🌀 AIBB-Flywheel

新闻数据飞轮
← 返回文章列表
ithome 国际 财经 科技 采集 2026-08-15T10:11:46+00:00

Anthropic分享Claude Code六大省钱技巧

原始标题:全球程序员都在浪费 token 白送钱,Anthropic 分享 Claude Code 六大省钱技巧

来源
ithome
发布时间
2026-08-15T07:35:12
采集批次
2026-08-15-10
字数
1659
URL 指纹
48b36046e1c5867a

📌 AI 总结(289 字)

Anthropic发文指出全球程序员正在浪费token,开发者日均消耗13美元,月均150至250美元。文章解析了token计费逻辑,包括预填充、解码、模型单价、推理强度和缓存机制,并分享六条省钱心法:任务完成后/clear清空对话、开局锁定模型和推理强度避免缓存失效、用@引用文件替代手动输入、为noisy命令配置quiet flag、休息前/compact压缩对话、大输出任务交给子Agent隔离处理。核心逻辑是保护缓存命中,因为缓存读取仅需正常输入价的十分之一。Anthropic自身80%代码由AI编写,代码合并量一年翻8倍,凸显AI时代开发者需掌握的新型成本管理本能。
📄 正文(1659 字)
就在刚刚,Anthropic发了一篇博客。核心信息就是:各位,别再烧冤枉token了,我们都看不下去了!

为此,官方详细列举了六条省钱心法:

1. 任务做完就/clear。修完一个bug就清掉当前对话,别让上一个任务读过的文件和命令输出拖进下一个任务里,白白占着上下文。

2. 开局就定好模型和推理强度(effort level)。中途切换的话,之前积累的提示缓存会全部失效,整段对话历史要按全价重新计算一遍。

3. 用@引用文件,别手打路径。用@直接把文件附到消息里,Claude不用再花一次工具调用去读。如果你只打文件名,Claude可能先搜一圈再打开好几个文件试探,这些操作全部会进入对话历史,之后每一轮都带着。

4. 给输出多的命令加静默参数(quiet flag)。在CLAUDE.md里写一句类似--reporter=dot的配置,让测试输出只打印几行摘要,不是几百行详情。输出越短,占的上下文越少。

5. /compact在休息前做。对话还在缓存里的时候压缩,成本只有正常的十分之一。等你回来缓存过期了再压,就得按全价重新读一遍再压缩。

6. 大输出任务扔给子Agent。子Agent在一个独立的上下文窗口里运行,做完只把结论传回来,过程中读的文件和跑的命令输出不会进入你的主对话。

用Claude Code干活,API按量走,订阅制月费从20美元到200美元分三档。根据官方推算,开发者日均消耗13美元token,月均花在150到250美元之间。同样修一个bug,问法不同,花费能差出好几倍。

每次你在Claude Code里输入一条指令,背后发生两件事。第一件叫预填充(prefill),也就是模型一口气读进你的整个请求,包括系统提示词、CLAUDE.md、你的消息,以及之前对话里积累的一切。这些都是输入token。第二件叫解码(decode),也就是模型一个字一个字往外写的过程,包括它的思考、工具调用和你最终看到的文字。这些都是输出token。预填充是并行的,解码是串行的。所以输出token要比输入token贵5倍。

模型决定每个token的单价。Opus 5输入5美元/百万token,输出25美元;Sonnet 5输入2美元,输出10美元;Haiku 4.5输入1美元,输出5美元。推理强度控制的就是输出token的数量。max和low之间能差好几倍。

token定价里还有一个巨大的变量,就是缓存。Claude Code的每次请求都从相同的前缀开始。如果这次请求的前缀和上次逐字节一样,服务器就不重新算,直接加载上次的计算结果。缓存读取只要正常输入价的0.1倍,直接省掉90%。写入缓存贵一点,最高2倍,但写入只发生一次,后面每一轮都享受0.1倍读取。

但缓存有个致命弱点。它必须从请求的第一个字节开始连续匹配,中间任何地方变了,从那里往后全部作废。比如/ model切模型、/ effort切推理强度、开关Fast mode、/ compact压缩对话、时间过期、恢复旧会话都会导致缓存失效,中一个就意味着整个对话历史从0.1倍打回原价。

每次Claude读一个文件,文件内容追加到对话里。每次Claude跑一个命令,输出也追加进去。第40轮对话在重新发送第1到39轮的全部累积内容。命令输出超过30000字符就不往对话里塞了,但30000以下的输出没人管。

Anthropic博客里给出了几招瘦身方法:不要手动输入路径,用@引用;给noisy命令加quiet flag;用subagent隔离大输出任务;修完一个bug就/ clear;用/ compact压成摘要;用/ rewind砍掉跑偏的几轮。

写代码的人正在长出一套新技能,知道该选什么模型、怎么管上下文、怎么保住缓存、推理强度开多高合适。Anthropic自己80%的代码靠AI写,代码合并量一年翻了8倍,基准测试加速52倍。AI用到这个强度,如果没人管token,光推理成本就能把预算吃穿。