Claude Code token 消耗太快？12 招省额度实战（2026）

同样是写代码，有人一天几美元，有人一上午就把 5 小时额度打满。差别很少来自「谁干的活多」，绝大部分来自上下文管理习惯。Claude Code token 消耗的核心规律只有一条：每发一条消息，整段对话都要重新发一遍给模型。所以真正决定成本的不是你打了多少字，而是你的上下文里躺着多少历史。这篇讲清消耗机制，再给 12 招能立刻上手的省额度方法——对 Claude Code、Codex CLI、Cursor 以及接了国产模型的各类 CLI 都通用。

先搞清楚：token 到底花在哪

• 模型是无状态的：它不记得你上一句说了什么。每一轮请求，客户端都要把系统提示词、CLAUDE.md、工具定义、全部对话历史、读过的文件内容打包重发。对话越长，单条消息越贵。
• 输出比输入贵：主流模型的输出单价通常是输入的 2-4 倍。让 AI 少说废话、少贴无关代码，直接省钱。
• 思考 token 算输出：扩展思考（extended thinking）默认开启，思考预算按模型不同可以到每次请求几万 token，而且是按输出计费的。
• 缓存能救命也会失效：重复的前缀内容（系统提示词、CLAUDE.md、已读文件）走 prompt caching，命中时便宜一个数量级。但缓存有生命周期——订阅档是 1 小时，用到额度加油包后降到 5 分钟，API key 和云厂商默认就是 5 分钟。中午吃个饭回来发第一句，就是一次全量重算。
• 工具定义也占地方：每个 MCP server 的工具清单、每个技能的描述都在上下文里常驻。

第一步：先测量，别凭感觉省

省钱的前提是知道钱花在哪。Claude Code 里有三个入口：

1. 1/usage：顶部 Session 区块显示当前会话的 token 明细和本地估算的花费；订阅用户还能看到额度进度条，以及把用量归因到技能、子智能体、插件、各个 MCP server 的占比拆解。按 d / w 切换近 24 小时和近 7 天。
2. 2/context：看当前上下文里各部分各占多少空间——哪个 MCP 撑爆了上下文，一眼就能看出来。
3. 3状态栏常驻显示：把上下文占用配到 statusline 上，随时扫一眼比每次敲命令强。

想要跨天、跨项目的账本，社区工具 ccusage 是目前最常用的选择，它直接读本地会话 JSONL 文件算账，不需要联网也不需要 API key：

# 按天看用量
npx ccusage@latest daily

# 按会话看，找出最烧钱的那次对话
npx ccusage@latest session

# 实时看当前 5 小时窗口的燃烧速度
npx ccusage@latest blocks --live

上下文管理：省钱收益最大的四招

第 1 招：换任务就 `/clear`。 这是投入产出比最高的一招。上一个任务的残留上下文，会在之后的每一条消息上重复收费。怕清完找不回来？先 /rename 给会话起个名，需要时 /resume 回去。另外，/clear 本身不花钱。

第 2 招：`/compact` 要带指令，而且别滥用。 直接敲 /compact 是让模型自由发挥地总结，很容易把你需要的细节压没了。带上重点：

/compact 重点保留代码改动和 API 调用方式，测试输出可以概括

也可以把压缩偏好写进项目的 CLAUDE.md，之后每次自动压缩都遵守：

# Compact instructions

压缩对话时，重点保留测试输出和代码改动，省略探索过程中的无效尝试。

第 3 招：给 CLAUDE.md 瘦身。 CLAUDE.md 在每次会话启动时全量进上下文，你写的每一行、无论当前任务用不用得上，都在为每条消息付费。官方建议控制在 200 行以内，只放真正的公共约定。那些「PR 审查流程」「数据库迁移步骤」之类只在特定场景用的长篇说明，搬到 Skills 里去——技能是按需加载的，不调用就不占上下文。

第 4 招：把高噪声操作丢给子智能体。 跑测试、读几千行日志、抓一份文档，这些操作的原始输出动辄上万 token。交给 subagent 去做，脏数据留在它自己的上下文里，回到主会话的只有一段结论。

模型与推理档位：别拿旗舰模型改错别字

第 5 招：模型分级。 Sonnet 档足以应付绝大多数编码任务，成本远低于 Opus 档；Opus 留给架构决策、复杂多步推理。会话中 /model 随时切，默认值在 /config 里设。子智能体做机械活时，直接在它的配置里写 model: haiku。API 账单异常高的排查经验里，「Opus 一直当默认模型没换回来」是最常见的原因之一。

