怎么省 token:以 Claude Code 为例(下)
这是下篇。上篇讲了钱花在哪儿,以及前两个习惯:选对档位、让上下文保持小。还没看的话,建议先看上篇。
这篇的三个习惯换个角度:上下文已经在那儿了,怎么让它花得更值。
习惯三:别打断缓存
上篇说过,长会话还用得起,全靠缓存。但它比你想象的更容易被打断。
服务端判断能不能用缓存,看的是这次请求的开头和上次是否一字不差。一样的部分按便宜的价格重读,只有新增的结尾需要完整处理。可开头只要有一处变了,从那儿往后的全部内容都要重新算(来源)。
可以把它想成一摞叠好的盘子。往最上面再放一个很轻松;要换掉底下某一个,上面的就得全部拿下来重新摞。下面这几个操作,就是在动底下的盘子。
会打断缓存的操作
| 操作 | 后果 | 怎么避免 |
|---|---|---|
| 中途切换模型 | 整段历史不走缓存重读一遍 | 开头选好,简单问题另开会话 |
| 中途调整思考强度 | 多数模型上同样会重读,部分新模型不受影响 | 开头选好 |
| 压缩对话 | 历史被摘要替换,对话部分的缓存重建 | 在任务之间的停顿处做 |
| 离开太久 | 缓存过期,回来的第一条消息重新处理全部上下文 | 离开前收尾,回来开新会话 |
表中内容来自 Claude Code 官方文档。
前三种是你主动做的,知道了就好避免。最后一种最隐蔽。缓存有有效期,默认五分钟或一小时,看你的计费方式:订阅用户在套餐额度内,主对话的缓存能保留一小时;按量付费的是五分钟(来源)。也就是说,你去开个会、吃个饭,回来接着问的那一句,很可能是整个会话里最贵的一句。要离开一阵的话,先让它写好交接文档,回来直接开新会话。
两个常见的误会
也有两件事很多人以为会打断缓存,其实不会。
一是中途改 CLAUDE.md。它不会打断缓存,但改动也不会马上生效:Claude Code 在会话开始时读一次 CLAUDE.md,之后一直用那个版本,要等下次 /clear、/compact 或重启才重新加载(来源)。刚改完说明书,AI 却好像“不听话”,多半是它还没读到新版本。
二是回退对话。用 /rewind 退回到之前某一轮,用的正是已经缓存过的那段开头,不需要重建。所以发现走错了路,回退比压缩划算。
这套“按开头匹配”的规则不是 Claude Code 独有的,各家模型服务的缓存基本都这么工作。总之,会话开始之后,少动开头的东西。
习惯四:少走弯路
前面三个习惯省的都是正常干活时的开销。真正的大头,往往是做错之后的返工。来回纠正五轮花掉的 token,比一开始多写三句话多得多,还搭上你的耐心。
一次把话说清楚
AI 不会读心。你给的信息越模糊,它越得自己去翻、去猜,每翻一次都在往上下文里塞东西。
OpenAI 给 Codex 用户总结过一个很实用的格式,一条好的任务描述包含四样东西:
- 目标:要改什么,要做成什么样
- 相关上下文:涉及哪些文件、文档、报错信息
- 约束:要遵守的规范和架构,哪些东西不能碰
- 完成标准:什么情况算做完,比如测试全部通过、某个 bug 不再出现
比如“登录有问题,帮我看看”,它得先满项目找登录相关的代码,再猜你说的“问题”是什么。换成“auth.ts 的登录函数在密码为空时不报错,加上校验,现有测试要全部通过”,它可以直接打开那个文件开干,也知道什么时候算做完。
复杂的活,先出计划
复杂的任务别急着让它动手。先让它调查、出方案,你看过点头了,再写代码。
方向错了,在计划阶段发现,损失几千 token;等代码写完才发现,就是整段推倒重来。在 Claude Code 里按 Shift+Tab 就能切到计划模式。
看到不对,立刻喊停
很多人习惯让 AI 先做完,再说“不对,重来”。可错误的那一大段已经留在上下文里了,之后每一轮都得背着,还可能继续干扰它的判断。
一看到它往错的方向走,就按 Esc 打断,然后用 /rewind(或者连按两次 Esc),把对话和代码一起退回到出错之前的检查点(来源)。错误的那一段就从上下文里彻底消失了。
让它能自己检查
在任务里附上测试用例、预期输出或者一张截图,让它知道“对”长什么样。它能自己验证,问题就会在交到你手上之前被发现,省掉一轮“你看这里不对”的来回。
让它少说两句
还有个小细节:输出比输入贵。可以要求它只改需要改的地方,别把整个文件重写一遍;回答直接给结论,别先复述你的问题。这类要求写进 CLAUDE.md,就不用每次交代。
这些在 Codex 里同样适用,它的计划模式用 /plan 或 Shift+Tab 打开。
习惯五:把脏活交给子代理
这个习惯要用得巧,用不好反而更费钱。
