回应丹耀/锋点单的「Token 节省」话题。端午篇先开了个头，这里给完整版——从真实账单出发，拆解 7 个可操作的工程化降本手段，不讲玄学，只讲落地。
今日要闻 - Anthropic 搁置 Claude Agent SDK 新计费方案，因开发者集体反对 Token 按量计费变更，官方宣布暂缓执行。Token 成本已成为行业痛点。 - Claude Code 让工程师季度代码产出提升 8 倍，但产出 8 倍也意味着 Token 消耗激增。 - 豆包专业版正式上线，采用三级阶梯定价，国内 AI 编程工具竞争加剧，成本敏感度进一步提高。 - SK 海力士已提交美国 IPO 申请；马斯克身家蒸发 3400 亿美元；半导体新股暴涨 900%，霍尔木兹海峡对商船完全开放 60 天，国际油价下跌。 - 美国 6 月制造业裁员接近金融危机水平，尽管制造业指数好于预期，但主要靠库存重建驱动，就业端大幅恶化。
引子：一次对话 5 美元的血泪教训 上周我在 Claude Code 里重构一个中型项目的模块结构。一个会话开了两小时，中间让它反复看了几个文件、改了几版方案、跑了几轮测试。会话结束后打开 Dashboard——$5.12。我当时就懵了：我就重构了个目录结构，又不是写新系统，怎么就花了 5 块？后来拆解了一下 Token 消耗明细，真相是这样的：
Token 总消耗 ~520K - 80% → 读上下文 - 17% → 模型思考 - 3% → 实际生成的代码和回复
80% 的钱花在“读”上下文。模型每一次回复，都要把你之前说的所有话、读过的所有文件、系统提示词全部“重读”一遍。会话越长，每次回复的“读”成本就越高。这个结构性问题，就是我们要治理的核心。
今天这篇，我把自己这半年用 AI 编程的降本经验拉通了讲。7 个手段，每个都有具体的操作步骤和代码示例。实测综合下来，月帐单从 500 左右降到了 180——算不上 60%，但也差不多了。
会话长度治理——什么时候该开新会话 很多人觉得“新会话 = 省钱”，因为新会话上下文短。但实际上，如果你频繁开新会话，每次都要重新给模型“介绍项目背景”，重新 file 让它读代码，重新解释需求——这些“重建上下文”的 Token 是全价的（没有缓存）。
开新会话的时机判定 - 同一模块连续修 bug 上下文复用率高，缓存命中 - 切换到另一个无关模块 - 会话已超 100 条消息 边际成本已超过重建成本 - 测试通过，进入新需求 及时“清零”降低基线成本
宝玉博客的实测显示，在 Claude Code 中，如果你每做 5 分钟任务就开新会话，总 Token 消耗比“一口气聊完 1 小时”还贵约 40%。因为每次新会话都要重新加载 CLAUDE.md、项目结构、相关文件——这些全是全价输入。所以正确策略是：任务边界切换时开新会话，同一任务内尽量继续。
摘要卡片——5 份文档→1 页摘要 很多同学用 AI 编程的时候，喜欢直接把整个文件 file 进去。PRD 文档 3000 字、设计稿说明 2000 字、接口文档 1500 字——一股脑塞进去就是 6500 Token，每次模型回复都要重读一遍。
更明智的做法是：先拿一个小模型做摘要，再把摘要卡片给大模型。
```python # summarize_context.py import anthropic
def make_summary_card(docs: list[str]) -> str: client = anthropic.Anthropic() resp = client.messages.create( model="claude-sonnet-4-20250514", max_tokens=800, messages=[{ "role": "user", "content": f"""把以下文档压缩为一页摘要卡片： - 保留接口名/关键参数/异常 case - 去掉背景介绍和废话 - 输出不超过 500 字 {chr(10).join(docs)}""" }] ) return resp.content[0].text ```
这个技巧的效果数据： - 单次上下文 Token - 任务完成率只降了 3%，但 Token 消耗降了 87%。而且这 3% 的丢失通常是边缘场景，补一句 follow-up 就能解决。
精准信息包——Bug 修复的「最小上下文」原则 我见过最贵的一类用法，是把整个报错日志贴进去，然后说“帮我看看哪里错了”。一个 crash log 可能 200 行，模型其实只需要其中 5 行。
我现在给模型报 bug 的模板是这样的：
## Bug 信息包模板 现象: 点击“提交订单”后白屏 3s 复现路径: 首页 → 购物车 → 提交 关键报错: NPE at OrderVM.kt:47 orderList.first() on empty 相关文件: OrderVM.kt (42-55 行) CartRepo.kt#getItems() 已排除: 网络正常，登录态有效
对比一下效果： - 贴整个日志 + “帮我看看” - Token 少了 87%，一次解决率反而提高了 25 个百分点。因为你把干扰信息去掉了，模型能更快定位问题。这与 SHERLOC 论文的发现一致：LLM Agent 要花 50% 的 budget 在“定位故障”上——精准定位等于省一半钱。
子 Agent 返回格式约束——只要结论，不要明细 如果你用过 Claude Code 的子 Agent（Task 工具）或者自己搭的多 Agent 系统，你会发现一个痛点：子 Agent 默认会返回一大堆“思考过程”，而父 Agent 要把这些全部读一遍。
Claude Code 源码里有一段注释透露了它的设计思路：子代理是 fire-and-forget 设计，结果会被压缩后返回给主 Agent。我们自己做的时候也应该这样：
```python # 子 Agent 的 system prompt 末尾 RETURN_FORMAT = """ 你的返回必须严格限制在 200 字以内。格式： - 结论：[一句话结果] - 变更文件：[列表] - 风险点：[有则写，无则省略] 禁止返回你的思考过程。 """ ```
