最大化利用Claude Code会话的价值

输入和输出令牌

一次请求在GPU上分两个阶段处理，且两阶段的成本不同。

首先，在预填充阶段，模型会读取你的请求和上下文：系统提示、你的CLAUDE.md文件、你的消息，以及自会话开始以来添加的所有内容（Claude读取的文件和它执行命令的输出）。这些都是你的输入令牌。

然后，在解码阶段，模型生成输出令牌：它的思考过程、调用的工具以及你看到的文本。输出是逐个令牌生成的；比如200个令牌的回复就是模型连续运行200次。每个输出令牌的解码阶段会让GPU持续工作更长时间，因此输出令牌的价格大约是输入令牌的5倍。

会话中的许多输出令牌是“思考令牌”，模型每轮思考的深度由“努力等级”控制。你通过/effort命令选择的等级会作为下次会话的默认设置。

提示： 在新会话中运行一次/model和/effort，查看当前设置。两者都会记住你上次的选择，确保你的决定是有意识的。

提示： 如果你知道某次会话只是简单重复工作，可以设置MAX_THINKING_TOKENS=0来关闭思考（Fable 5除外），这比设置/effort low更节省资源。

提示缓存

如果请求的开头令牌与服务器刚处理过的请求完全相同，服务器会复用之前的状态，只需预填充新增部分，这就是提示缓存。

从缓存读取的成本是输入价格的0.1倍，因为服务器直接加载状态而非重新计算。写入缓存的成本略高，最多是正常输入的2倍，因为服务器还要保存状态。但写入只发生一次，后续每轮读取都很便宜。

Claude Code会自动管理提示缓存，无需手动开启。但某些操作会破坏缓存，导致成本激增，了解如何避免很重要。

举例说明：

1. 当你输入“修复utils.test.ts中的失败测试”时，Claude Code会将系统提示（含工具定义）、CLAUDE.md和消息组合成请求发送。此时缓存为空，全部内容都要预填充并写入缓存。
2. 模型无法修复未见过的测试文件，它会先思考并发出读取utils.test.ts的请求（输出令牌）。Claude Code读取该文件，追加到对话中，再次发送完整请求。此时请求1的内容从缓存读取，成本仅为十分之一，只有新增的读取请求和文件内容按全价预填充。
3. 模型接着请求被测试文件（输出），又一次读取、追加并发送，前两次请求从缓存读取，新增文件全价预填充。
4. 模型发出编辑指令（输出），Claude Code应用编辑，追加结果并发送，新增编辑及结果全价预填充，之前内容缓存读取。
5. 模型运行npm test（输出），追加测试输出并发送，只有测试输出是新增内容。
6. 测试通过，模型给出简短总结（输出），无工具调用，无需追加，结束。

这五次请求中，每次都包含了之前所有对话内容。通常输入令牌数远大于输出令牌数，但只有本轮新增内容按全价计费。

这同样适用于订阅用户，虽然你看不到具体价格，但这些请求会消耗你的额度。

缓存匹配必须从请求开头开始，且请求顺序固定：工具定义、系统提示、对话（CLAUDE.md在最前）。

任何前缀变化都会导致后续内容重新预填充。理想情况是工具结果追加在对话末尾，不影响缓存。破坏缓存的操作包括：

• /model：不同模型有独立缓存，切换模型会导致整段对话重新预填充。
• /effort：努力等级也是缓存键的一部分，切换时同样会重新预填充。
• 快速模式：也是缓存键的一部分，开启时会按快速模式价格重新预填充，建议在会话开始时开启。
• /compact：会用简短对话替换当前对话，导致缓存失效。
• 时间：订阅缓存1小时过期，API密钥5分钟过期，过期后下次请求需重新预填充全部内容。

