先开个头儿，说一下核心判断：Claude Code 是个效率利器，但如果不注意 Token 消耗，账单可能会让人有些意外。这篇文章就是围绕如何系统性地降低 Token 成本展开的，从底层计费逻辑到具体操作策略，一应俱全。
一、理解 Token 计费
1.1 输入 Token vs 输出 Token
Claude 的计费逻辑其实很清晰，分输入和输出两块：
Token 类型 | 说明 | 价格相对 |
|---|---|---|
输入 Token | 发送给 Claude 的内容（你的消息、文件、系统提示） | 较低 |
输出 Token | Claude 生成的回复 | 较高（约 3-5 倍） |
关键认知：让 Claude「多说」，成本会比让 Claude「多读」高得多。
1.2 缓存命中的力量
缓存命中带来的折扣高达 90%，这才是省钱的真正杠杆。
1.3 缓存计费规则
Prompt Caching 的逻辑并不复杂，理解它就能理解省钱的关键：
- 首次请求：按完整输入 token 计费；
- 5 分钟内再次请求：缓存命中，只计费 10%；
- 缓存过期（5 分钟后）：重新按完整输入计费。
核心就一句话：让固定的内容被缓存，让可变的内容尽量精简。
1.4 实时监控：/cost
任何时候想看看花了多少钱，跑一下这个命令：/cost
它会显示当前会话的 Token 总量、输入/输出拆分明细、预估费用、缓存命中率。建议养成习惯，每完成一个大任务就跑一次，建立成本感知。
二、零成本优化：用好免费额度
2.1 识别高消耗场景
哪些场景是消耗 Token 的「大户」？看这张表就清楚了：
场景 | 典型消耗 | 说明 |
|---|---|---|
读取大文件 | 10-100K Token | 一次请求就吃掉大量输入 Token |
长对话历史 | 累计增长 | 每轮对话都带着前面所有内容 |
反复读取相同文件 | 浪费 | 没有利用缓存 |
输出生成 | 高额 | 输出 Token 价格更高 |
MCP 工具定义 | 每个 1-5K Token | 每个 MCP 都有固定开销 |
2.2 建立监控习惯
关键命令就三个：/context、/cost、或者简单写下 /context && /cost。知道钱花在哪儿，才能对症下药。
三、Prompt Caching 策略：省 90% 的秘诀
3.1 缓存原理
Claude 的 Prompt Caching，核心是缓存「稳定的上下文前缀」。什么意思？就是固定的内容优先缓存：
- 缓存的内容（稳定）：系统提示、CLAUDE.md、被加载的 Skills、MCP 工具定义、对话历史的早期部分。
- 不缓存的内容（多变）：最新几轮对话、新读取的文件、工具调用结果。
核心原则：越靠前的内容越容易被缓存。
3.2 CLAUDE.md 优化
CLAUDE.md 是缓存的「黄金地段」——每次请求都带上它，而且位置很靠前。所以它的写法直接决定缓存效率。
不好的写法：频繁修改、内容冗长。比如一段 50 行的示例代码，加上过时的备注，每次改动都让缓存失效。
好的写法：精简、稳定、核心规则。例如：
React 18，TypeScript，Vite 项目。## 规范
- 组件用箭头函数 - 样式用 Tailwind - 测试放 __tests__/
## 命令
- 开发: npm run dev
- 测试: npm test
关键在于稳定性——修改 CLAUDE.md 会让缓存失效，重新计费。保持不变，缓存命中，只计费 10%。
3.3 Skills 延迟加载
Skills 默认在会话开始时加载，这会占用上下文。可以设置延迟加载：
--- disable-model-invocation: true ---- 效果：不会自动加载到上下文，只有手动调用 /skill-name 时才加载，减少预热成本。
- 适合延迟加载的 Skills：不常用的功能、大型 Skills、专用工具。
3.4 缓存刷新策略
缓存的 TTL 是 5 分钟。理解这个窗口，就等于掌握了省钱的时间密码：
- 连续工作模式（推荐）：任务 A 开始（首次计费）→ 5 分钟内任务 B 开始（缓存命中）→ 再一个 5 分钟内任务 C 开始（缓存命中）。成本只有第一次全额，后续都是 10%。
- 断续工作模式（浪费）：任务 A 开始（首次计费）→ 休息 10 分钟（缓存过期）→ 任务 B 开始（重新全额计费）。
