Anthropic 最近专门写了一篇博客，分享 Claude Code 的 6 个省 Token 技巧。
里面最值得注意的一点是：Claude Code 的成本不只是看你“问了多少”，还和上下文大小、命令输出、模型切换以及 Prompt Cache 是否命中有关。官方文档里，缓存读取价格大约只有正常输入 Token 的 10%，也就是缓存命中时最多可以节省约 90% 的输入成本。citeturn900135search0
6 个技巧其实都很实用：
一个任务做完就用 /clear
不要让上一个任务的大量无关上下文继续跟着下一个任务一起发送。
开始前确定模型和推理强度
工作过程中频繁切换模型或推理配置，可能破坏已经建立的 Prompt Cache，反而增加成本。
文件直接用 @ 引用
例如 @src/app.ts，比单纯告诉 Claude 文件路径更直接，也可以减少额外的搜索和 Read 操作。
控制终端命令输出
像测试、日志、构建命令如果输出几千行，这些内容都会进入上下文。能用 --quiet、--silent 就尽量用，或者把高输出任务交给子 Agent。
新会话先看 /context
它可以帮助你检查 CLAUDE.md、MCP 工具定义等到底加载了多少内容，把不需要的上下文删掉。
离开前用 /compact
如果一个会话已经很长，可以在 Prompt Cache 还有效的时候先压缩上下文，避免之后继续带着大量历史内容工作。
Anthropic 给出的一个参考数字是，开发者使用 Claude Code 平均每天大约会产生 13 美元左右的模型 Token 成本，所以如果是长期、高频使用，这些小习惯积累下来还是能省不少。
AI+比较认同这里面的一个思路：用 AI Coding 不能只关注“模型聪不聪明”，还要开始管理 Context。以后 Claude Code、Codex 这类 Coding Agent 用得越深，Context Management 本身就会变成一项很实际的成本优化能力。
里面最值得注意的一点是：Claude Code 的成本不只是看你“问了多少”，还和上下文大小、命令输出、模型切换以及 Prompt Cache 是否命中有关。官方文档里，缓存读取价格大约只有正常输入 Token 的 10%，也就是缓存命中时最多可以节省约 90% 的输入成本。citeturn900135search0
6 个技巧其实都很实用：
一个任务做完就用 /clear
不要让上一个任务的大量无关上下文继续跟着下一个任务一起发送。
开始前确定模型和推理强度
工作过程中频繁切换模型或推理配置，可能破坏已经建立的 Prompt Cache，反而增加成本。
文件直接用 @ 引用
例如 @src/app.ts，比单纯告诉 Claude 文件路径更直接，也可以减少额外的搜索和 Read 操作。
控制终端命令输出
像测试、日志、构建命令如果输出几千行，这些内容都会进入上下文。能用 --quiet、--silent 就尽量用，或者把高输出任务交给子 Agent。
新会话先看 /context
它可以帮助你检查 CLAUDE.md、MCP 工具定义等到底加载了多少内容，把不需要的上下文删掉。
离开前用 /compact
如果一个会话已经很长，可以在 Prompt Cache 还有效的时候先压缩上下文，避免之后继续带着大量历史内容工作。
Anthropic 给出的一个参考数字是，开发者使用 Claude Code 平均每天大约会产生 13 美元左右的模型 Token 成本，所以如果是长期、高频使用，这些小习惯积累下来还是能省不少。
AI+比较认同这里面的一个思路：用 AI Coding 不能只关注“模型聪不聪明”，还要开始管理 Context。以后 Claude Code、Codex 这类 Coding Agent 用得越深，Context Management 本身就会变成一项很实际的成本优化能力。