Day 62 Claude Code 省 Token 的實戰技巧
Day 62 Claude Code 省 Token 的實戰技巧
Day 62 Claude Code 省 Token 的實戰技巧
基本資訊
- 作者: @andrew54068
- 來源: Threads
- 發布時間: 2026-03-03（11 小時前）
- 觀看數: 1.4K
- 社群反應: 25 讚、1 回覆、2 引用、25 分享
核心內容
問題背景
不管你是 API power user 還是 Pro/Max 訂閱使用者，token 用量都直接影響成本或使用限額。
核心策略：Subagent 的模型分配
省 Token 最有效的方式
不是少用，而是用對模型。
Claude Code 的 subagent 可以在 agent 定義裡指定要用哪個模型。關鍵是：不是每個任務都需要 Opus。
實際的選擇邏輯
- 預設用 Sonnet：90% 的程式碼任務都用 Sonnet 處理
- 升級到 Opus：
- 第一次嘗試失敗
- 跨 5 個以上檔案
- 架構決策
- 安全性相關的程式碼
- 降級到 Haiku：
- 重複性高的任務
- 指令很明確的工作
- multi-agent 裡的 worker 角色
在 agent 定義裡指定模型
---
name: quick-search
description: Fast file search
tools: Glob, Grep
model: haiku
---
價格比較（4.6/4.5 世代）
| 模型 | Input | Output |
|---|---|---|
| Opus | $5/M tokens | $25/M tokens |
| Sonnet | $3/M tokens | $15/M tokens |
| Haiku | $1/M tokens | $5/M tokens |
價格分析
- Sonnet vs Opus：便宜約 40%，但絕對金額差異不大
- Haiku vs Opus：input 和 output 都差了 5 倍
- 最划算組合：Haiku + Opus（不是 Sonnet + Opus）
Benchmark 方法
想更精確地知道哪些任務該用哪個模型？可以設計 benchmark：
- 準備一個有明確目標和任務的 repo
- 用
git worktree開多個分支，每個分支的 subagent 統一用同一個模型 - 跑完一輪任務後，用統一的 unit test、integration test、E2E test 來評分
- 比較各模型在不同任務類型上的表現
這個方法比較花時間，但如果你的用量很大，花一次時間做 benchmark 可以省下長期的開銷。
工具層面的最佳化
1. mgrep 取代 grep
- Claude 預設：用
ripgrep搜尋程式碼 - mgrep（mixedbread-ai 出的）：平均可以減少 一半的 token 用量
- 原因：搜尋結果更精準，回傳的雜訊更少
2. 背景程序用 tmux 跑
如果你有長時間執行的命令（build、test suite、server log）：
- ❌ 不要：讓 Claude 直接跑然後串流所有輸出
- ✅ 改用 tmux：在背景跑，完成後只擷取你需要的部分餵給 Claude
💡 關鍵：Input token 是成本的大頭（Opus input $5/M vs output $25/M），減少不必要的輸入最有效。
模組化程式碼的隱藏好處
程式碼結構直接影響 Token 成本
糟糕的情況
- 主要檔案動輒上千行
- Claude 每次讀取都要花大量 tool call
- 中間還可能遺失資訊
良好的情況
- 主要檔案在幾百行以內
- utility 和 hooks 都獨立拆開
- Claude 讀取更快、理解更準確，自然也更省 token
額外好處
- 用 skill 定期清理 dead code
- 用 refactor 消除重複邏輯
- 精簡的 codebase 本身就更省錢
💡 結論：這些維護工作不只是程式碼品質的問題，也是 token 經濟學。
進階：System Prompt 瘦身
數字
- Claude Code 的系統 prompt：約 18,000 tokens
- 佔 200k context window 的 9%
- 透過 patch 可以縮減到約 10,000 tokens
- 省下 7,300 tokens（41% 的固定開銷）
參考資源
https://agenticcoding.substack.com/i/180970862/tip-14-slim-down-the-system-prompt
作者評論
不過原文作者自己也說他沒在用這個，而且 Anthropic 隨時可能更新系統 prompt 導致 patch 失效，所以這比較像是一個 「知道就好」 的選項。
Skills vs CLAUDE.md
以前的做法
團隊共享一個 CLAUDE.md，把所有規則、偏好、專案 context 全部塞在裡面。
現在的做法
團隊一起維護 Skills：
- 每個 skill 是一個獨立的知識單元
- 需要的時候才載入
- 不需要的時候不佔 token
作者現況