最佳实践：
场景 | 策略 | 效果 |
|---|---|---|
有多个相似任务 | 集中处理，保持缓存热度 | 高命中率 |
长时间休息前 | 用 /compact 压缩对话 | 下次恢复更快 |
休息后回来 | 先 /cost 看缓存状态 | 了解是否需要重新预热 |
3.5 缓存命中率检查
/cost 命令会输出缓存相关信息。如果命中率低，检查一下：CLAUDE.md 是否频繁修改？是否大量读取新文件？会话是否中断太久？
四、模型选择策略：按需付费
4.1 任务复杂度匹配
任务类型 | 推荐模型 | 原因 |
|---|---|---|
简单查询、格式转换 | Sonnet | 成本低，速度快 |
代码补全、小修改 | Sonnet | 足够智能 |
复杂重构、架构设计 | Opus | 理解能力强 |
调试疑难问题 | Opus | 推理深度够 |
大规模代码分析 | Opus[1m] | 需要大上下文 |
4.2 Sonnet 为主，Opus 为辅
默认用 Sonnet：claude --model sonnet。复杂任务临时切到 Opus：/model opus，完成后 /model sonnet 切回来。成本对比很直观：Sonnet 是 $3/百万输入，$15/百万输出；Opus 是 $15/百万输入，$75/百万输出—— Opus 价格是 Sonnet 的 5 倍。
4.3 Opus[1m] 的成本权衡
1M 上下文的扩展版，什么时候用？
- 分析整个代码库：用 Opus[1m]，一次读完。
- 长时间多轮重构：用 Opus[1m]，保持上下文。
- 简单的日常任务：不需要，200K 就够。
- 读取少量文件：不需要，标准模式更省。
权衡公式：单次大任务用 Opus[1m] 可能更省（避免多次启动），多个小任务用 Sonnet + /clear 更省。
4.4 模型切换快捷方式
命令行：claude --model sonnet、claude --model opus、claude --model "opus[1m]"。会话内：/model sonnet、/model opus、/model "opus[1m]"，或者直接 /model 查看当前模型。
五、工作流优化：减少浪费
5.1 批量处理 vs 逐个处理
差的模式：修复 Bug A → 新会话；修复 Bug B → 又新会话；修复 Bug C → 再来一个新会话。每次都有启动开销，加载 CLAUDE.md、Skills、MCP。好的模式：一次会话，修复 Bug A、B、C，每个完成后 /compact，启动开销只一次，缓存持续命中。
5.2 子 Agent 成本隔离
大文件分析是 Token 消耗大户。用子 Agent 隔离：主会话保持小上下文，子 Agent 专门读取大量文件，分析后返回摘要。这样主会话不会被撑爆。
5.3 /compact vs /clear
命令 | 作用 | 成本影响 |
|---|---|---|
/compact | 压缩对话历史 | 保留关键信息，继续利用缓存 |
/clear | 清空一切 | 缓存失效，重新开始 |
使用时机：/context 显示 70% 时 /compact，显示 90% 时 /clear。任务切换时，用 clear 居多。
5.4 避免重复读取
Claude 会记住当前会话读取过的文件。比如读取了 package.json，后续直接问“修改刚才读取的 package.json，把 react 升级到 19”，不需要重复发送文件内容。
5.5 精简指令
输出 Token 价格是输入的 3-5 倍，所以让 Claude 少说话就是省钱。比如把“详细解释一下这个函数是做什么的”改成“这个函数的作用是什么？一句话回答”；把“有什么建议？”改成“列出 3 个最可能的性能瓶颈”。
六、Skills 与插件推荐
6.1 内置优化功能
功能 | 命令 | 作用 |
|---|---|---|
上下文查看 | /context | 了解当前上下文消耗 |
成本查看 | /cost | 查看当前会话成本 |
上下文压缩 | /compact | 压缩对话历史 |
会话清空 | /clear | 重新开始 |
模型切换 | /model | 按需选择模型 |
6.2 推荐的开源工具
