要削减 AI 编程智能体的 Token 用量，关键在于减少输入其上下文的内容。具体做法包括：明确告诉它该读哪些文件，维护一份简短的项目说明文件，先让它给出计划再写代码，自己动手执行搜索，经常重启会话，以及关闭当前任务用不到的工具。
大多数人开始关注这个问题，往往是因为重构进行到一半时会话触及了用量上限，或者工作量没变，账单却翻了一倍。
这些习惯在 Claude Code、Codex、Cursor 及同类智能体中同样适用。下面每个小节都会解释该习惯为何有效，给出一个可以直接照搬的简短示例，并注明相关依据是实测数据还是基于推理的实践经验。
核心要点
- 智能体读取的每个文件、保留的每一轮历史对话，都会留在其上下文中。最省钱的 Token，是智能体根本没看到的那个。
- 一项针对 124 个使用 OpenAI Codex 完成的拉取请求（PR）的研究显示，添加 AGENTS.md 文件后，输出 Token 中位数下降了 16.58%，运行时间中位数下降了 28.64%。总 Token 中位数则几乎没有变化（约高出 1%）。
- Spotify Engineering 的一篇文章在一个 Java monorepo 中实测发现，用更便宜的模型生成的摘要代替原始文件交给 Claude，可使批量文件读取平均节省约 90%。该数据仅统计了 Claude 自身的上下文。
- Anthropic 的 Claude Code 文档指出，如果 API 或云服务商套餐的支出高于预期，原因通常是某个长会话一直没有清理，或者默认模型仍设置为 Opus。
为什么要削减 AI 编程智能体的 Token 用量？
Token 会让你付出两次代价：一次体现在账单或用量上限上，另一次体现在输出质量上。AI 编程智能体读取的每个文件、保留的每一轮历史对话都会留在上下文中，所以最省钱的 Token，就是智能体根本不需要看的那个。上下文更小、更相关，模型被无关内容干扰的机会也就更少。一个精简的会话通常比臃肿的会话更便宜，也更准确。
举个例子，如果一个调试会话以”把仓库翻一遍”开头，智能体可能在找到真正的 bug 之前就已经拉进了几十个无关文件。每一个文件你都要付费，而模型还得在推理时绕开所有这些干扰。
缩小智能体的可见范围
要减少 AI 编程智能体的探索性读取，应当直接告诉它读哪些文件，而不是把整个仓库丢给它。否则，智能体就得自己去找，而沿途打开的每个文件都会进入上下文。一旦你明确指定了文件，智能体的读取范围就会被限定在任务真正需要的内容上。
# Before
Why is the checkout total wrong? Look through the repo.
# After
The total in src/cart/total.ts is wrong when a discount code is applied.
Read src/cart/total.ts and src/cart/discounts.ts only. Do not open other files
without asking.你还可以从源头上限制智能体能接触到的内容。如果它运行在专用机器上（例如用于智能体编程的远程主机方案），那么只克隆该任务需要的仓库即可。
维护一份项目说明文件
项目说明文件通常命名为 AGENTS.md 或 CLAUDE.md，它能让 AI 编程智能体不必在每个会话中重新摸索你的项目约定。大多数智能体都支持这类文件，具体读取哪个文件名，请查阅所用智能体的文档。Claude Code 读取的是 CLAUDE.md，其记忆功能文档说明，从 v2.1.277 起，当仓库中没有 CLAUDE.md 时，它也会直接读取 AGENTS.md。
这方面的证据相当具体。在一项针对 10 个仓库、124 个使用 OpenAI Codex 完成的拉取请求的研究中，带有 AGENTS.md 文件的运行，其运行时间中位数降低了 28.64%，输出 Token 数中位数降低了 16.58%。但同一结果表也显示，总 Token 中位数基本没有变化，甚至在使用该文件时还高出约 1%。换句话说，这个文件主要作用是让智能体少写一些、更快完成，而不会缩减它读取的全部内容。该研究也存在局限：只使用了一种智能体（运行 gpt-5.2-codex 的 Codex），只涵盖已合并的小型 PR（每个最多改动 100 行、5 个文件），并且没有全面评估输出结果是否正确。
这个文件要保持简短。Claude Code 会在每个会话开始时把 CLAUDE.md 载入上下文，因此文件里的每一行，你在每次对话中都要为之付费。Anthropic 建议控制在 200 行以内，并指出相比冗长或含糊的指令，Claude 能更可靠地遵循简短、具体的指令。
# AGENTS.md
## Project
Web API for order processing. Entry point: src/server.ts.