第 6 招：调低思考档位。 扩展思考默认开着，简单任务上就是纯浪费。用 /effort 降档，或在 /config 里关掉思考；对固定思考预算的模型，可以用环境变量限制：

export MAX_THINKING_TOKENS=8000

注意自适应推理的模型会忽略非零预算值，那类模型只认 effort 档位。

第 7 招：国产模型要会错峰。 国产 API 这两年普遍上了峰谷计费。以 DeepSeek 为例，高峰时段（每日 9-12 点、14-18 点）价格约为平峰的两倍，缓存命中、未命中、输出三档同步翻倍。把批量重构、跑长任务这类不着急的活挪到晚上或清晨，账单能直接砍一半。另外缓存命中价和未命中价能差上百倍，保持前缀稳定（别频繁改 CLAUDE.md、别反复切换项目）本身就是省钱。

工具与输入：把垃圾挡在上下文外面

第 8 招：MCP 该关就关，能用 CLI 就别用 MCP。 跑 /mcp 看看挂了哪些 server，不用的直接停掉。gh、aws、gcloud、sentry-cli 这类命令行工具比对应的 MCP server 更省上下文——它们不需要在上下文里常驻一份工具清单，AI 直接执行命令就行。

第 9 招：用 hooks 做预处理。 与其让 AI 读一个一万行的测试日志去找失败用例，不如在 hook 里先 grep 一遍，只把匹配行喂给它。同样一件事，上下文能从几万 token 降到几百。下面这个 PreToolUse hook 会在跑测试时自动改写命令，只保留失败信息：

{
  "hooks": {
    "PreToolUse": [
      {
        "matcher": "Bash",
        "hooks": [
          {
            "type": "command",
            "command": "~/.claude/hooks/filter-test-output.sh"
          }
        ]
      }
    ]
  }
}

第 10 招：给强类型项目装代码智能插件。 有了语言服务器，AI 用「跳转到定义」一次就能定位符号，替代原本「先 grep 再挨个读候选文件」的一串操作，少读的每个文件都是省下的 token。

工作习惯：少走弯路就是最大的省

第 11 招：提示词要具体。 「优化一下这个项目」会触发全库扫描；「给 auth.ts 里的 login 函数加输入校验」只读一个文件。模糊的需求不是省了你打字的时间，是把成本转嫁到了扫描上。

第 12 招：早停、早验证、早回滚。 复杂任务先按 Shift+Tab 进 plan 模式，让它先出方案你确认，比返工便宜得多；发现方向不对立刻按 Esc 打断，别等它写完一屏；用 /rewind 或双击 Esc 回到之前的检查点；提示词里带上测试用例、期望输出、截图，让 AI 能自己验证，就不用你再花一轮去指出问题。

• 换任务先 /clear，会话别开一整天
• CLAUDE.md 压到 200 行以内，长流程搬去 Skills
• 默认模型设成 Sonnet 档，Opus 按需切
• 简单任务降 effort 档位
• 不用的 MCP server 停掉
• 跑测试 / 读日志交给子智能体或 hook 过滤
• 复杂改动先走 plan 模式
• 国产模型把长任务挪到平峰时段

这几个坑，越「省」越贵

• 为省钱疯狂 /compact：压缩本身是一次读全上下文的大请求，频繁压缩比直接清空贵得多。
• 长时间挂着会话不关：休息一小时以上再回来，第一条消息大概率缓存未命中，全量上下文重新计费。要走开就先把手上任务收尾。
• 忘了后台还有定时任务：挂着的定时任务会按间隔照常触发，每次都发送完整上下文，人不在也在烧。
• 随手开 Agent Teams：多智能体团队在队友跑 plan 模式时约为标准会话的 7 倍消耗，每个队友都是独立上下文。日常小活别组队。
• 只盯着输入省，不管输出：不加约束时 AI 很爱把整个文件重贴一遍。要求它只输出 diff、只改动必要部分，输出侧的钱更贵。

订阅制和 API：省的不是一回事

官方给出的企业侧参考数据是：平均约 13 美元每开发者每活跃日、150-250 美元每人每月，90% 的用户每活跃日低于 30 美元。如果你的实际消耗远超这个量级，八成不是活干多了，而是上面某条踩了坑——最常见的就是会话从不清理，以及 Opus 忘了切回去。

省 token 说到底是上下文工程的一部分：给模型刚好够用的信息，不多不少。控制住上下文，账单和输出质量会同时变好——因为塞满噪声的上下文不仅贵，还会让模型变笨。想系统学会上下文工程、Skills、Hooks 这套让 AI 编程真正稳定产出的方法，欢迎来 IMAI 看看我们的实战课程。