如何在 LLM 中节省 Token：Claude Code 实用指南

花掉 10 个 200 美元的订阅不是问题，问题在于花得有没有意义。下面是我每天使用 Claude Code 时实际用到的节省 Token 的方法。

1. 我们到底在为什么付费

Claude Code 对 输入 和 输出 Token 分别计费。输入是指所有进入上下文的内容：系统提示、聊天历史、文件、截图。输出是指模型生成的内容。

聊天中的每条消息都会把累积的上下文加到输入中。如果你使用 1M 上下文的 Opus，每条消息的计费就像你重新发送了整个一百万 Token 一样。输出也会参与上下文膨胀——每个回答都在不断累积。

结论： 对话越短越便宜。上下文越小越便宜。模型”思考”越少越便宜。

2. 子代理——必备利器

主进程（Lead）不应该自己做任何事。它的任务是协调和委派。所有工作由拥有小上下文的子代理完成。

为什么这样做：

• Lead 进程的上下文保持在 100-200K 范围内，不会增长
• 子代理完成任务后，上下文自动清除
• 可以并行运行数十个代理

配置方式：

主进程 (Opus, 200K 上下文)
├── 代理 1 (Haiku, 短上下文) — 脚本处理
├── 代理 2 (Sonnet, 短上下文) — 编写测试
└── 代理 3 (Haiku, 短上下文) — 重构

对于批量任务（比如处理 8000 个脚本）——一个脚本、一个子代理、用 Haiku 模型。这比在一个聊天中跑所有内容便宜得多。

3. 上下文与幻觉——非线性关系

100K 上下文的 Opus 比 1M 上下文的 Opus 更准确。在 1M 上下文下，幻觉会非线性增长。也就是说，大上下文既更贵，质量也更差。

结论：保持上下文紧凑。5 个 100K 的聊天比 1 个 500K 的聊天好得多。

4. 技能（Skills）很好用

技能（Skills）是预配置的提示，按需加载，不会一直占用上下文。很多框架在开始工作之前，第一件事就是准备/下载技能。

与 MCP 服务器（会持续将自身指令加载到上下文中）不同，技能只在需要时才激活。在 Opus 4.5 之前，MCP 浪费了大量 Token——现在这个问题已解决，但”用技能和命令替代 MCP”的思路对于节省 Token 仍然有效。

Caveman

Caveman 是面向 Claude Code（及其他代理）的开源技能/插件：在保持技术准确的前提下，用「caveman speak」风格让模型极尽简短作答——对应 §1「对话越短越便宜」的具体做法。仓库中的基准测试平均可减少约 65% 的 输出 Token；另有 caveman-compress 可压缩记忆文件中的散文以节省 输入 Token。

5. 国产模型和低价订阅

阿里云、国内订阅——在性价比方面优势明显。约 30 美元的订阅可以获得与 Anthropic 200 美元订阅相当数量的 Token。

实际做法：

• 使用 Claude 的封装工具，可以切换模型提供商
• 不修改全局环境变量——只在启动封装工具时传入需要的变量
• Gemini 也有低价订阅，可以类似地使用

目前还没有”将所有提供商的模型直接嵌入 Claude”的现成方案，但封装工具已经能满足 80% 的需求。其中一个是 Clother——它允许使用不同的模型提供商运行 Claude Code，而不需要修改全局设置。

6. 知识图谱和 RAG：Token 消耗降低 10 倍

LightRAG

LightRAG 是一种将知识图谱与 LLM 结合的方法。通过结构化地提取相关信息（而非加载全部上下文），可以将 Token 消耗减少高达 10 倍。

a8e

由 ivansglazunov 开发——作者以隐士模式工作，公开发布的内容很少，所以目前很难看到项目的全貌。它的工作方式类似图书管理员-RAG：将所有传入的数据存入数据库。核心思想是将图谱与 LLM 结合，实现更精准、更廉价的上下文提取。该方法类似于这个视频中描述的技术。

cmdop-claude

cmdop-claude 是 markolofsen 的方案。图谱方面使用了 Merkle 树。核心思路：在后台运行几乎免费的国产 LLM 来整理 .claude 文件夹——为主模型准备好上下文。