几个开源项目专门用于降低 Token 消耗：
项目 | 用途 | 效果 |
|---|---|---|
ca veman | 让 Claude 用简洁方式回复 | 减少 65% Token |
code-review-graph | 构建代码知识图谱，只读关键文件 | 减少 6.8x-49x Token |
claude-token-efficient | 一个 CLAUDE.md 文件，让回复更简洁 | 减少输出冗余 |
项目地址：ca veman、code-review-graph、claude-token-efficient
简单来说，ca veman 通过改变回复风格节省 Token；code-review-graph 让 Claude 只读需要的文件；claude-token-efficient 最简单，把它的 CLAUDE.md 内容加到项目里就能奏效。
6.3 MCP 服务选择
每个 MCP 都有工具定义开销（1-5K Token）。策略是：只启用必需的。比如文件系统访问是必需的，GitHub 集成是常用的，数据库访问是常用的，某个特定 API 或者实验性工具就按需启用。不用的直接不列出。
6.4 CLAUDE.md 模板优化
一个省钱的 CLAUDE.md 结构应该很精简：项目简介 2-3 行，技术栈用列表简洁说明，代码规范核心规则不超过 10 条，常用命令不超过 5 个。避免放大量示例代码、详细教程、频繁变动的临时信息——这些都会破坏缓存。
七、团队成本管理
7.1 用量监控
Anthropic Console 提供详细的用量数据：按日期的 Token 消耗趋势、按模型的消耗分布、API 调用次数和成功率、缓存命中率。定期查看是团队管理的基础。
7.2 预算预警
在 Console 里设置月度预算上限、预警阈值（50%、80%）、超限通知方式。这就不用等账单出来才心疼了。
7.3 成本归因
团队使用建议：项目级 CLAUDE.md 里标注项目名称，使用统一的命名规范，方便账单中识别。给会话命个名：claude --name "项目A-功能X开发"，后续追溯谁花了多少就一清二楚。
7.4 团队 CLAUDE.md 规范
统一规范能减少返工：包括代码风格、Git 提交规范、PR 审查清单、禁止事项等。每个项目在此基础上扩展自己的内容。
八、成本优化检查清单
8.1 每日检查
- □ /cost 查看当日消耗
- □ 是否有缓存命中率低的问题
- □ 是否有重复读取同一文件
- □ 是否在用正确的模型
8.2 每周检查
- □ CLAUDE.md 是否可以精简
- □ 是否有不需要的 MCP 在运行
- □ 是否有不需要的 Skills 自动加载
- □ 本周账单是否异常
8.3 配置优化
- □ CLAUDE.md 保持精简（< 200 行）
- □ 不常用的 Skills 设置延迟加载
- □ 只启用必需的 MCP
- □ 项目 CLAUDE.md 保持稳定（少修改）
8.4 工作流优化
- □ 相似任务批量处理
- □ 大任务用子 Agent 隔离
- □ 长会话适时 /compact
- □ 切换任务时 /clear
- □ 按任务复杂度选择模型
九、总结
省钱的三个层次
第一层：监控——知道钱花在哪，用 /cost、/context、Console。
第二层：缓存——让固定内容被缓存，精简稳定的 CLAUDE.md，Skills 延迟加载。
第三层：策略——按需选择模型，优化工作流，子 Agent 隔离。
核心原则
1. 能缓存就缓存：CLAUDE.md 稳定、内容精简、不频繁修改。
2. 能省就省：简单任务用 Sonnet，输出精简，避免重复。
3. 能隔离就隔离：大任务用子 Agent，批量处理减少启动开销。
4. 能监控就监控：定期 /cost，检查缓存命中率，关注账单异常。
从现在开始
立即执行：
1. 运行 /cost，建立成本意识。
2. 检查 CLAUDE.md，删除冗余内容。
3. 检查 Skills，设置延迟加载。
4. 检查 MCP，禁用不需要的。
持续习惯：
1. 按任务选模型。
2. 批量处理相似任务。
3. 长会话定期 /compact。
4. 每周检查账单。
参考
- Claude Code 官方文档
- Prompt Caching 文档
- Claude 模型定价
- 上下文窗口管理
