Claude 模型使用省钱小妙招

一、Token 计费机制

API 按 token 数量计费，分为输入和输出两部分。核心问题：每轮请求都会将完整对话历史作为输入重新发送，导致成本随对话轮次非线性增长。

第 1 轮  输入 = system prompt + msg_1                    → ~3K tokens
第 2 轮  输入 = system prompt + msg_1 + resp_1 + msg_2   → ~8K tokens
第 3 轮  输入 = system prompt + msg_1..3 + resp_1..2     → ~15K tokens
第 N 轮  输入 = 全部累积                                 → 持续增长

二、上下文膨胀的常见原因

三、通用优化策略

3.1 控制对话长度

任务完成后及时新开会话。把一个超长对话拆成多个聚焦的短对话，能显著减少累计 token 开销——因为每一轮重复发送的"历史"会变得短很多。

3.2 精准读取文件

避免全量读取，让模型只取需要的行范围。Claude Code 的 Read 工具支持 offset 和 limit 参数（下方为工具调用的内部表示，实际用自然语言告知模型即可）：

# 读取整个 2000 行文件 → ~8000 tokens
Read(file_path="file.ts")

# 只读第 100-150 行 → ~200 tokens（节省 97%）
Read(file_path="file.ts", offset=100, limit=50)

3.3 减少冗余工具调用

每次工具调用的返回值都会进入上下文。常见的浪费来自"广撒网"式搜索——比如先 grep "user"、再 grep "User"、再 grep "userService"，三次累积的结果可能轻松占掉 5K+ tokens。

建议：动手前先想清楚要找什么，用一次精准查询代替多次试探；查找完成后，必要时用 /compact 把无关的中间结果压缩掉。

3.4 按任务选模型

Anthropic 提供 Opus、Sonnet、Haiku 三档模型，能力与价格各有侧重：

按 Anthropic 官方公布的 token 单价计算，Sonnet 替代 Opus 处理日常任务，理论成本可降低约 80%（输入 $3/M vs $15/M，输出 $15/M vs $75/M）。具体倍率以你所选 VibeAPI 渠道为准。

3.5 精简系统提示

系统提示是每次请求的固定开销。删除不必要的示例和冗余说明，把使用频率低的指令移到用户消息中按需发送，能直接让每一轮都"瘦一圈"。

四、利用 Prompt Caching

这是 Anthropic 官方提供的成本优化机制，对长对话和大上下文场景尤其有效。

什么是 Prompt Caching：当请求中包含大块重复内容（系统提示、对话历史、引用文档）时，Anthropic 服务端会把这部分缓存下来。下次请求只要前缀完全一致，就能命中缓存。按官方公布的价格关系：

• 缓存写入：约为普通输入价格的 1.25 倍（首次写入时收取）
• 缓存读取：约为普通输入价格的 0.1 倍（命中时收取，仅 1/10）
• 默认 TTL：5 分钟（每次命中会刷新；Anthropic 也提供 1 小时 TTL 选项）

实操层面要注意什么

• 渠道是否支持缓存 — VibeAPI 的官方满血版、AWS 企业版都支持缓存，标准版不返回缓存字段。长对话场景优先用前两者，详见渠道选择指南。
• 保持稳定的前缀 — 缓存命中要求请求前缀按 token 完全一致。频繁修改系统提示或 CLAUDE.md 都会让缓存失效。
• 注意 TTL 窗口 — 默认缓存 5 分钟内不重新使用就会过期。连续对话能持续命中；中间断开太久就需要重新写入。
• Claude Code 已经默认启用缓存 — 不需要你手动配置，只要选了支持缓存的渠道，就会自动生效。

五、Claude Code 专属优化

5.1 精简 CLAUDE.md 降低固定开销

CLAUDE.md 的内容在每次请求中都作为系统提示发送。文件越长，每轮对话的固定 token 开销越大。

优化前（冗余写法）：

# 项目说明
这是一个使用 React 和 TypeScript 构建的前端项目。
我们使用 Vite 作为构建工具，使用 pnpm 作为包管理器。
项目采用了 ESLint 和 Prettier 进行代码规范检查。
测试框架使用的是 Vitest，配合 Testing Library 进行组件测试。
请在编写代码时遵循项目现有的代码风格和规范。
部署使用 Vercel，CI 使用 GitHub Actions。
// ~120 tokens

