月省80% Token！Claude Code 省钱避坑指南：别让你的钱白白烧掉

一周省下3亿Token是什么概念？Anthropic工程师做到了。你也可以。

很多人用Claude Code的第一感受是：真香，但真贵。

一个简单的代码修改，Token哗哗地流走，长会话动不动就吃光额度。问题出在哪？真正影响成本的，往往不是你写了多少代码，而是系统有没有持续复用已经处理过的上下文。

我今天不跟你讲大道理，直接上实操。以下7条，条条见血。

一、先搞明白：你的钱到底花在哪了

先看一个真实请求的Token分布：

单次「修一个 bug」请求：
├── system prompt（系统提示+24个内置工具定义）≈ 3,200 tokens
├── CLAUDE.md（项目级指令）≈ 800 tokens
├── 历史消息（5轮对话累积）≈ 8,500 tokens
├── 当前文件内容 ≈ 2,000 tokens
└── 用户新消息 ≈ 50 tokens
─────────────────────────────────
输入总计：14,550 tokens ｜ 输出：≈ 400 tokens

输入/输出比是36:1。

也就是说，你花的钱大头不在Claude的回答上，而在你喂给它的上下文上。每次对话，Claude都会把系统提示、工具定义、项目规则、历史对话全部重新带上——哪怕内容一模一样。

所以省钱的核心就一句话：让Claude少读重复的东西。

二、Prompt Cache：省90%的秘密武器，但别踩坑

缓存Token的成本只有普通输入Token的10%。这不是小优化，是数量级的差异。

缓存怎么工作的？

Anthropic服务端会保存你最近发送的prompt前缀。下次请求只要前缀完全一致，就直接从缓存读取。

三层缓存结构：

• 系统层：系统提示、工具定义——最稳定，缓存命中率最高
• 项目层：CLAUDE.md、项目规则——稳定但容易被破坏
• 对话层：历史对话——逐轮累积

缓存失效的5个陷阱（重点看）：

1. 修改CLAUDE.md——哪怕只改一行，从CLAUDE.md开始往后的所有缓存全部失效
2. 切换模型——会话中途换模型会破坏整条缓存链
3. 会话空置超过1小时——订阅版缓存TTL是1小时，超时重置
4. 动态内容混入前缀——比如在CLAUDE.md里写时间戳、版本号
5. 频繁切换项目——每个项目的缓存是独立的

实操建议：

• CLAUDE.md写好了就别动，保持稳定
• 一个会话尽量用一种模型，别来回切
• 大文档放进Projects，别反复粘贴进对话
• 用/cost随时查看缓存命中率

三、借助国产模型，折扣算力平台

官方算力的价格通常是美元计价，价格相对较高，可以使用国产模型，目前QWEN, DEEPSEEK已经具有较高的性价比。
借助国产算力折扣平台66AI.AI, 大概可以节省一半的资费。
其使用官方模型，因此速度和智力方面并没有明显的差别。
需要注意的是，有些中转站使用的是自己训练的小模型，其在性能、速度上面存在明显的不足。

四、模型选对，钱省一半

不是所有任务都需要Opus。

API计价：Opus成本是Sonnet的5倍。Fast Mode更是贵6倍。

我的日常策略：

任务类型	用什么	理由
写测试、简单改代码、解释逻辑	Sonnet	主力模型，性价比最高
复杂架构决策、跨系统调试	Opus	需要深度分析时再切
查文档、格式化、重命名	Haiku	机械活没必要用好车

effortLevel也能调。简单任务降低推理等级，直接减少输出Token。实测能再省20-30%。

还有一个骚操作：用Claude Code Router接第三方模型，GLM-5有接近Opus 4.5的智商，价格只有1/10。日常简单任务完全够用。

五、CLAUDE.md：黄金地段，别糟蹋了

CLAUDE.md在每次请求中都带在最前面，是缓存命中率最高的位置。

但很多人把它当记事本用——项目说明、设计文档、会议记录、临时备注全往里塞。一个5000 token的CLAUDE.md，每轮对话都花5000 token，200轮就是100万Token白白烧掉。

正确用法：

# 项目规范
- 包管理器：pnpm
- 测试命令：npm test
- 代码风格：Prettier + ESLint
- 重要约束：不要修改 /legacy 目录

只放稳定、核心、不会变的规则。像个查找表，别当大脑 dump。

六、/compact不是摆设，是救命稻草

源码里/compact的执行顺序：

1. 先尝试Session Memory压缩——免费的本地压缩，不消耗API
2. 再执行microcompact——只删冗余消息，不调LLM
3. 最后才调完整的总结压缩——花Token

别等自动触发。自动触发的阈值是contextWindow - 13,000，那时候你已经花了不少冤枉钱了。

我的习惯：看到上下文超过100K tokens就手动/compact。

七、Subagent：把脏活累活隔离出去

这是被严重低估的功能。

Subagent是独立的Claude实例，跑在自己的上下文窗口里。文件搜索、日志分析、多步推理——所有这些脏活累活的输出都不进主会话。

只有摘要回到主对话。

效果：主会话的上下文不会因为Subagent的中间输出而膨胀。大项目里省Token的效果立竿见影。

八、环境变量一键瘦身

不想折腾配置？直接上这几个环境变量：

# 精简系统提示——去掉冗余的工具说明和行为约束
export CLAUDE_CODE_SIMPLE_SYSTEM_PROMPT=1

# 关掉Fast Mode——6倍价真的不值
export CLAUDE_CODE_DISABLE_FAST_MODE=1

# 关掉自动记忆——一次性任务省掉记忆注入
export CLAUDE_CODE_DISABLE_AUTO_MEMORY=1

注意：精简提示适合脚本化/一次性任务，长期复杂项目谨慎用。

八、插件加持：躺着省钱

如果不想手动优化，直接用工具：

• Token Saver CC：透明中间件，缓存上下文+只发增量，省80-95% Token
• claude-context：MCP插件，给Claude Code装语义搜索引擎，47万行Go项目单次对话Token降了75%
• CacheLane：拦截对话轮次，动态裁剪prompt块，长会话省30-60%

这些都是零配置或一行命令搞定，装上就生效。

总结：把上下文当资产管理

Anthropic工程师有一句话说得特别好：

把上下文当作资产管理，让缓存持续复用，让长会话少做重复计算。

省钱不是靠抠每一个Prompt，而是设计工作流，让Claude只看到它真正需要的东西。

最后送你一张速查表：

操作	效果	难度
日常用Sonnet，复杂切Opus	省5倍	⭐
CLAUDE.md保持精简稳定	省大量重复Token	⭐⭐
借助AI折扣平台66AI.AI	省50%	⭐⭐⭐
长会话手动/compact	防止Token爆炸	⭐
复杂任务用Subagent	隔离上下文膨胀	⭐⭐
装Token Saver CC	省80-95%	⭐
保持缓存不被打断	省90%输入成本	⭐⭐⭐

从第一条开始，你的账单就会有变化。