Claude Code 配额烧得太快？Max 用户一周的额度有人两天就用完，一个会话的真实成本超过 134 美元。问题往往不在用量大，而在于你不了解背后的缓存机制。这篇文章帮你搞清楚 Token 是怎么花的，以及怎么做才能省。

提示缓存：省 Token 的核心

大语言模型每次收到你的消息，都要从头"读"一遍完整的输入内容。在 Claude Code 里，输入内容通常包括系统指令、工具定义、CLAUDE.md 项目规则、对话历史和新消息。前两部分在同一个会话里几乎不变，但模型每次都要重新"读"。

提示缓存做的事情很简单：第一次算完后把中间结果存下来，下次遇到相同的输入前缀，直接用存好的结果，跳过重复计算。读取缓存的成本只有重新计算的十分之一。

但缓存有两个前提条件：

• 缓存只对"前缀"有效：必须从头开始、一字不差地匹配。你在第一页改了一个字，整个缓存全部失效。
• 缓存有存活时间：主智能体的缓存窗口是 1 小时，子智能体是 5 分钟。每次缓存命中都会刷新计时器。

缓存命中的位置和命中率直接决定了你的 Token 开销

三个反直觉的省钱策略

理解缓存之后，有些"常识"要翻过来。

缓存还热的时候，继续聊比开新会话便宜

Claude Code 每次新会话启动，都要重新加载系统提示、工具定义、CLAUDE.md、项目配置。这些"基础设施"大约 5 万 Token。频繁 /clear 等于反复为这些不变的内容付全价写入费。

而在活跃会话里，这些内容一直在缓存中，每次只付十分之一的价格。

复杂任务一次做对，比来回改三轮更省

关掉扩展思考确实能在单次请求里省 Token。但一个复杂的重构任务，开着扩展思考一次搞定，和关掉之后来回改三轮，后者更贵的概率很大。因为每多一轮对话，整个上下文都要重新发送一次。

简单任务反过来，把 /effort 调低或者在 /config 里关掉思考模式，效果立竿见影。

长内容给路径，别往对话里贴

不要把 10000 行日志复制粘贴到对话里让 Claude 自己找错误，直接把日志文件路径发给它。Claude Code 会自己用 grep 之类的工具去检索需要的信息，只把相关内容拉进上下文。

记住: 最便宜的 Token，永远是根本没进上下文的 Token。

控制输入质量比控制输出长度更有效

继续聊还是开新会话：一张决策表

这可能是 Claude Code 省 Token 最关键的一个判断。很多人的默认习惯是"做完就清"，实际上最省的默认习惯应该反过来：能继续就继续，开新会话是有条件触发的操作。

继续当前会话的条件：

• 任务没变，还在调同一个 bug、写同一个模块
• 距离上一条消息不超过 1 小时，缓存还活着
• 上下文里的内容对当前工作仍然有用

开新会话的条件：

• 任务换了，两件事的上下文完全不同
• 闲置超过 1 小时，缓存大概率已经过期
• 上下文被不相关内容塞满，噪音太多

一句话总结：缓存还热、任务没换，继续聊。缓存过期、任务切换、上下文噪音太多，果断重开。

一个会话只做一件事的工作方式，几乎不会触发配额问题

1M 上下文窗口：慎用

从 2026 年 3 月起，Max、Team、Enterprise 计划默认使用 Opus 4.6 的 1M 上下文窗口。Anthropic 取消了长上下文的 2 倍价格溢价，但 1M 上下文正在成为很多人配额见底的头号原因。

问题出在缓存失效的代价上。你用 1M 上下文积累了一个很长的会话，中间离开电脑超过 1 小时，回来继续聊，1M Token 的缓存全部过期，一条消息就要触发全量重建。

大多数日常会话在 80-120K 上下文时就会触发压缩，根本用不到 200K，更别说 1M。

如果你想禁用 1M 上下文，在 ~/.claude/settings.json 中添加：

{
  "env": {
    "CLAUDE_CODE_DISABLE_1M_CONTEXT": "1"
  }
}

如果你想设置自动压缩上下文的阈值：

{
  "env": {
    "CLAUDE_CODE_AUTO_COMPACT_WINDOW": "200000"
  }
}

上下文接近 20 万 Token 时自动压缩摘要化，既保留上下文连续性，又防止成本失控。

六条核心操作规则

一、用 Sonnet 做日常工作

Opus 的输入成本大约是 Sonnet 的 1.7 倍，消耗 Token 的速度大约是 Sonnet 的两倍。大多数编码任务 Sonnet 就够了，Opus 留给复杂架构决策和多步推理。在 Claude Code 里输入 /model 切换。

二、别在会话中间换模型

提示缓存按模型隔离。你在 Opus 上积累了 10 万 Token 的缓存，切到 Sonnet 问个简单问题，Sonnet 要从零建立自己的缓存。需要用轻量模型的场景，用子智能体而非切换主模型。

三、精简 CLAUDE.md，控制技能数量

CLAUDE.md 的内容会注入到每一次请求里。官方建议控制在 200 行以内，只保留真正长期有效的规则。技能也不是越多越好，没在用的 MCP 服务也记得关掉。

一个小技巧：在 CLAUDE.md 里用 HTML 注释写维护者备注，Claude 注入上下文前会把注释剥掉，不花 Token。

四、命令行优先，MCP 其次

GitHub 的 gh 命令行工具比 GitHub MCP 服务器消耗的 Token 少得多。能用命令行解决的事，别装 MCP。

五、先花一点 Token 做计划

复杂任务先进入计划模式，让 Claude 先探索代码、提出方案，再进入实施。真正昂贵的是方向错了以后重扫代码、重写实现、重跑测试。

六、用 permissions.deny 限制阅读范围

在 .claude/settings.json 中用 permissions.deny 严格限制模型可读取的范围：

{
  "permissions": {
    "deny": [
      "Read(./.env)",
      "Read(./.env.)",
      "Read(./secrets/)",
      "Read(./node_modules/)",
      "Read(./build)"
    ]
  }
}

从源头减少不必要的文件读取，避免 Token 浪费

委派任务减少主会话消耗

子智能体：Claude Code 的子智能体有独立上下文，完成后只返回简短摘要给主会话。代码审查、跑测试、查文档这些工作的详细输出不会留在主会话里，后续每条消息都不用为这些内容付费。

Codex 插件：如果你同时有 OpenAI 订阅，社区里有人用以下命令把部分任务分出去：

claude mcp add codex -- npx -y @openai/codex-plugin-cc

适合委派的：结构化的 bug 修复、代码审查、写测试。留给 Claude Code 的：架构设计、跨文件重构、需要理解整个代码库的复杂工作。

总结

省 Token 的核心思路就一句话：让缓存尽可能多地被命中，让上下文尽可能少地装无关内容。

开新会话是手段，理解了提示缓存之后你会发现，"在活跃会话里继续工作"才是默认策略，"开新会话"是特定条件触发的优化操作。