实测效果：子 Agent 的平均返回从 1500 Token 降到 150 Token。父 Agent 读这些返回的成本降了一个数量级。如果你一天触发 50 次子 Agent，光这一招就能省 67K Token。
进阶操作：在 OpenClaw/Claude Code 中，可以给 sub-agent 设置 lightContext: true，让子 Agent 不继承父 Agent 的完整会话历史，只拿到精简的任务描述。
项目级 Prompt 缓存——技1分钱变 0.1 分 这是降本效果最显著的一招。原理很简单：Claude API 的 Prompt Caching 机制会缓存 system prompt 和靠前的 messages，命中缓存的 Token 价格是正常输入的 1/10。
Claude Code 的核心省钱机制就是这个。它的 CLAUDE.md 并不是放在 system prompt 里的——而是通过 XML 标签注入到 messages 数组的固定位置，这样所有用户共享同一个 system prompt 缓存。
工程化落地方案
```python # 项目级 system prompt 模板 SYSTEM_TEMPLATE = """ 你是一个 Android 工程师。项目技术栈： - Kotlin + Compose + Hilt - 架构：MVI + Clean Arch - 网络：Retrofit + OkHttp - 数据库：Room - 测试：JUnit5 + Turbine 编码规范： - 函数不超 30 行 - 禁止 !! 操作符 - 报错用 Result 包装 """ # 这段内容每次请求都会被缓存 # 5 分钟内的后续请求只付 1/10 价 ```
核心原则：把不变的内容尽量往前放，变化的内容往后放。缓存是按前缀匹配的，一旦中间内容变了，后面的全部失效。
腾讯内部 tRPC-Agent-Go 的实践数据显示，合理配置后缓存命中率可以达到 75-85%，综合成本降低约 60%。
模型路由——简单任务用小模型 不是每个任务都需要 Opus。我现在的实践是“三级火箭”模型策略：
- 任务进入 - 复杂度判断？ - 简单（改名/加注释/变量重命名）→ Haiku - 中等（写新函数/修单个 bug）→ Sonnet - 复杂（架构重构/多文件联动）→ Opus
Anthropic 最新定价：Fable 5 只要 1/MTok、Sonnet 4.6 是 3/MTok、Opus 4.8 是
```python # 简单的模型路由逻辑 def route_model(task: str) -> str: # 简单任务关键词 simple = ["rename", "comment", "format", "typo", "import"] # 复杂任务关键词 complex_ = ["refactor", "architect", "migrate", "redesign"] task_lower = task.lower() if any(k in task_lower for k in simple): return "claude-haiku" if any(k in task_lower for k in complex_): return "claude-opus" return "claude-sonnet" ```
成本监控仪表盘——看见钱花在哪 你无法优化你看不见的东西。我建了一个简单的本地监控脚本，每天给我发一份报告：
```python # token_monitor.py import json from pathlib import Path from datetime import date
def daily_report(log_dir: str) -> dict: today = date.today() log = Path(log_dir) / (f"{today}.jsonl") total_in = 0 total_out = 0 by_task = {} for line in log.open(): r = json.loads(line) total_in += r["input_tokens"] total_out += r["output_tokens"] task = r.get("task", "unknown") by_task[task] = (by_task.get(task, 0) + r["input_tokens"]) # 找出最贵的 3 个任务 top3 = sorted(by_task.items(), key=lambda x: x[1], reverse=True)[:3] return { "total_input": total_in, "total_output": total_out, "top_consumers": top3, "est_cost": (total_in * 3 / 1e6 + total_out * 15 / 1e6) } ```
这个脚本每天跑一次，告诉我： - 今天总共花了多少 Token - 哪 3 个任务最耗 Token - 预估费用
有了数据，优化就有方向。我发现我最贵的任务不是写代码，而是“看代码”——code review 类任务把整个 diff 塞进去，成本极高但产出只是几句评论。后来改成只塞关键变更的 hunk，成本立刻降了 70%。
这些手段不是互斥的，而是叠加的。我自己的综合效果是从月均 500 降到 180，降幅约 64%。RunPod 的优化 Playbook 显示更极端的案例可以从 1.84/MTok 降到 0.55/MTok——降幅 70%。
最后说一句心里话：Token 省下来不是目的，用同样的钱做更多的事才是目的。我省下来的那 $320/月线上股票配资，现在全部投在了更多的实验性任务上——让 AI 帮我试更多方案、做更多原型。这才是「降本增效」的真正含义。
元鼎证券_元鼎证券手机版app下载安装-欢迎下载安装官方手机APP，轻松管理投资提示：本文来自互联网，不代表本网站观点。