子代理为什么能省
有些活不难,但过程特别啰嗦:跑一遍测试、查一份文档、翻几千行日志、在几十个文件里找一个函数的定义。你真正要的只是结论,比如“第 42 行的测试挂了,原因是空指针”。可要是让主对话自己做,翻过的每个文件、跑出的每一行输出,都会留在上下文里。
子代理就是干这个的:它在自己独立的上下文里查,查完只把结论交回来,过程全留在它那边(来源)。主对话因此保持干净,之后每一轮都更便宜,AI 也更专注。
但它不是免费的
子代理自己发出的请求照样算你的用量。而且它从零开始,读不到主对话的缓存,得自己重新建一份(来源)。
值不值得派出去,看这个活的过程是不是又长又没用。几千行日志、几十个文件,值得派;只读一两个小文件,直接在主对话里做反而更省。
两个省钱的用法
- 给子代理配小模型。查找、整理这种简单的活,可以在子代理的配置里指定用 Haiku。
- 别一次开太多。官方给过一个数字:多个代理组成团队协作时,在计划模式下的用量大约是普通会话的 7 倍(来源)。
Codex 也有类似的子代理功能,建议同样是把探索、测试、排查这类边界清楚的活交出去,让主线程专心处理核心问题。
别省过头
看到这儿,你可能想把所有会话都切得碎碎的、所有活都扔给最小的模型。别急。
要压低的是做完一件事的总花费,不是单条消息用了多少 token。只盯着后者,很容易两头亏:
- 信息给得太少。为了省几百 token 不说清背景,结果它做错了,重来一遍花掉几万。
- 模型选得太小。小模型反复改不对,三轮下来比大模型一次做对还贵,还搭进去你的时间。
- 会话切得太碎。还是同一个问题,就留在原会话里,前面的推理线索还用得上。OpenAI 的说法是一个会话对应一个完整的工作单元,真正该避免的是把整个项目塞进一个会话。
- 什么都派给子代理。小活派出去,启动成本比活本身还高。
有个简单的自检办法:如果你发现自己在反复纠正它,问题多半不是 token 用多了,而是前面省过头了。
一张检查清单
五个习惯不必全记住。我按开工前、进行中、收工时整理成了一张清单,贴在手边就行。
开工前
- 这是新话题吗?是的话开新会话
- 模型和思考强度选好了吗?选好就别中途换
- 任务描述里有目标、相关文件、约束、完成标准吗
- 任务复杂吗?复杂就先让它出计划
进行中
- 它走偏了吗?立刻打断并回退,不要等它做完
- 要查大量资料或跑长输出的命令吗?交给子代理
- 要贴日志吗?先筛出有用的几行
- 要离开一阵吗?离开前让它写 handover 文档
收工时
- 任务告一段落了吗?清空,或者在这个停顿处压缩
- 看一眼
/usage:缓存命中率正常吗,什么东西占得最多 - 同一个错误它犯了两次吗?把教训写进项目说明书
换个工具怎么对应
| 概念 | Claude Code | Codex |
|---|---|---|
| 项目说明书 | CLAUDE.md | AGENTS.md |
| 看用量和上下文 | /usage、/context |
/status |
| 压缩历史 | /compact |
/compact |
| 找回旧会话 | /resume |
/resume |
| 先计划再动手 | Shift+Tab 进入计划模式 | /plan 或 Shift+Tab |
| 长任务接力 | handover 文档 | PLANS.md 执行计划 |
Codex 一列来自 OpenAI 的官方最佳实践(来源)。
写在最后
回到开头那个周三下午。现在回头看,那天的错几乎都能在这两篇里找到对应:一个会话从周二拖到周三,隔了一晚缓存早就过期;中途插进部署这种不相干的话题;看不懂报错,就把整份日志贴进去。
这些习惯没有一个是复杂的技巧,大多是“换个话题就开新会话”“说清楚再动手”这样的常识。难的是干活正投入的时候想起它们。希望这两篇能帮你早一点想起来。
延伸阅读
- Manage costs effectively:Claude Code 官方的成本管理文档,本文多数数字出自这里
- How Claude Code uses prompt caching:缓存什么时候命中、什么时候失效,讲得最细的一篇
- Codex best practices:OpenAI 给 Codex 用户的习惯清单
- Effective context engineering for AI agents:Anthropic 工程博客,讲为什么上下文是 agent 最稀缺的资源
本文写于 2026 年 11 月。文中的命令和数字来自当时的官方文档,这类工具更新很快,具体命令以你手上的版本为准,原理和习惯不会变。