你知不知道你的AI工具会话中有很多Token刺客，藏在你看不见的地方。只有运行高效的会话，才能以最大限度地发挥每个Token的价值。
同一个任务，Token消耗差10倍
Claude官方做过一个实验，同一项编码任务交给两个工程师。一个是熟练老手，一个是刚入门的新手。
老手直接定位目标文件，改完走人。新手呢？一通盲目搜索，读了十几个压根不相关的文件，执行了一堆低效检索。
两边最终结果出来，Token消耗差了好几倍。
你可能觉得，这跟编码水平有关，我又不是新手。
但仔细想想，你知道你每次操作烧了多少Token吗？大多数人其实不知道。
编程工具免费的时代过去了
以前用VS Code也好，JetBrains也好，修1个bug和修50个bug，工具成本没区别。月费一交，随便用。
但到了Claude Code这类AI编程智能体，情况完全不一样了。每次文件搜索、每次代码读取、每次重构操作，都在消耗Token。每一个编码任务都有真实的开销。
从固定月费变成了按次计费。你的每一步操作都挂上了价格标签，只是大多数时候你看不见。
输出比输入贵5倍，钱主要花在哪
要搞清楚钱花在哪，得先看一次API请求在硬件层面发生了什么。
请求分两步走。
第一步叫Prefill，GPU并行读取你发过去的提示词，速度很快，吞吐极高。
第二步叫Decode，模型一个字一个字地往外蹦，串行推理，占用GPU时间长得多。
打个比方，Prefill是整列高铁同时停靠站台，瞬间完成。Decode是每节车厢依次拆卸，慢慢往外搬。
直接后果就是，输出Token的单价约为输入的五倍。
所以省钱的重点在控制输出。你让模型少说两句废话，比你精简提示词管用得多。
50 万 Token 的隐形账单
GitHub和Hacker News上有开发者做过实测。在没清理上下文的复杂会话中，单次任务排查烧掉了五十万Token。
五十万Token什么概念？比短会话多出了四到六倍的开销。
原因很简单。你以为你在跟模型讨论当前问题，但之前所有的排查日志、报错信息、调试记录，都随着每一轮请求全量重发。每一轮，无差别重发。
这些上下文你没主动塞，但它们一直在那里跟着你。直到你看到账单才会发现。
Prompt Caching，一折读取
接下来讲一个能直接砍账单的机制，Prompt Caching。
缓存命中后的读取价格，只要常规输入的十分之一，打一折。首次写入成本是常规输入的两倍，但从第二轮对话开始，你就拿到了一折红利。
用修复单元测试举个例子，看五轮流转的实际计费。
首轮请求，系统指令和配置写入缓存，要付2倍写入成本。
第二轮读测试文件，前面的历史全部一折读取。
第三轮定位代码，第四轮编辑，第五轮验证。
整个过程里，绝大多数Token都是按 0.1倍结算的。
会话轮次越多，平均单轮成本越低。你不需要理解底层实现，记住一件事就行，让会话多轮进行，每一轮的成本自然被摊薄。
改一个字，整列车重新计费
Prompt缓存像一列按固定顺序编组的高铁。
头部是工具定义，接着是系统提示词，然后是项目配置文件（比如 CLAUDE.md），最后才是会话历史。四层按严格顺序组装，每一层依赖前一层的缓存。
只要前面的车厢改了一个字，后面所有车厢都得重新挂载，全量重新计费。这就是缓存击穿。
最容易触发击穿的操作是什么？中途切模型。
每个模型维护独立的缓存空间。你从Sonnet切到Opus，之前几十轮的历史会以新模型价格全量重算。中途开启Fast Mode也一样，缓存Key变了，全额重来。
有没有跟老王一样，总爱中途改模型换挡的朋友？我以前也这样，觉得自己很聪明。结果一查Token耗用量，傻眼了。
三个你大概率会踩的坑
原理讲完了，落到日常操作上，最容易出事的就三个地方。
第一个，中途切模型。 每个模型的缓存空间独立。你以为切一下很快，实际上是让系统把之前所有对话重新算一遍。开一个新会话的成本远低于在旧会话里换模型。
第二个，走错分支后用 /compact 而不是 /rewind。 compact 会重写历史，缓存前缀全部作废。rewind 只截断尾部的无效轮次，前面的缓存完整保留，零额外重算成本。这两个命令看着差不多，对账单的影响完全不同。
第三个，简单任务不关思考模式。 日常会话可以用effort命令调节思考档位。碰到格式转换、简单重命名这种机械活儿，直接设MAX_THINKING_TOKENS 为零，关掉思考。输出Token单价是输入的五倍，让模型别想直接干，省下来的钱比你精简提示词要多得多。
这三个坑我自己都踩过。特别是第三个，以前总觉得让模型多想想质量更好，后来发现好多任务压根不需要想。
给自己设个上下文阈值
回到开头那个问题。同一个任务，Token消耗差10倍。
差距不在技术水平，而在会话管理意识。
我自己在用Hermes Agent的时候，设了一个自动压缩阈值，当上下文达到50%时自动压缩，目标压到20%。这样既保留了关键上下文，又避免了无意识的拖拽膨胀。
掌握高效会话管理，才能最大限度地发挥每个Token的价值。
这不是一个关于省钱的技术问题。这是一个关于如何在AI编程时代建立新的工程习惯的问题。
你的Token预算是有限的，但你能让每个Token发挥的价值，取决于你对这个系统的理解深度。