## Structure
- src/routes/: HTTP handlers, one file per resource
- src/services/: business logic; handlers never touch the DB directly
- tests/: mirrors src/; test files end in .test.ts
## Conventions
- Run `npm test` before proposing changes; run `npm run lint` on touched files
- Use the logger in src/lib/log.ts, never console.log
- Do not edit generated files in src/generated/先要计划，再写代码
在 AI 编程智能体动手写代码之前先让它给出计划，你就能在它读取和改写文件之前发现方向上的错误。丢掉一份计划几乎没有成本；而一个错误的实现，在你察觉之前就已经在它触碰过的每个文件上消耗了 Token。此外，计划还会给你一份文件清单，你可以在任何工作开始之前对其进行删减。
Before writing any code: list the files you intend to read and change, and
the steps you will take, in under 10 bullets. Wait for my approval.如果计划中包含无关文件，请在批准之前将其从清单中删除。
自己执行搜索，再把结果交给智能体
当你自己运行 grep 并粘贴匹配到的行时，智能体只需为这几行付费。而让智能体去找同样的内容，它可能要为沿途打开的每个文件买单。git grep 和 git diff 这类工具运行速度快，而且不消耗任何 Token，所以让它们去做搜索，只把结果交给模型。
# Find every call site yourself
git grep -n "applyDiscount(" -- '*.ts'
# See only what changed, not whole files
git diff --stat
git diff -- src/cart/total.ts然后粘贴输出结果，例如：“以下是 applyDiscount 的 4 处调用点：[粘贴的代码行]。请修改它们，传入 currency 参数。”
Spotify 将这一习惯做成了自动化方案。该方案会把 Claude Code 的批量文件读取转交给一个更便宜的工作模型（worker model），只把摘要交给 Claude。一位 Spotify 工程师在一个 Java monorepo 上对其进行了测试，共涉及四个场景。在每个场景中，他都将 Claude 自行读取文件所需的 Token 与读取工作模型摘要所用的 Token 进行对比，结果批量读取平均节省约 90%。该数据仅适用于这一个代码库，只统计了 Claude 的上下文而未计入工作模型消耗的 Token，并且只涵盖批量读取场景。Spotify Engineering 的文章也列出了方案的局限：由于摘要中缺乏可靠的行号，编辑操作仍需直接读取文件；推理和调试工作仍由 Claude 完成；每次委派都会增加延迟。
保持会话简短，适时重新开始
在不同任务之间开启新会话，而不是让一个对话无限增长。长对话会把完整的历史记录带入每条新消息，因此继续一个陈旧的会话线程，就意味着持续为你早已不需要的上下文付费。Anthropic 的 Claude Code 成本指南指出，如果 API 或云服务商套餐的支出高于预期，常见原因是某个会话从未清理，或默认模型仍设置为 Opus。该指南将”在不相关的任务之间清理会话”列为效果最显著的习惯之一。
# End of session 1
Summarize in under 15 lines: what we changed, what we decided, what is left.
Write it to NOTES.md.
