Claude Code 令牌耗尽？7个隐藏消耗点审计与修复指南

很多 Claude Code 重度用户都遇到过同样的挫败：明明没有让它连续运行 8 小时，也没做什么大工程，却总是提前撞上使用限制，被系统告知「5 小时后再来」。一位 B 站 UP 主分享的排查经验揭示了一个反直觉的事实——真正吃掉你 Token 额度的，几乎不是你输入的提示词，而是那些看不见的重复消耗。

本文基于该 UP 主的实测拆解，梳理出 Token 消耗的底层机制，并按「实际节省额度」从高到低排列出七个修复方法：从零成本的操作，到那些你为了省钱反而让账单翻倍的陷阱。

为什么 Token 会「复合增长」

理解 Token 消耗，关键在于一个事实：这些模型没有记忆，完全没有。每次你按下回车，整个对话都会被重新打包，从头发送一遍。

第一条消息只花费你输入的内容；第二条消息花费你输入的内容加上模型的回答，再加上第一条消息；到第二十条消息时，你刚写的那点内容只是顶部的一个小框，下面的所有历史都是你已经付过费、现在又要再付一次的部分。这就是 Token 复合增长的根源。

据 UP 主的日志显示，他实际输入的内容只占账单的约 0.01%，96% 的花费都来自他所称的「中毒历史」（poisoned history）——那些被反复重发的旧对话。一个在第 40 轮会话里读取的代理，光是重发历史就可能把 3000 Token 的开销放大几十倍。

由于每个人的配置不同，UP 主提供了一段可直接粘贴进 Claude Code 的审计提示词，它会读取你的实际配置、分解上下文构成、检查工具延迟、测量记忆文件、查看缓存命中率，并标记那些在你睡觉时触发的定时任务。跑一遍就能知道到底是什么在吞噬你的额度。

这种机制在技术上被称为「上下文窗口」（Context Window）。大语言模型每次推理时，接收的是一个固定长度的文本序列——即上下文窗口——而非像人类一样拥有持久记忆。Claude 3.5 系列的上下文窗口上限约为 20 万 Token（约 15 万单词），Opus 则更大。当对话长度逼近这个上限时，系统会自动裁剪最旧的内容，但在此之前，每一轮交互的计费基础都是「系统提示 + 全部历史对话 + 当前输入」的总和。Token 是模型处理文本的基本单位，大致对应英文中 3/4 个单词或中文的 1-2 个汉字。Anthropic 的定价区分「输入 Token」和「输出 Token」，输入通常更便宜，但在长会话中，历史记录的反复重发使输入量急剧膨胀，远超任何单次回复的输出量，这正是「复合增长」效应的数学根源。

修复一：任务之间用 /clear（零成本，杠杆最高）

削减成本最高杠杆的操作是免费的，只有五个字母：/clear。

当你完成一个任务开始下一个时，不要图方便就在同一个会话里继续。旧对话不会安静地待着，它会在你发送的每条消息里被重新发送，直到额度耗尽。UP 主演示中，一个会话的消息量高达 8 万 Token，输入 /clear 回车后瞬间归零。

Anthropic 的文档也明确指出，当你想要重新开始而不是延续时，/clear 不花任何成本。这也是它胜过其他所有方法的原因——其他修复只减少上下文的某一个组成部分，而清除会重置所有组成部分所依赖的整个基础。

一个实用技巧：在清除前先用 /rename 给会话命名，之后可以用 /resume 恢复，紧急时不至于丢失工作。你不是在扔掉成果，只是阻止下一个任务继续携带它。

修复二：会话开始就选定模型，之后别动它

这一条与省钱直觉正好相反。很多人会在会话中途从 Opus 降到 Sonnet，觉得这样能省钱——而这恰恰是你能做的最昂贵的操作。

原理在于缓存。你的对话被缓存后，缓存读取成本只有正常输出的十分之一，这正是长会话不至于让你破产的原因。但模型是缓存键（cache key）的一部分，一旦切换模型，历史就不再匹配缓存，整个对话会以全价重新处理。在 Opus 上，20 万 Token 的上下文会让原本十分之一价格的回合变成全价，贵十倍，而且这一切完全看不见。

会破坏缓存的操作包括：切换模型、改变努力（effort）级别、开启快速模式、连接或断开 MCP 服务器、启用带 MCP 的插件、以及压缩（compact）。此外升级 Claude Code 后恢复长会话，被 Anthropic 文档直接称为「你会发送的最昂贵的请求」。