优化后（紧凑写法）：

Tech: React + TS, Vite, pnpm
Lint: ESLint + Prettier
Test: Vitest + Testing Library
Deploy: Vercel, CI: GitHub Actions
// ~30 tokens — 节省 75%

分层管理：利用 CLAUDE.md 的层级机制，把模块特定的规则放到对应子目录中。

project-root/
├── CLAUDE.md          # 全局规则（所有对话都加载，尽量精简）
├── src/
│   └── CLAUDE.md      # 前端规则（仅在 src/ 下工作时加载）
└── server/
    └── CLAUDE.md      # 后端规则（仅在 server/ 下工作时加载）

5.2 按任务切换模型

Claude Code 支持在会话中随时切换模型，不需要退出重开。Anthropic 官方文档列出的方式：

# 方法一：对话中输入 /model 进入交互式选择
/model                       # 弹出菜单：Default / Opus / Sonnet / Haiku

# 方法二：启动 Claude Code 时通过 --model 指定
claude --model sonnet        # 直接以 Sonnet 启动
claude --model opus          # 以 Opus 启动

# 方法三：在 ~/.claude/settings.json 中配置默认模型
{
  "model": "claude-sonnet-4-6"
}

实操建议：

• 默认设为 Sonnet，覆盖大部分日常编码场景
• 遇到复杂架构设计或多文件重构时，临时切到 Opus
• 处理完复杂任务记得切回 Sonnet，避免后续轻量任务也跑 Opus

5.3 对话管理与上下文控制

Claude Code 提供了几个直接控制上下文大小的命令：

实操流程：

# 场景：完成了 bug 修复，接下来要做新功能

# 方案 A：彻底清空（推荐，最省 token）
/clear

# 方案 B：带 focus 指令压缩
/compact 只保留最终的修复方案和涉及的文件列表

子代理（Sub-agent）隔离上下文：Claude Code 内置 Task 工具，可以让模型把一段查询/调研任务派发给独立的子代理。子代理在自己的上下文里跑，最后只把摘要回传到主对话，避免大量中间结果污染主上下文。

# 在主对话中直接搜索 → 搜索结果全部进入上下文
"帮我找到所有用到 UserService 的文件"  → 可能 5000+ tokens 的搜索结果

# 用 Task 派发到子代理 → 只有摘要进入主对话
"调研一下项目中 UserService 的使用情况，给我一个总结"  → ~200 tokens 的摘要

5.4 权限模式与自动化

每次权限确认都会产生一轮额外交互（模型输出 → 等待确认 → 继续）。合理配置权限模式可以减少不必要的来回。

# 跳过所有确认（适合个人项目、熟悉的操作）
claude --dangerously-skip-permissions

# 在 settings.json 中按工具放行，其余仍需确认：
{
  "permissions": {
    "allow": [
      "Read", "Glob", "Grep",
      "Edit", "Write",
      "Bash(git status)", "Bash(git diff)"
    ]
  }
}

Hooks 自动化：Claude Code 支持在工具调用前后挂载 hook，把原本需要模型多轮对话才能完成的格式化、lint 等操作交给本地脚本处理。Hook 通过 stdin 接收 JSON 格式的事件信息（包含 tool_input.file_path 等字段），由你的脚本自行解析。

# settings.json 中配置 PostToolUse hook（Edit/Write 后自动 prettier）：
{
  "hooks": {
    "PostToolUse": [
      {
        "matcher": "Edit|Write",
        "hooks": [
          {
            "type": "command",
            "command": "jq -r '.tool_input.file_path' | xargs -r prettier --write"
          }
        ]
      }
    ]
  }
}

Hook 在本地执行，不消耗 token。把可以自动化的环节交给它，能显著减少模型介入的轮次。具体的事件类型与 JSON 字段以 Anthropic 官方 Claude Code 文档为准。

六、策略汇总

七、相关阅读