# Start of session 2 (new chat/session)
Read NOTES.md, then continue with the first remaining item.摘要保留了你做出的决策，新会话则丢掉了得出这些决策的过程记录。
关闭任务用不到的工具和集成
你启用的每个集成，都会增加智能体需要加载和可调用的内容。如果任务用不到某个集成，就把它禁用。MCP 服务器通常是罪魁祸首。Claude Code 现在会推迟加载完整的 MCP 工具定义，直到 Claude 真正需要时才载入，因此闲置服务器的开销比以前小了，但它的工具名称和说明仍然会占据上下文。Anthropic 的 Claude Code 成本指南仍然建议你运行 /mcp，关闭未在使用的服务器。数据库服务器、浏览器自动化服务器，再加上你上个月接入的工单系统集成，都会给一个只涉及 CSS 的会话增加负担。
对于单文件重构，请打开智能体的设置，关闭数据库、浏览器和问题跟踪相关的服务器，等任务需要时再重新开启。如果你不确定每个服务器暴露了哪些内容，可以参阅 MCP 生态系统指南，其中解释了客户端与服务器如何协同工作。如果你在维护自己的服务器，分步构建 MCP 服务器一文展示了如何只暴露你所定义的工具。
总结
| 习惯 | 从上下文中移除的内容 | 依据 |
|---|---|---|
| 明确指定文件 | 探索性的文件读取 | 基于推理的实践经验 |
| 项目说明文件 | 重复摸索项目约定；无效输出 | arXiv 2601.20404 |
| 先计划后写代码 | 在错误方向上消耗的读写操作 | 基于推理的实践经验 |
| 自己执行搜索 | 为找几行代码而打开的整个文件 | Spotify Engineering，单个 Java monorepo |
| 保持会话简短 | 陈旧的对话历史 | Anthropic 的 Claude Code 成本指南 |
| 禁用闲置工具 | 任务从未调用的集成 | Anthropic 的 Claude Code 成本指南 |
结语
Token 成本随上下文规模增长，而像 Claude Code 这样的智能体每次请求都会重新发送整个对话，因此它读取后又反复重读的上下文会迅速累积。上述每个习惯都是通过让上下文保持精简、聚焦任务来发挥作用的。不妨挑选其中一个习惯，把你即将发送的提示词和文件粘贴到 LLM Token 计数器中，分别统计改变前后的 Token 数。没有实测数据，所谓的节省只是猜测。
常见问题
压缩（compact）智能体会话和清理（clear）智能体会话有什么区别？
压缩是用摘要替换较早的对话历史并让会话继续进行，而清理则是丢弃历史记录、从全新的上下文开始。在 Claude Code 中，模型必须读取整个对话才能生成摘要，因此压缩一个庞大的上下文本身就是一次开销不小的请求，而清理则不产生任何费用。如果在任务进行中先前的决策仍然重要，就使用压缩；在不相关的任务之间，则使用清理。
在 Claude Code 中，未使用的 MCP 服务器还会消耗 Token 吗？
会，但比以前少。默认情况下，Claude Code 使用工具搜索（tool search）机制：启动时，模型只能看到每个服务器的工具名称和说明，只有当任务需要调用某个工具时，才会获取其完整 schema。在以下情况中，Claude Code 会回退为预先加载全部内容：ANTHROPIC_BASE_URL 指向非第一方主机时；在托管于 Azure 的 Microsoft Foundry 部署上；以及在 Google Cloud Agent Platform 上使用早于 Claude 4.5 代的模型时。标记为 alwaysLoad 的服务器也会被完整加载。此外，任何服务器的工具输出仍然会进入上下文。
换用更便宜的模型能减少 Token 用量吗？
不能。更便宜的模型改变的是每个 Token 的价格，而不是 Token 的数量。智能体仍然会读取同样的文件，重复发送同样的历史记录。不过这两种手段可以叠加使用：Anthropic 的 Claude Code 成本指南将"根据任务选择合适的模型"和"在不相关的任务之间清理会话"列为降低支出效果最显著的习惯。
如何在 Claude Code 内部查看 Token 用量？
运行 /usage 可查看会话成本、套餐用量上限和活动统计；运行 /context 可查看当前上下文窗口中各部分内容的占用明细。在 Pro、Max、Team 和 Enterprise 套餐中，/usage 还会指出占你近期用量 10% 或以上的行为（例如长上下文），并给出削减建议。其中显示的金额始终是按标价计算的估算值。如果你使用的是订阅套餐，它并不代表你实际支付的费用。
