Claude Code 官方省 Token 指南：任务间随手 /clear，别在半路换模型

以前我们用编辑器写代码，一个月几十美元或者干脆免费，不管你今天修了一个报错还是重构了整套系统，账单都不会变。

但到了 Claude Code 这类智能体编程工具手里，写同一行代码的成本可能天差地别。比如同样是修一个测试用例，如果让 AI 自己漫无目的地翻找十几个文件，每一轮对话都会把这些无关内容拖进上下文，既浪费计算资源又掏空钱包。

Anthropic 工程师 Lydia Hallie 发布了一份关于 Claude Code 的使用指南，详细拆解了底层计费与缓存机制，并给出了几个关键的省 token 技巧。

搞懂提示词缓存的脾气

在底层，模型推理分为两个阶段：一是读入上下文的预填充阶段，二是逐个生成回复的解码阶段。解码过程极其耗费算力，因此输出 token 的单价大约是输入 token 的 5 倍。用户通过 /effort 设置的思考程度，直接决定了模型会生成多少高价的思考 token。

好在 Claude Code 引入了提示词缓存机制。只要请求的前半部分完全一致，服务器就会直接读取缓存，价格只有普通输入 token 的十分之一；只有新增加的内容需要按原价预填充。

问题在于，提示词缓存是严格按照前缀顺序匹配的。请求的拼装顺序依次是工具定义、系统提示词、包含 CLAUDE.md 的对话历史，最后才是当前最新的工具调用结果。

如果在对话末尾追加文件或命令结果，前面的缓存依然有效。但如果你在会话中途用 /model 切换模型、用 /effort 调整思考量，或者开启 Fast 模式，就会直接破坏缓存索引，导致整段历史必须全价重新预填充。甚至连在规划模式进进出出的 opusplan，也会因为频繁切模型而丢掉缓存。

时间也是个关键变量。提示词缓存并不是永久保存的，在订阅制下它只有 1 小时的有效期，使用 API 密钥时默认更是只有 5 分钟。只要超出时限或者重启会话，之前的缓存就会全部失效。

几个顺手的省钱好习惯

理清了缓存逻辑，省 token 的操作其实非常具体。

首先是在任务之间勤用 /clear。完成一个需求后立刻清空对话，避免旧任务的残留内容在后续每一轮交互中反复消耗 token，也能让模型少受无关信息的干扰。

其次是把模型和思考程度的配置前置。在开始写代码前就用 /model 和 /effort 设好参数，不要聊到一半再改。如果确实需要切换，最好选在刚开工或刚执行完 /clear 的时候。

第三是用 @ 直接引用文件。与其告诉 Claude「去看一下 utils 文件」让它发起一次 Read 调用甚至跑一次 grep 搜索，不如在输入框里直接用 @ 挂载文件，一步到位省掉一整轮工具调用的开销。

此外，对于输出内容极多的终端命令，记得加上静音参数，或者扔给子智能体运行。因为终端打印出来的每一行日志都会永远沉淀在当前会话里，随后的每次交互都要为它们买单。

最后，离座休息前记得随手敲一下 /compact。既然缓存会在 1 小时后过期，那就不如趁着上下文还在缓存期、读取单价只要十分之一的时候，让模型把长对话总结压缩掉。等你喝完咖啡回来，就能直接在紧凑的新上下文里接着干活。

为什么重要

我们认为，这份指南的意义不仅在于教开发者怎么省钱，更在于它揭示了智能体时代开发者与生产力工具交互方式的根本转变。

对开发者和独立工程师来说，这套方法非常值得立即采纳。它几乎没有任何技术门槛，只需改变几个敲命令的习惯，就能在日常编程中省下数倍的 token 消耗。对于使用 API 按量付费的团队来说，这直接对应着真金白银的账单降幅。

从行业角度看，AI 工具的竞争正在从单纯卷模型能力，转向卷实际交付场景的工程效率。以前大家觉得只要模型上下文窗口足够大就可以无脑塞，但 Lydia Hallie 摆出的事实证明，低效的上下文管理不仅昂贵，还会稀释模型的注意力，最终影响代码生成的准确率。

Anthropic 这种主动把计费黑盒拆开、把缓存运作逻辑摆到台面上的做法，看起来非常聪明。它没有遮遮掩掩地赚取开发者由于误操作而浪费的推理费用，反而通过官方最佳实践把用户留存做得更扎实。这种对透明工程细节的梳理，正在成为 AI 编程工具领域建立开发者信任的关键。