7. 代理管理框架

Superpowers

一个流行的 Claude Code 框架，提供现成的技能、模式和工作流。

AI Factory

ai-factory 是一个有趣的 AI 代理管理框架。搭配 aif-handoff 可以提供带看板和过滤器的前端界面。

核心理念：人类设定初始任务，AI 进行分解，但只有在人类批准计划后才开始执行。这既节省了 Token（避免返工），又保证了控制权。

8. 实用小技巧

高努力程度和推理模式可以关闭以降低成本。不是每个任务都需要模型的”深度思考”。

用技能替代 MCP。 在 Opus 4.5 之前，用技能替代 MCP 能显著节省。现在差距缩小了，但对于批量任务这个方法仍然有效。

管理子代理的模型选择。 可以指定子代理使用哪个模型。常规任务用 Haiku，复杂任务用 Sonnet 或 Opus。

--bare 模式——纯净启动。 --bare 标志启动 Claude Code 时不加载钩子、LSP、插件同步、自动记忆、后台预加载，最重要的是不自动发现 CLAUDE.md。这些内容通常会加载到系统提示中，在第一条消息之前就在消耗 Token。在 bare 模式下，上下文从最小状态开始，需要的数据可以通过 --system-prompt、--append-system-prompt、--add-dir 或 --mcp-config 精确传入。非常适合批量子代理场景，多余的预提示就是纯粹的浪费。

9. 钩子——自动化节省

钩子（Hooks）是在 Claude Code 内部事件触发时执行的脚本。在 .claude/settings.json 中配置，可以自动化那些节省 Token 的常规操作。

钩子类型

• PreToolUse —— 在工具调用前触发。可以过滤或修改输入数据。
• PostToolUse —— 在工具调用后触发。适用于自动格式化和后处理。
• PreCompact —— 在上下文压缩前触发。允许保存重要信息。
• Stop —— 代理结束工作时触发。可以检查任务完成度。
• SessionStart —— 会话启动时触发。适用于预加载上下文。

实用钩子示例

过滤测试输出。 Anthropic 官方示例——在 PreToolUse 上为 Bash 设置钩子，截断长测试输出，只保留失败的测试和摘要。不是 500 行日志进入上下文，而是只有 10 行——直接节省 Token。

{
  "hooks": {
    "PreToolUse": [{
      "matcher": "Bash",
      "command": "your_filter_script.sh"
    }]
  }
}

写入后自动格式化。 在 PostToolUse 上为 Write/Edit 设置钩子——每次保存文件后运行 prettier 或 black。模型不需要花 Token 来格式化代码——它只写逻辑，格式化由钩子完成。

防止破坏性命令。 在 PreToolUse 上为 Bash 设置钩子，阻止 rm -rf、DROP TABLE 等类似命令。虽然不直接节省 Token，但避免了昂贵的错误和返工。

压缩前保存上下文。 PreCompact 钩子——在上下文压缩前将关键决策和状态保存到文件，这样压缩后不会丢失重要信息。

钩子做不到的事

每 N 条消息自动压缩无法通过钩子配置——这是 Claude Code 的内置功能。但可以使用 PreCompact 钩子来控制压缩时保留哪些内容。

10. 截图——隐藏的 Token 杀手

根据文档，Claude 会按分辨率压缩图片。但实际上压缩效果不明显。在 4K 显示器上，一张截图的成本很高。

解决方案：在发送前将截图缩小到约 400px 宽度。文字仍然可读，而 Token 消耗少一个数量级。

macOS 上我用 Open Screenshot —— 这是我做的工具，直接以低分辨率格式截图，不需要手动调整大小。欢迎试用！

节省 Token 清单

方法	节省幅度
使用短上下文的子代理	长会话节省 2-5 倍
常规任务使用国产模型	按价格节省 5-10 倍（$30 vs $200）
用技能替代常驻 MCP	1.5-2 倍
用钩子过滤输出	测试/日志任务节省 1.5-3 倍
压缩截图尺寸	视觉任务节省 1.5-2 倍
用图谱/RAG 替代完整上下文	最高 3-5 倍
简单任务关闭推理模式	1.5-2 倍
子代理使用 --bare 模式	每次启动节省 1.5-2 倍
使用带计划审批的框架	间接节省，通过减少返工

---

你可以无限烧钱——10 个 200 美元的账号也不是上限。但这并不代表高效。目标是在不损失质量的前提下，将成本至少降低 10 倍。