相对安全、不会重建缓存的操作有：编辑仓库文件、编辑记忆文件、改变输出风格、调整权限、调整技能和命令、回退（rewind）以及生成子代理。规则很简单：会话开始时就选好模型和努力级别，然后别动。想用便宜模型，就从一开始用。

Anthropic 为 Claude API 引入了「提示缓存」（Prompt Caching）机制，允许服务端将反复出现的上下文前缀存储在高速缓存中。当后续请求的前缀与缓存命中时，读取成本仅为标准输入价格的 10%（即九折优惠）。缓存的键（cache key）由模型版本、系统提示、工具定义和对话历史共同构成——任何一个维度变化都会导致缓存失效（cache miss），触发全量重新处理。缓存条目的有效期约为 5 分钟（默认）至 1 小时（可延长），超时后同样视为未命中。这解释了为何「中途换模型」和「低频定时任务」这两类看似无害的操作，实际上是悄无声息的成本放大器——前者主动销毁缓存，后者被动等待缓存过期。

修复三：给工具输出加过滤器

接下来三个修复针对的是你从没输入过、却在消耗上下文的东西。

设想你让代理安装一个库，它运行命令后返回 800 行日志——版本号、警告、进度信息，你一行都不会看，只想知道它成功了。但代理不能略读，这 800 行全部进入了对话，此后每条消息都要为它们付费，直到你清除。

解决办法是在代理和命令之间加一个小的过滤文件，在代理看到之前就削减输出。Anthropic 官方提供了一个可用版本，能把上下文从数万 Token 减少到数百。这个设置只需做一次，之后每个会话都有效。

修复四：断开不用的 MCP 工具

下一个修复关于「在你输入任何内容前就已经存在于上下文里」的东西。

你连接 Gmail、Notion、Slack，每个只需一条命令，感觉是免费的，但并非如此。每个工具都附带一本「说明书」，代理在使用前必须先阅读。据 UP 主数据，GitHub 本身就要花 2.6 万 Token，Slack 是 2.1 万 Token，这些都会在你说第一个字之前加载进每个会话。

好消息是 Claude 已发布更新，默认让代理不再阅读每一本完整说明书，而是加载「目录页」，只在需要时展开实际用到的部分，成本下降约 85%。这部分默认开启，无需操作。但你仍在为目录页付费，且每连接一个新工具目录页就增长。

修复方法约需 30 秒：打开工具面板，关掉最近一个月没用过的任何东西。在会话中关闭工具不花钱——只要那行显示「延迟」（latency），连接和断开只是追加操作，不会像切换模型那样重建缓存。

修复五：子代理是「移动」Token，而非节省

关于子代理有个半真半假的说法：都说它能省 Token，其实它只是转移 Token。

以 Anthropic 自己文档中的数字为例：一个研究型子代理读取了约 6000 Token 的文件，返回主上下文的只是一个 420 Token 的摘要，在主窗口里看起来是巨大胜利。但整体算账，那个子代理还加载了自己的系统提示、记忆文件副本和工具，总共烧掉约 9800 Token，为你节省了 5700。单独看，你其实是亏的。Anthropic 也直言，代理消耗的 Token 约为聊天的 4 倍，多代理系统约为 15 倍。

子代理真正值得用，需要同时满足三个条件：输出高容量、你不再需要细节、且会话还会继续很多轮。第三点是关键——你省下的那 5700 Token 会在剩余每一轮里被重新发送才能回本。如果委派后立即结束会话，你只是白白多付钱。

一个免费升级：把子代理的模型设为 Haiku，能在隔离工作上减少约 5 倍消耗，且不影响主会话的缓存。同理，重命名文件、写提交消息、清理列表这类小任务，用「能完成工作的最笨模型」是好的启发式，但要通过技能和子代理来切换，而不是在主会话里换模型。

Claude Code 中的子代理基于 Anthropic 的多智能体框架实现：主代理（Orchestrator）通过工具调用派生出独立的子代理（Subagent），每个子代理拥有自己独立的上下文窗口，与主会话完全隔离。子代理完成任务后，仅将结果摘要返回主上下文，而非原始数据。这种架构的本意是突破单一上下文窗口的长度限制，处理超长文档或并行任务，而非降低总 Token 消耗。Haiku 是 Anthropic 的轻量级模型，定价约为 Opus 的 1/30 至 1/50，适合执行明确、输出简短的子任务（如文件重命名、格式转换）。将子代理指向 Haiku 而非 Opus，可在不影响主会话缓存的前提下大幅压缩子任务成本，但前提是该子任务不需要复杂推理能力。

