直接结论：真正烧额度的不只是你当前这句 Prompt，而是每次请求都要重新注入的整包 Context。省 Token 的正确思路是“丢掉用不到的、缩小留下的、让缓存打折”，而不是把 Prompt 写短或换一个便宜的小模型。

本文面向使用 Claude Code、Codex、Cursor 或类似 Agent 工具的开发者。内容覆盖 Context 构成、常见误区、三条可执行方法、FAQ 和检查清单。涉及价格、缓存时长和产品功能的部分，以官方当前文档和定价页为准。

为什么额度总是不够用

很多人在对话框里只看到自己输入的一行字，但请求真正发送时，系统会把以下内容一起打包注入模型：

Context 层级	包含内容	典型来源
系统与项目规则	系统提示词、CLAUDE.md / AGENTS.md、Git 状态、系统信息	项目目录和运行环境
工具使用说明	内置终端、文件读写、搜索，以及外部 MCP Server 的名称和参数描述	挂载的工具与插件
对话历史	之前每一轮对话、AI 的长篇分析、写过的代码	当前会话
外部文件与执行日志	读过的源码、PDF、终端命令输出	文件读取和命令执行

底层 API 本身没有跨请求记忆，因此每次按 Enter，这四层内容都会完整重新注入。对话越长，历史记录越大，下一次请求就越贵。到第十轮、第二十轮时，你发的那句“帮我改第二行”可能只占整包输入的 1%，其余都是旧 Context。

两个看似合理但效果有限的误区

误区一：只要把 Prompt 写短

当对话已经累积几万 Token 时，把 50 个字的 Prompt 缩成 5 个字，省下的比例微乎其微。问题不在当前输入，而在整包历史。

误区二：换成更便宜的小模型

小模型理解力不足时，代码写错、答非所问会带来更多来回重试，整趟任务累积下来反而更费额度。先控制 Context，再谈模型选择。

三招控制 Context

第一招：丢掉用不到的

1. 换任务就开新对话。任务告一段落就新建会话，不要让上一个项目的代码、报错和工具输出继续背到下一次请求里。
2. 打错指令或结果不如意时，优先编辑原消息，或使用工具的 rewind / 分支回溯功能回到出错前，避免把整段失败输出留在历史里。以你当前使用的产品为准，Claude Code 中可参考 Esc + Esc 或 /rewind。
3. 精简 MCP Server 和插件。每个 MCP 工具的说明与参数定义都会进入 Context；只写文章或改小功能时，关掉暂时用不到的网页搜索、数据库等服务。

第二招：缩小留下的

1. 先搜索，再喂给模型。问题有明确函数名、错误码或关键字时，先用搜索工具定位最相关的几行，再让模型处理。这一步可以把单次请求从几万 Token 降到几百。
2. 给结论，清掉讨论过程。多轮讨论后的最终规格、限制和决策，整理成一份干净的 Markdown，再开新会话喂给模型。自动压缩、摘要功能有帮助，但摘要是有损压缩，重要细节最好由你自己保留。
3. 缩小输入格式与输出范围。能用纯文本或代码传递的信息，不要丢几 MB 的截图；只改某个函数时，明确要求只输出修改后的段落。输出 Token 通常比输入更贵，避免模型把整篇内容重写一遍。

第三招：让缓存打折

Claude 和 OpenAI 等主流模型都提供 Prompt Caching（提示词缓存），把重复使用的前缀暂存在服务端，后续请求更快也更便宜。以下是官方文档中的核心规则，具体数字以当前定价页为准：

项目	说明
默认缓存时长	Anthropic 自动缓存默认 5 分钟，使用时会免费刷新；也提供 1 小时 TTL 选项，写入价更高
缓存读取价	Anthropic 按基本输入价的 0.1 倍计费；OpenAI 官方文档同样按 0.1 倍计费
缓存写入价	Anthropic 5 分钟 TTL 为基本输入价 1.25 倍，1 小时 TTL 为 2 倍；OpenAI 新版模型按 1.25 倍计费
示例	Claude Opus 5 基本输入 $5/百万 Token，缓存读取 $0.50/百万 Token，输出 $25/百万 Token

要让缓存更容易命中，注意两点：

• 同一任务里避免中途换模型、调思考强度或开启加速模式；前缀变化可能让之前写入的缓存失效。
• 长时间不对话会超过缓存 TTL。如果任务是跨 session 复用同一段稳定上下文，主动整理成固定 Markdown 前缀，并参考官方 1 小时 TTL 或手动预热说明。

发送前的两个检查问题

1. 回答我当前这句指令，真的需要前面的上下文和旧资料吗？如果不需要，开新对话。
2. 如果确实需要背景，中间的讨论过程需要“全部知道”吗？如果不需要，把结论整理成 Markdown，开新会话继续。

FAQ

省 Token 是不是就是少用 AI？

不是。省的是无用 Context，不是省深度思考。把噪音清掉后，额度可以留给真正需要复杂推理的地方。

换任务一定只能开新对话吗？

开新对话是最直接的方法；如果你的工具提供 /clear、/rename 后重新 resume 等会话管理能力，也可以按需组合使用，以当前版本说明为准。

Prompt Caching 能保证省钱吗？

需要满足稳定前缀、缓存 TTL、写入断点等条件。缓存写入本身有成本，未命中的重复写入反而可能更贵；不要把它当成无脑省钱的开关。

检查清单

• 换任务后，旧会话是否已关闭或清理？
• 错误输出是否用编辑、回溯或分支删掉，而不是继续追加“重新来”？
• 挂载的 MCP / 插件是否只保留当前任务需要的？
• 大文件是否先搜索定位，而不是整包丢进对话？
• 结论是否整理成 Markdown，并开新会话继续？
• 输出范围是否明确，避免模型整篇重写？
• 同一任务是否避免了中途换模型或改思考强度？

资源补充

如果你需要，也可以把 llapi.org 作为一个中转入口参考

希望这套方法能帮你在同样额度下做更多事。如果你有自己验证过的省 Token 习惯，欢迎在评论区补充。