里。

CC 把 identity 文本单独作为第一个断点,剩余所有内容(CLAUDE.md、Git 状态、环境信息等)合并成一个大块作为第二个断点。这两块合起来就是每轮 90% 折扣的来源。

第 3 个断点在最新一条消息上。

历史消息不打断点——旧消息里的工具调用结果会被替换成轻量级引用,减少重复传输体积。

工具定义没有断点,但不需要。Anthropic 的 prompt caching 是前缀匹配,该断点之前的所有内容一起按缓存价计费

Pro 用户专属:1 小时缓存 TTL

默认缓存 5 分钟过期。Pro / Max 订阅且未超额的用户,特定请求类型自动升级为 1 小时有效期(特定请求类型由anthropic决定)。

5 分钟 TTL 下,停下来喝杯咖啡再回来,缓存已失效,系统提示要重新付写入费。1 小时 TTL 基本消除这个问题。免费用户和超额用户没有这个福利,这也是为什么我更推荐大家自己订阅claude而不是用中转站。

Image

三、四类"缓存杀手"

缓存基于严格的字符级哈希。前缀任意一个字节变化,整个缓存失效。

杀手 1:会话中切换模型

缓存绑定具体模型。Sonnet 切 Opus,缓存清零,系统提示重新付写入费。

一个 20,000 token 的系统提示:切模型前每轮 $0.006(读取价),切模型后当轮 $0.075(写入价)。一次切换多付 12 倍。

杀手 2:会话中修改 CLAUDE.md

CLAUDE.md 内容合并在系统提示的第二个断点里。内容改变,这个大块的哈希就变了,整个系统提示缓存立即失效。

做法:开会话前写好 CLAUDE.md,开始后不动。

杀手 3:注入精确时间戳

CC 在系统提示里注入当前日期,但只精确到天。

精确到秒的时间戳会让每次请求的哈希都不同,缓存永远无法命中。通过 API 集成 CC 时,注意不要把每秒变化的内容塞进系统提示。

杀手 4:工具描述里的随机路径

源码注释原文说得很直接:如果工具描述里混入了随机 UUID 路径,工具描述每次请求都不同,缓存前缀每次都变,等于每次都要全价付费,实测是 12 倍的成本惩罚。CC 内部已改用内容哈希路径规避了这个问题。

Image

四、子智能体:搜索任务用便宜模型跑

Explore Agent(代码库探索)

搜索文件和代码时,CC 自动启动 Explore Agent,用的是 Haiku 而非主对话的 Sonnet 或 Opus。(注意,不共享缓存,所以长对话来看subagent更省token,因为不是A2A双向链接)

  • Haiku 比 Sonnet 便宜 73%
  • Haiku 比 Opus 便宜 95%
  • 同时跳过 CLAUDE.md 加载,省掉数千 token 你给的描述越模糊,Explore Agent 跑的轮数越多,每轮都是一次 Haiku 调用。

给精确路径比让它猜便宜得多:

  • 模糊:"帮我找处理登录的文件"→ 多轮搜索
  • 精确:"读 src/services/auth.ts"→ 直接读取

Plan Agent(架构设计)

制定实现计划时,CC 启动 Plan Agent,同样跳过 CLAUDE.md,专注设计不涉及执行。(继承主对话模型)

五、/compact:最容易被忽略的节省手段

/compact 把整个对话历史压缩成一份摘要,以摘要重新开始对话,上下文体积大幅缩小。

压缩时 CC 会自动做的事:

  • 去除工具输出里的图片和大型冗余内容
  • 用当前模型生成精炼摘要
  • 自动重新注入最近读过的 5 个文件(防止"失忆")
  • 保留 Plan 和激活的 Skills 上下文

关键细节: 压缩请求与主对话部分会共享相同的缓存前缀。压缩本身也享受缓存折扣,不会浪费已积累的系统提示缓存。

用法建议:

  • 完成一个子任务后立即压缩,不要等自动触发
  • 压缩时附加指令:/compact 保留 API 设计决策和文件修改记录,比让它自己猜保留什么更准

六、JSON 文件是隐藏的 Token 黑洞

CC 本地估算 token 数时,普通代码按 4 字节 ≈ 1 token,JSON 文件按 2 字节 ≈ 1 token。

JSON 的 token 密度是普通代码的 2 倍。package-lock.json 动辄数万 token,一旦被读入上下文就是巨大浪费(这个放心,常用的package-lock.json、yarn.lock 等默认就硬编码排除了。

七、启动速度优化(顺带了解)

CC 在所有模块加载之前就并发启动系统信息读取和凭证预取,与模块加载过程并行运行。第一帧渲染完成后,继续后台预取 CLAUDE.md、Git 状态、模型能力等数据。

用户打第一个字之前,上下文已经在后台准备好了。CC 的"启动快"靠的是把 IO 操作藏在你打字的间隙里。

八、9 条实战策略

架构层(节省 50–80%)

一个会话一个任务:话题切换后,旧对话历史变成每轮都要付费的噪音。新任务开新会话。

主动 /compact:完成子任务即压缩,附上定制保留指令,不要等自动触发。

固定模型,不中途切换:需要换模型就开新会话,保留当前所有缓存。

开会话前写好 CLAUDE.md:会话中改 CLAUDE.md 等于主动让系统提示缓存失效。

提示词层(节省 20–50%)

一次说完比追问更省token:三条消息 = 三次完整上下文加载。一条消息 = 一次。("总结这个文件,列出要点,建议标题" > "总结这个文件" → "列出要点" → "起个标题" )

编辑原始消息,不要发新消息纠正:每条新消息永久追加进历史,后续每轮都要为它付费。CC 支持直接编辑历史消息(两次esc就能回滚历史记录)。

给精确路径,不让 AI 搜索:模糊描述触发 Explore Agent 多轮搜索,精确路径直接读取。参见第四节。

在 CLAUDE.md 里排除大型生成文件:参见第六节。

分段工作:单次长会话的 token 消耗是连续的。把大任务拆成几个独立会话,每段各自压缩,比一条龙跑到底更可控。

Image

九、CLAUDE.md 的真实 ROI

CLAUDE.md 注入系统提示后参与缓存。第一轮付写入费(贵 25%),后续每轮只付读取费(省 90%)。

以 5,000 token 的 CLAUDE.md、使用 20 轮对话为例:

  • 有 CLAUDE.md:首轮写入 + 后续 19 轮读取,总计约 0.4 RMB
  • 无 CLAUDE.md,每轮手工提供:20 轮正常输入,总计约 2 RMB

节省 接近90%。 注意,claude.md文件每次都会加载,所以要分清并规划好全局和项目,并且尽可能的精简,省token可以用首轮对话讲的详细或者开plan代替,想节省把项目架构说明、编码规范、常用 API 文档摘要全写进去,越详细越划算。这里合理运用claude code 的/init功能

关闭 Thinking 模式

默认 adaptive 模式按需启用扩展思考,思考 token 与输出 token 同价计费。文件编辑、格式化、搜索替换等简单任务可手动关闭,节省推理开销。

结语 省 Token 的本质是让操作习惯对齐缓存架构。

三条核心原则:

保持前缀稳定:固定模型、固定 CLAUDE.md、避免动态内容注入

用好缓存杠杆:把常用上下文写入 CLAUDE.md,10× 折扣从第二轮起生效

控制历史增长:一任务一会话,主动 /compact,批量提问

同样的 Max 套餐,操作习惯不同,实际可用量差距可能在3~5倍甚至不等。