修复六：检查凌晨三点的定时任务

前面每个修复都假设你坐在键盘前，这一个是关于你不在时发生的事——也是开头承诺的那个「陷阱」。

定时任务按间隔触发，无论你在不在，且它发送的是整个上下文而非一部分。如果任务连接到一个臃肿的会话，每次触发都要为整个上下文付费，永远如此。

更痛的是缓存会过期。如果任务运行频率低于每小时一次，每次触发都会错过缓存，以全价重新处理整个上下文，而不是十分之一的缓存价，成本翻十倍。因此任务频率是一个真实的成本设置：如果能每 45 分钟跑一次而不是每小时或每两小时，反而更便宜。

这里也要纠正一个流行误解：有人说后台开着 Claude Code 会烧限额。Anthropic 文档显示后台使用每次会话不到 4 美分，那不是问题所在。真正让账单在你不碰键盘时翻倍的，是那些连接到臃肿会话、持续消耗直到退出的定时任务。

那些「不起作用」的省钱建议

UP 主特别澄清了几条被广泛传播但其实错误的建议：

写更短的提示：无效。实际输入内容只占账单极小比例，提示长度是四舍五入级别的误差。模糊的提示确实费钱，但那是通过触发文件读取和返工，而不是长度本身。

用压缩（compact）省 Token：反了。为了生成摘要，模型必须再发送一遍整个对话，然后故意清除缓存。压缩买的是「连续性」而非「节省」。如果只想撤销几个糟糕回合，用 /rewind 回退到缓存已知点，无需重新读取。

截图代替文本：图片并不比其中文字便宜。在 Opus 上一张普通截图约 2700 Token，4K 接近 5000。改为粘贴纯文本更便宜，而且代理能实际编辑文本，编辑不了图片。

直接喂 PDF：PDF 每页仅文字就要 1500~3000 Token，代理还会给该页拍照片，等于每页付两次费。先让代理转成纯文本，同样文档大约只花四分之一成本。

「压缩」（Compact）是 Claude Code 提供的一项内置功能，其底层操作是让模型对当前完整对话生成一段滚动摘要，再用该摘要替换原始历史，从而在不清空会话的前提下腾出上下文空间。代价是：生成摘要本身需要完整发送一次旧历史（一次全价输入），且摘要内容是模型的主观提炼，可能丢失细节，还会主动使缓存失效。相比之下，/rewind 命令允许用户回退到指定的历史节点，删除该节点之后的所有内容，且不会触发缓存重建——因为被保留的历史与缓存中的版本完全一致。因此在「后悔几个回合」的场景下，/rewind 在成本和信息完整性上均优于 Compact；Compact 更适合「对话已极度冗长、必须继续但无法清除」的特定情形。

四个你该常看的自查命令

要让这些优化持久有效，UP 主推荐四样工具，其中三个已在你的终端里：

• /context：逐行显示当前窗口里有什么，占用了多少空间，用得最多。
• /usage：显示你烧掉了多少计划额度，以及具体是哪个技能、工具、代理烧的。
• /cost：显示当前会话花了多少，其中多少是「中毒历史」，多少是新工作。
• 屏幕角落的消耗率表：工作时那个跳动的数字，比任何规则更能改变你的行为习惯。

此外，你运行过的每个会话都记录在一个文件夹里，每个回复都记录了成本。让子代理去读这些日志，就能算出属于你自己的消耗百分比，而不是照搬别人的数字。

结语：这是你自己的桌面

核心结论其实很朴素：你撞上限额，几乎不是因为要求太多，而是因为你付费的绝大部分都是已经发送过的历史，而没人告诉你开关在哪。

任务之间清除，因为它免费且重置基础；模型和努力级别选一次就别动；在工具输出落地前过滤它；断开不用的工具；会话还长时才委派子代理；去看看你的定时任务凌晨三点在干什么。UP 主坦言，各家实验室不会主动帮你修这个问题——不是因为难，而是因为他们并不按你用了多少 Token 来给自己评分。这是你自己的桌面，得自己保持干净。建议每周运行一次审计提示词，或每当感觉烧得多时就跑一遍，因为配置会随着你添加服务器、安装插件、修改设置而慢慢漂移。