如何使用Claude Code更节省Token？

关键点

• 聊天历史管理，Claude Code 的 token 消耗主要来自输入上下文和输出生成，使用 /clear 命令重置聊天历史可显著减少不必要积累，似乎是开发者最常用策略。
  

• 项目知识库，创建 CLAUDE.md 文件来存储项目特定信息，能有效降低重复提示需求，优化上下文管理。
  

• 提示工程，编写具体而详细的提示可减少澄清迭代次数，从而节省 tokens，但需平衡详细度和简洁性。
  

• 上下文精简，仅提供相关文件而非整个代码库，能避免上下文膨胀，特别在大型项目中。
  

• 对话压缩，总结长对话（如使用 /compact）有助于保持效率，同时承认在复杂任务中可能需权衡 token 与准确性。

上下文管理技巧

在 Claude Code 中，上下文是 token 消耗的主要来源。建议为每个独立任务启动新聊天，避免历史消息累积。使用 /clear 命令可快速重置会话，防止无关内容占用 token。另一个有效方法是利用 CLAUDE.md 文件：在项目根目录或特定文件夹中创建此文件，记录关键命令、代码风格和测试指南，Claude 会自动拉取这些信息，减少手动输入。 此外，对于长对话，定期总结历史可压缩上下文，保持模型专注。上下文是 token 消耗的最大来源，尤其在迭代开发中。开发者常犯的错误是让聊天历史无限积累，导致模型每次都处理无关消息。推荐策略包括：

• 频繁重置聊天：使用 /clear 命令清除历史，特别在切换任务时。这能防止上下文超过 50% 限制时自动压缩，节省 tokens。举例，在完成一个功能后，立刻 /clear，然后开始下一个，避免历史消息占用空间。开发者报告显示，此方法可将 token 使用减少 20-30%。
  

• 利用 CLAUDE.md 文件：这是一个高效的上下文注入工具。在项目根目录创建 CLAUDE.md，记录 bash 命令、代码风格指南和测试指令。Claude Code 会自动读取这些文件，减少手动提示重复。例如，内容可包括：“始终使用 MUI 组件；测试使用 pytest；构建命令为 npm run build。” 这不仅节省 tokens，还便于团队协作。通过 # 符号快速添加笔记，如 “# 记住使用 TypeScript 类型提示”。放置位置灵活：根目录用于全局，子文件夹用于模块特定。
  

• 总结长对话：当对话变长时，使用 /compact 命令浓缩历史，仅保留关键点。这类似于手动总结，但自动化执行，能保持模型专注。中文教程中提到，在长时间会话中，此命令特别有效，可节省 15-25% tokens。
  

• 限制文件扫描：启动 Claude Code 时，选择具体项目目录，避免扫描整个仓库。使用工具如 repomix 生成压缩的项目概述，移除注释和空行，仅提供 XML 格式的必要文件列表。这能显著减少输入 tokens，尤其在大型代码库中。

提示工程优化

提示的质量直接影响 token 使用。优先编写具体、结构化的提示，例如将复杂任务分解为子步骤，而不是模糊描述。这能减少模型的澄清请求和重试次数。 例如，避免说“创建登录功能”，而是说“使用 FastAPI 和 JWT 实现登录端点，包括 Pydantic 模型、bcrypt 密码哈希和错误处理”。同时，使用补丁模式：仅指示修改特定代码部分，而非重写整个文件。提示质量决定了交互次数。模糊提示会导致多次澄清，浪费 tokens。最佳实践是像写规格说明一样构建提示：

• 具体化和结构化：分解任务为子步骤。例如，好提示：“在 models/user.py 中添加 email_verified: bool = False 字段；更新 schemas/user.py 中的 Pydantic 模型；生成 Alembic 迁移文件。” 坏提示：“添加新字段。” 这能减少重试，节省 tokens。Python 特定优化：提前声明依赖（如 Poetry 配置）和类型提示，让模型更快推理。
  

• 补丁而非重写：指示 Claude 只修改特定部分，例如 “仅更新 User 类中的字段，不要更改其他代码。” 这保持代码一致性，并减少输出 tokens。
  

• 预设计阶段分离：在普通 Claude 聊天中先 brainstorm 和设计 API，然后将规格交给 Claude Code 实现。这分离了高 token 消耗的探索阶段。反馈循环：如果出错，提供错误日志和已尝试解决方案，如 “SQLAlchemy 错误：[日志]，已试 A、B、C，建议修复。”
  

• 分组任务：捆绑相关操作到一个提示中，例如 “执行以下：1) 添加 created_at 和 updated_at；2) 更新 schema；3) 写迁移。” 这减少上下文切换，开发者经验显示可节省 10-20% tokens。
  

其他节省策略

分组相关任务到一个提示中，例如一次性处理多个字段添加和迁移生成，可减少上下文切换。 对于 API 用户，监控 token 计数并使用官方工具优化延迟。中文开发者社区建议在项目目录启动 Claude Code 以避免扫描无关文件。Claude Code 是 Anthropic 推出的 AI 编码助手，主要集成在 VS Code 中，帮助开发者进行代码生成、调试和项目管理。其 token 系统基于 Claude 模型的 API 计费，输入和输出 tokens 都会产生成本。优化 token 使用不仅能降低费用，还能提升响应速度和准确性。本文将详细探讨如何在实际开发中节省 tokens，涵盖上下文管理、提示工程、工具配置和工作流优化等方面，基于官方文档和开发者经验总结。
首先，理解 token 消耗机制是关键。Claude Code 的 token 包括输入（提示和上下文）和输出（生成内容），高级模型如 Claude Sonnet 4 的成本更高（输入每百万 tokens 约 3 美元，输出约 15 美元）。长上下文窗口（最高 1M tokens）虽强大，但容易导致膨胀。根据 Anthropic 文档，优化焦点应放在减少不必要输入上，例如通过缓存和压缩实现 14% 到 70% 的输出 token 节省。Claude Code 支持多模型切换，选择合适模型是节省关键：

• 模型选择：复杂任务用 Sonnet 4，简单执行用 Haiku 或 lighter 模型。使用 /mod 命令切换。成本分析显示，轻模型可将每交互费用降低 50%。
  

• 启用高效工具：Anthropic 的 token-efficient tool use 可节省 14% 输出 tokens。配置允许工具列表（如 git、文件编辑），避免不必要权限提示。使用 --dangerously-skip-permissions 在隔离环境中加速，但需谨慎。
  

• 自定义命令和钩子：在 .claude/commands 文件夹创建 Markdown 命令模板，使用 $ARGUMENTS\mathrm{占}\mathrm{位}\mathrm{符}\mathrm{自}\mathrm{动}\mathrm{化}\mathrm{任}\mathrm{务}，\mathrm{如}\mathrm{测}\mathrm{试}\mathrm{或}\mathrm{调}\mathrm{试}。\mathrm{这}\mathrm{减}\mathrm{少}\mathrm{重}\mathrm{复}\mathrm{提}\mathrm{示}，\mathrm{节}\mathrm{省}tokens。\mathrm{示}\mathrm{例}：test.md\mathrm{文}\mathrm{件}\mathrm{内}\mathrm{容}\mathrm{为}“\mathrm{运}\mathrm{行}pytest\mathrm{于}$ARGUMENTS 文件，确保覆盖边缘案例。”
  

• 提示缓存与 API 优化：对于 API 用户，使用 Anthropic 的提示缓存减少重复输入成本（最高 90% 节省）。监控 token 用官方计数工具，避免超过上下文窗口导致延迟。