这并不意味着你不该切换模型或努力等级，而是要选择合适时机，比如会话开始或刚执行/clear后切换，避免在长对话中途切换。

提示： 如果最近几轮对话不想保留，使用/rewind回退到之前，而非/compact。回退只删除末尾几轮，缓存仍然有效且无额外成本。/compact会重写整个对话，必然产生费用。

会话发送令牌数量的决定因素

核心是：对话中出现的内容（文件、命令输出等）每轮都会重新发送，持续整个会话。

虽然缓存降低了重复发送的成本，但仍占用上下文空间，影响模型每轮的计算负担。

会话成本主要取决于上下文中令牌数量、它们存在的轮数以及同时运行的上下文数量。

上下文中包含什么

上下文中部分内容在你输入前就存在：工具定义、系统提示、CLAUDE.md和启动时加载的其他内容。

提示： 在新会话中运行/context查看初始上下文。保持CLAUDE.md只包含具体指令，将工作流相关内容放入技能（skills），仅在使用时加载。如果有不需要的MCP服务器，用/mcp关闭。

会话中大部分新增内容是工具结果：Claude读取的文件和命令输出。

Claude读取多少文件取决于它需要自己查明多少信息。比如你说“测试失败”，它得先找出哪些测试失败，可能需要grep几次，打开几个文件，这些结果会一直保留在上下文中，直到不再有用。

如果你直接说“修复utils.test.ts中的失败测试”，就跳过了搜索，只有一次读取文件操作；如果用@utils.test.ts提及文件，甚至不需要读取调用。

提示： 提及文件时用@符号而非手动输入路径。Claude Code会在发送前自动附加文件，确保它在首个请求中出现，无需额外读取调用。文件内容占用上下文空间相同，@提及只需一次，重复提及会附加副本。

命令输出也是上下文的重要组成部分。每次运行测试、构建或git日志，输出都会追加到对话中，持续存在相同轮数。

超大输出会被写入文件，只在对话中保留简短预览和路径（可通过BASH_MAX_OUTPUT_LENGTH调整）。

问题是中等大小输出，比如400行测试通过的日志，会一直占据上下文，增加成本。

Claude通常会用参数和tail命令帮你过滤输出，如果不想依赖它，可以在文档中设置钩子，预先重写命令，只返回重要行。

提示： 把你常用的两三条命令（含静默参数）写进CLAUDE.md，例如“用npx vitest run --reporter=dot运行单个测试文件”。这小小的改动能节省每次会话几百行输出和一次请求。

上下文保留时间

一次长会话比多个短会话成本高得多，因为第40轮还要重新读取前39轮内容。保持上下文简短且相关，避免将一个任务的上下文带入下一个任务：开始新任务时用/clear，任务早期完成时用/compact。

提示： 如果想保留会话，先用/rename改名再/clear。/compact时告诉它保留哪些内容，或者在CLAUDE.md里写“Compact instructions”部分。如果你用的是1M模型，想恢复自动压缩保护，运行/autocompact 200k（需要Claude Code v2.1.221+）。

注意自动执行的轮次，比如/loop命令会在设置的会话中持续执行，每次都带着整个上下文。如果超过一小时没操作，缓存失效，成本更高。建议在新终端开启新会话运行循环。

子代理（Subagents）

另一种减少上下文负担的方法是使用子代理。子代理拥有独立上下文窗口，包括系统提示、工具和CLAUDE.md，但不包含主会话对话内容。它独立运行轮次，完成后只返回答案，其他内容丢弃。

缺点是子代理可能需要重新读取主会话已有内容，且自己承担轮次成本。对于小任务是额外开销。

但处理大量不需保留的输出时很划算，比如分析日志。Claude通常会自动调用子代理，你也可以直接请求（“用子代理分析这个日志”）。主会话只收到子代理选择报告的结果。

提示： 如果有重复交给子代理处理的嘈杂任务，给它单独定义一个子代理，使用model: haiku或sonnet，否则它会用主会话模型。

优先关注的四个方面

以上内容中，以下四点最值得关注，按成本大小排序：