Claude Code 省钱大法：Token 消耗直降 80%

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，主要解决缓存过低导致烧 Token 太快的问题。本文基于对 Claude Code 源码的分析，拆解其 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，在无缓存的情况下，系统会将以下内容完整打包重新发送给 API：

• 系统指令（角色定义、行为准则）
• 约 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。因此，无缓存时每轮输入量呈线性增长。

二、提示缓存：10 倍折扣从哪里来

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

以 Sonnet 4.6 为例，三种计费价格如下：

• 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，这部分每轮只需支付一折费用。

Claude Code 在每个请求中精确放置 3 个缓存断点：

1. 第一个断点在 identity 文本（角色定义）；
2. 第二个断点包含其余所有系统内容（CLAUDE.md、Git 状态、环境信息等）；
3. 第三个断点在最新一条消息上。

历史消息不设断点——旧消息中的工具调用结果会被替换为轻量级引用，减少重复传输体积。工具定义虽无断点，但因 Anthropic 的 prompt caching 是前缀匹配，断点前的所有内容均可享受缓存折扣。

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，特定请求类型可自动升级为 1 小时有效期。免费用户和超额用户无此福利，这也是推荐直接订阅 Claude 而非使用中转站的原因之一。

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，整个缓存即失效。

杀手 1：会话中切换模型 缓存绑定具体模型。从 Sonnet 切换到 Opus，缓存清零，系统提示需重新支付写入费。

示例：一个 20,000 token 的系统提示，切换前每轮 $0.006（读取价），切换后当轮 $0.075（写入价），成本增加 12 倍。

杀手 2：会话中修改 CLAUDE.md CLAUDE.md 内容合并于系统提示的第二个断点。内容变更会导致该块哈希变化，整个系统提示缓存立即失效。

建议：开会话前写好 CLAUDE.md，开始后不再修改。

杀手 3：注入精确时间戳 Claude Code 仅在系统提示中注入日期（精确到天）。若通过 API 注入秒级时间戳，每次请求哈希都不同，缓存永远无法命中。

杀手 4：工具描述里的随机路径 源码注释明确指出：若工具描述混入随机 UUID 路径，每次请求内容不同，缓存前缀变化，等于每次全价付费。Claude Code 已改用内容哈希路径规避此问题。

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，Claude Code 自动启动 Explore Agent，使用 Haiku 而非主对话的 Sonnet 或 Opus（注意：不共享缓存）。

• Haiku 比 Sonnet 便宜 73%
• Haiku 比 Opus 便宜 95%
• 同时跳过 CLAUDE.md 加载，节省数千 token

模糊描述会触发多轮搜索，成本更高：

• 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，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 将整个对话历史压缩为摘要，并以此重新开始对话，大幅缩小上下文体积。

压缩时自动执行：

• 去除工具输出中的图片和大型冗余内容
• 用当前模型生成精炼摘要
• 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：压缩请求与主对话共享相同缓存前缀，压缩本身也享受缓存折扣。

用法建议：

• 完成子任务后立即压缩，不要等自动触发
• 压缩时附加指令，如 /compact 保留 API 设计决策和文件修改记录，比让模型自行判断更精准

六、JSON 文件是隐藏的 Token 黑洞

Claude Code 本地估算 token 数时：

• 普通代码：4 字节 ≈ 1 token
• JSON 文件：2 字节 ≈ 1 token

JSON 的 token 密度是普通代码的 2 倍。例如 package-lock.json 动辄数万 token，一旦被读入上下文即造成巨大浪费。不过，常用的 package-lock.json、yarn.lock 等默认已被硬编码排除。

七、启动速度优化（顺带了解）

Claude Code 在模块加载前就并发启动系统信息读取和凭证预取，并与模块加载并行运行。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。用户打第一个字前，上下文已在后台准备就绪——“启动快”靠的是将 IO 操作隐藏在打字间隙中。

八、9 条实战策略

架构层（节省 50–80%）

1. 一个会话一个任务：话题切换后，旧对话历史变成每轮付费的噪音，新任务应开新会话。
2. 主动 /compact：完成子任务即压缩，并附上定制保留指令。
3. 固定模型，不中途切换：需换模型时开新会话，保留当前缓存。
4. 开会话前写好 CLAUDE.md：会话中修改等于主动使系统提示缓存失效。

提示词层（节省 20–50%） 5. 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。 6. 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，后续每轮都要为其付费。Claude Code 支持直接编辑历史消息（按两次 Esc 可回滚）。 7. 给精确路径，不让 AI 搜索：模糊描述触发多轮 Explore Agent 调用，精确路径直接读取。 8. 在 CLAUDE.md 中排除大型生成文件。 9. 分段工作：将大任务拆成多个独立会话，每段各自压缩，比单次长会话更可控。

九、CLAUDE.md 的真实 ROI

CLAUDE.md 注入系统提示后参与缓存：首轮付写入费（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：约 0.4 元人民币
• 无 CLAUDE.md，每轮手工提供：约 2 元人民币

节省接近 90%。建议将项目架构说明、编码规范、常用 API 文档摘要写入 CLAUDE.md，并尽可能精简。合理运用 /init 功能初始化。

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。对于文件编辑、格式化、搜索替换等简单任务，可手动关闭以节省推理开销。

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：

1. 保持前缀稳定：固定模型、固定 CLAUDE.md、避免动态内容注入
2. 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
3. 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，实际可用量差距可达 3~5 倍甚至更高。