Claude Code 官方教程：把 Session 用到极致，省 token 技巧

Claude Code 官方近期发布了一篇实操性很强的文章，专门讲解如何提升 Session（会话）使用效率，把每一个 token 都花在刀刃上。核心结论是：不同任务尽量用 /clear 清空对话；开始前确认 /model 和 /effort；引用文件用 @-mention；给命令加 quiet 参数；离开前先 /compact。这些动作都能显著降低 token 消耗，尤其在长会话中效果更明显。

为什么同样的任务，token 消耗差很多

在传统编辑器（如 VSCode、IDEA）里，改一个 bug 和改五十个 bug，费用不会变化。但 Claude Code 这类 Agentic Coding 工具按 token 计费，不同使用方式下，同一个任务的 token 消耗可能相差数倍。

官方用两个 Session 做对比：一个 Session 直接读测试文件和对应源码，改完跑测试，几轮结束；另一个 Session 在仓库里四处搜索，为了找到目标文件读了一堆无关内容，这些内容进入上下文后，每一轮都会跟着请求发送，导致 token 消耗剧增。

所以，提高 token 效率不是一味少用，而是确保每个 token 都产生实际价值。

token 价格由什么决定

Claude 按 token 计费，实际支付的是背后的推理成本（GPU/TPU 处理时间）。一个 token 的价格主要受三个因素影响：模型、输入/输出类型、是否命中缓存。

模型

模型参数量越大，计算成本越高。遇到复杂推理任务再上大模型；简单重复工作（改变量名、跑测试）用小模型即可。Claude Code 中可通过 /model 切换。

以下图片分别展示了简单任务和复杂任务下，不同模型与 effort 程度的对比：

输入与输出 token

一次请求分为两个阶段：

1. Prefill（预填充）：模型先读取当前上下文，包括 system prompt、CLAUDE.md、历史消息、文件内容、命令输出等。这些属于输入 token。
2. Decode（解码）：模型逐个生成 token，包括 thinking、工具调用和最终回答。这些属于输出 token，价格约为输入的 5 倍。

下图分别展示了 prefill 和 decode 阶段包含的内容：

/effort 控制每一轮思考投入量。新开 Session 时先用 /model 和 /effort 确认当前设置，避免一上来就拉满。如果这次 Session 全是重复、明确、不需要深入推理的工作，可以用 MAX_THINKING_TOKENS=0 启动 Claude Code，关掉额外 thinking（Fable 5 除外）。

Prompt cache

Prompt cache 机制：如果新请求的开头与刚处理过的请求完全一致，服务器直接加载已保存的 state，只需对新内容做 prefill。缓存读取价格约为普通输入的 0.1 倍；首次写入缓存可能达到普通输入的 2 倍。Claude Code 会自动管理缓存，但某些操作会人为破坏缓存。

以 Fix the failing test in utils.test.ts 为例，整个过程实际会发出 5 次模型请求：

1. 第一次请求：缓存为空，全部 prefill 并写入缓存。
2. 第二次请求：模型生成 Read 工具调用，Claude Code 读取文件，追加内容后发起请求，历史内容走缓存，新增文件需正常 prefill。
3. 第三次请求：继续读取第二个文件，追加后再次请求。
4. 第四次请求：模型生成 Edit 工具调用，修改结果追加后继续请求。
5. 第五次请求：运行 npm test，测试输出追加后请求，最后生成总结，任务结束。

每一轮请求的成本大致由三部分组成：历史上下文（缓存价）、本轮新增内容（正常输入价）、模型生成的 thinking/工具调用/回答（输出价）。即使订阅套餐，也按同样逻辑消耗额度。

容易导致缓存失效的操作：

• /model：不同模型各自独立缓存，中途切换会让后续请求重新 prefill。
• /effort：effort 级别是缓存 key 的一部分，中途修改效果等同切换模型。
• Fast mode：是否开启 Fast mode 也参与缓存匹配，中途开启会重新按 Fast mode 价格 prefill。
• /compact：上下文压缩会重写整个对话，只有 system prompt 保留。但若旧对话仍在缓存中，压缩成本不高。
• 时间：订阅模式缓存约一小时后过期；API key 默认五分钟，设置 ENABLE_PROMPT_CACHING_1H=1 可延长至一小时。超时后下一轮需要重新 prefill。

如果对话跑偏，可用 /rewind 回退，它只剪掉末尾几轮，前面内容仍能命中缓存；/compact 则会重写全部对话，必然产生新成本。

一个 Session 到底会发送多少 token

Claude 读过的文件、命令输出都会在后续每轮中重复发送。它们大部分能命中缓存，所以重复发送较便宜，但不是免费。更重要的是，这些内容一直占据上下文窗口，影响每一轮思考。

一个 Session 的成本取决于：多少 token 进入上下文、它们存在了多少轮、以及同时开了多少个上下文。

什么内容会进入上下文

在你输入第一句话之前，上下文中已有工具定义、system prompt、CLAUDE.md 等。新开 Session 后运行 /context，可以查看尚未工作时已占用的上下文：

CLAUDE.md 尽量只保留长期有效的规则；临时工作流用 Skill 按需加载；用不到的 MCP server 通过 /mcp 关闭。

Session 开始后，最容易塞满上下文的通常是工具调用结果，如读取的文件和命令输出。直接说“测试失败了”，Claude 要先搜索；直接写 Fix the failing test in utils.test.ts，会跳过搜索去 Read；写成 Fix the failing test in @utils.test.ts，文件会在第一条消息前直接附加，连 Read 都省了：

@-mention 与手动 Read 的文件本身占用的上下文空间一样，区别在于省掉了工具调用。同一个文件在对话中提一次就够了，反复 @ 会重复附加文件。

另一个大户是命令输出。每次运行测试、构建、git log，终端内容都会像文件一样进入对话并一直保留。超过 30,000 字符时，Claude Code 会把完整输出写进文件，只保留一小段预览和路径，阈值可通过 BASH_MAX_OUTPUT_LENGTH 修改。

比较麻烦的是那些未超限、但又臭又长的输出——比如测试工具把 400 个通过的测试逐行打印，因为没有超过 30,000 字符限制，这 400 行会全部进入上下文，造成不必要的 token 消耗。

因此，给测试、构建、日志等命令加 quiet 参数，或交给 Subagent 去处理，能有效避免这些输出污染主上下文。

省流版总结

• 不同任务之间使用 /clear，别让旧任务上下文带到新任务。
• 开始前用 /model 和 /effort 确认模型与思考强度，中途切换会破坏缓存。
• 引用文件用 @-mention，省一次 Read 调用。
• 命令加 quiet 参数或交给 Subagent，避免输出占用上下文。
• 新开 Session 后运行 /context，了解初始上下文占用。
• 暂时离开前先 /compact，缓存未过期时压缩成本更低。

把这些习惯用起来，能明显改善 Claude Code 的 token 使用效率。