| name | token-saver |
| description | Claude Code token optimization advisor. Analyzes current session/project for token waste and applies proven cost-reduction strategies. Use when: (1) user asks about saving tokens, reducing cost, or optimizing Claude usage, (2) user complains about high token consumption or rate limits, (3) before starting a large multi-file task (proactive optimization check), (4) when session context is growing large and /compact might help, (5) when reviewing CLAUDE.md or .claudeignore configurations. Triggers: "省token", "save tokens", "太贵了", "token太多", "优化成本", "reduce cost", "token optimization", "缓存命中", "cache hit", "compact建议", "省钱", "save money", "token budget".
|
| user_invocable | true |
Token Saver — Claude Code 省钱工具箱
基于 Claude Code 源码分析和缓存架构，提供可立即执行的 token 优化策略。
核心原理
Claude Code 每轮对话将以下内容完整打包发送给 API：
- 系统指令（角色定义、行为准则）
- ~40 个工具的完整定义
- CLAUDE.md 项目上下文
- Git 状态快照
- 完整对话历史
- 本轮消息
第 N 条消息的实际输入 = 前 N-1 条全部内容 + 新消息（线性增长）
提示缓存机制（以 Sonnet 4.6 为例）
| 计费类型 | 价格 / 百万 token | 相对正常价 |
|---|
| 正常输入 | $3.00 | 100% |
| 缓存写入 | $3.75 | 125%（首轮建缓存） |
| 缓存读取 | $0.30 | 10%（后续命中） |
系统提示占每轮输入的 60-80%，缓存命中后只付一折。
缓存断点位置
Claude Code 每个请求放置 3 个缓存断点：
- 断点 1-2：系统提示内部（identity + CLAUDE.md/Git/环境信息）
- 断点 3：最新一条消息（历史消息无断点，旧工具调用结果替换为轻量引用）
Pro 用户缓存 TTL
- 默认：5 分钟过期
- Pro/Max 订阅未超额：1 小时有效期
- 超过 5 分钟不操作 → 缓存失效 → 系统提示重新付写入费
四大缓存杀手
缓存基于严格的字符级哈希，前缀任意字节变化即失效。
杀手 1：会话中切换模型
缓存绑定具体模型。Sonnet → Opus = 缓存清零，系统提示重新付写入费。
- 20,000 token 系统提示：切模型前 $0.006/轮 → 切后 $0.075（12 倍惩罚）
- 做法：需要换模型就开新会话
杀手 2：会话中修改 CLAUDE.md
CLAUDE.md 合并在系统提示的第二个断点里，改内容 = 缓存立即失效。
- 做法：开会话前写好 CLAUDE.md，开始后不动
杀手 3：注入精确时间戳
CC 只注入精确到天的日期。精确到秒 = 每次请求哈希不同，缓存永远无法命中。
- 做法：通过 API 集成时不要往系统提示塞每秒变化的内容
杀手 4：工具描述里的随机路径
工具描述混入随机 UUID 路径 → 每次请求不同 → 12 倍成本惩罚。
优化策略速查
架构层（节省 50-80%）
-
一个会话一个任务
话题切换后，旧对话历史 = 每轮付费的噪音。新任务开新会话。
-
主动 /compact + Auto-Compact 调参
完成子任务即手动压缩，附定制保留指令：
/compact 保留 API 设计决策和文件修改记录
压缩时 CC 自动：去除图片和冗余内容、重新注入最近 5 个文件、保留 Plan 和 Skills 上下文。
压缩请求与主对话共享缓存前缀，不浪费已积累的系统提示缓存。
Auto-Compact 环境变量（加到 ~/.zprofile）：
export CLAUDE_AUTOCOMPACT_PCT_OVERRIDE=60
-
固定模型，不中途切换
需要换模型就开新会话，保留当前所有缓存。
-
开会话前写好 CLAUDE.md
会话中改 CLAUDE.md = 主动让系统提示缓存失效。
提示词层（节省 20-50%）
-
一次说完 > 分多条追问
3 条消息 = 3 次完整上下文加载。1 条消息 = 1 次。
✅ "总结这个文件，列出要点，建议标题"
❌ "总结这个文件" → "列出要点" → "起个标题"
-
编辑消息 > 发新消息纠正
每条新消息永久追加进历史，后续每轮都要为它付费。
CC 支持 两次 Esc 回滚历史消息重新编辑。
-
给精确路径 > 让 AI 搜索
模糊描述触发 Explore Agent 多轮搜索（每轮一次 Haiku 调用）。
✅ "读 src/services/auth.ts"
❌ "帮我找处理登录的文件"
-
简单任务关闭 Thinking
文件编辑/格式化/搜索替换等不需要扩展思考。Thinking token 与输出 token 同价。
文件层
-
CLAUDE.md 的 ROI
5,000 token CLAUDE.md × 20 轮对话：
- 有 CLAUDE.md：首轮写入 + 19 轮读取 ≈ 0.4 RMB
- 无 CLAUDE.md 每轮手工提供：20 轮正常输入 ≈ 2 RMB
- 节省 ~90%
用
/init 功能生成初始 CLAUDE.md，精简但完整。
-
排除 JSON Token 黑洞
JSON token 密度是普通代码 2 倍。在 .claudeignore 排除：
package-lock.json、yarn.lock、uv.lock、Cargo.locknode_modules/、dist/、target/、__pycache__/*.map、*.min.js、*.min.css
子智能体省钱技巧
Explore Agent（代码搜索）
- 自动用 Haiku（比 Sonnet 便宜 73%，比 Opus 便宜 95%）
- 跳过 CLAUDE.md 加载
- 不共享缓存，长对话看 subagent 更省 token
- 描述越精确，轮数越少，花费越少
Plan Agent（架构设计）
- 继承主对话模型
- 跳过 CLAUDE.md，专注设计不涉及执行
诊断检查清单
当 Agent 检测到以下情况时，应主动建议优化：
三条核心原则
- 保持前缀稳定：固定模型、固定 CLAUDE.md、避免动态内容注入
- 用好缓存杠杆：常用上下文写入 CLAUDE.md，10× 折扣从第二轮起生效
- 控制历史增长：一任务一会话，主动 /compact，批量提问
同样的 Max 套餐，操作习惯不同，实际可用量差距可达 3-5 倍。