我自己目前 personal CLAUDE.md 是空的，也很少需要 project-based 的 CLAUDE.md，可能是因為最近都用 BDD 的方式在開發，如果真的有需要交代 context 的場景，就直接叫 Claude 去讀 README.md 或相關文件就好。
優勢對比
- CLAUDE.md：裡的內容每次 session 都會載入，不管用不用得到都佔 token
- Skills 和檔案引用：只在需要時才進入 context，天生就更省
TLDR（作者總結）
-
省 token 的核心是用對模型：
- Haiku 做簡單任務
- Opus 做複雜任務
- Haiku + Opus 的組合比 Sonnet + Opus 更划算（成本差 5 倍 vs 1.67 倍）
-
工具面：
- mgrep 取代 grep 可省一半 token
- 長時間命令用 tmux 背景執行只擷取需要的輸出
-
程式碼面：
- 模組化 + 精簡 codebase 不只是好習慣，也直接省 token
-
CLAUDE.md 的內容每次載入都佔 token：
- 現在的趨勢是把知識放進 Skills，需要時才載入
參考資源
- 原文連結: x.com/affaa…
- GitHub: github.com/affaa…
關鍵洞察
1️⃣ Token 經濟學：用對模型 > 少用
不是節約 token，而是最佳化 token 的使用：
- Haiku vs Opus 成本差 5 倍
- Sonnet vs Opus 成本差 1.67 倍
- Haiku + Opus 組合最划算
💡 教訓：省錢的關鍵是任務分級，不是一刀切
2️⃣ 工具優化：精準搜尋 = 省錢
mgrep 省一半 token 的原因：
- 搜尋結果更精準
- 回傳的雜訊更少
- Claude 不需要處理無關資訊
💡 教訓：工具選擇直接影響成本
3️⃣ 架構即成本：模組化 = 省錢
程式碼結構影響 token 成本：
- 上千行主檔案 → 大量 tool call + 資訊遺失
- 模組化檔案 → 讀取快 + 理解準 + 省 token
💡 教訓：好的程式碼架構不只是技術債務問題，也是財務問題
4️⃣ System Prompt 瘦身：邊際效益遞減
18,000 tokens → 10,000 tokens：
- 省下 7,300 tokens（41% 固定開銷）
- 但 Anthropic 可能隨時更新 prompt 導致 patch 失效
- 作者自己也沒在用
💡 教訓：不是所有優化都值得做，評估維護成本
5️⃣ Skills vs CLAUDE.md：按需載入勝過全域載入
CLAUDE.md 的問題：
- 每次 session 都載入
- 不管用不用得到都佔 token
Skills 的優勢：
- 需要時才載入
- 獨立的知識單元
- 天生就更省
💡 教訓：從「全域配置」轉向「按需載入」
6️⃣ BDD + README.md 取代 CLAUDE.md
作者的做法：
- Personal CLAUDE.md 是空的
- 很少需要 project-based 的 CLAUDE.md
- 需要 context 時直接讀 README.md
💡 教訓：好的專案文件結構 > 專用的 AI 配置檔
系列文章
Day 62 系列（第三篇）
- Day 60：（待補充）
- Day 61：讓 Claude Code 自己學會不犯同樣的錯（Stop Hook + Skill 提取、continuous-learning v1/v2、instinct 機制）
- Day 62：Claude Code 省 Token 的實戰技巧（Subagent 模型分配、工具優化、模組化、Skills vs CLAUDE.md）
💡 系列主題：Claude Code 進階使用技巧、成本優化、持續學習
社群反應
原文
- 25 讚
- 1 回覆
- 2 引用
- 25 分享
TLDR
- 2 讚
- 3 分享
Related threads
- Day 61（讓 Claude Code 自己學會不犯同樣的錯）：139 讚、8 回覆、15 引用、152 分享
💡 觀察：技術深度系列文章，社群反應穩定，Day 61 互動率最高
與其他文章關聯
Claude 技術生態系列（第八篇）
- #4: Claude Code 工作流配置
- #22: Claude Code Hackathon 得獎作品
- #98: Anthropic Academy 完整課程指南
- #106: Claude Code 做影片一條龍
- #114: Xcode 26.3 MCP Bridge
- #115: 17 項 Claude Cowork 最佳實踐
- #117: Claude Code Skills & Plugins 推薦清單
- #118: Day 62 Claude Code 省 Token 的實戰技巧（本文）
Token 優化主題
- 與 #56（Sakana AI Hypernetwork）、#64（AMD 本地 LLM）、#74（AVP 協議 KV-cache）形成成本優化系列
標籤
#Claude Code #Token 優化 #Subagent #模型選擇 #成本控制 #Skills #工具優化 #程式碼架構 #BDD #持續學習