目录
- 前提：补贴结束了
- 原理一：每轮对话重读全部历史
- 原理二：53.9% 的消耗你根本看不见
- 原理三：稳定的上下文可以缓存
- 原理四：稀缺是结构性的
- 给 Claude Code 用户的实操建议
- 1. 让 CLAUDE.md 瘦身
- 2. 长对话及时 compact
- 3. 默认用便宜模型
- 4. 工具输出是最大的隐性消耗
Stefan Wolpers 在 DZone 上发了一篇 No More Cheap Claude: 4 First Principles of Token Economics in 2026，拆解了 LLM token 消耗的四个底层规律。原文给的是通用 Claude 用户的视角，我这篇把重心移到 Claude Code 上。
前提：补贴结束了
2026 年初，Claude Pro 的用户开始感受到限额收紧。Anthropic 悄悄调整了用量天花板。其他厂商也在做类似的事，因为 GPU 算力是物理资源，复制一份成本就归零这种事只发生在软件身上。
"随便用，反正便宜"的时代过去了。理解 token 怎么消耗、怎么优化，从可选项变成了必修课。
原理一：每轮对话重读全部历史
Claude 的对话机制和人类记忆完全不同。人类聊到第 30 句时会记得前面 29 句的大意。Claude 每次收到新消息都要从第 1 句重新读到第 29 句，才开始处理你的新问题。
对话越长，每一轮越贵。消息 30 为消息 1 到 29 全部买单，消息 60 为消息 1 到 59 全部买单。每轮的 token 消耗 = 当轮新内容 + 之前所有轮的累积，所以成本是递增的。
长对话里早期已经不相关的内容，属于"持续收费的死重"。 Claude Code 的 /compact 命令就是干这个的：把对话历史压缩成摘要，删掉旧的细节，后续回合不再为过时信息付费。
原理二：53.9% 的消耗你根本看不见
打开 Claude Code 的 /usage 面板，你能看到自己发了多少消息。但消息数只是冰山一角。
Anthropic 的数据：用户输入的 token 只占所有 input token 的 46.1%。剩下的 53.9% 来自三样东西：
- 系统提示词 ：Claude Code 的内置行为指令、工具定义、安全规则
- CLAUDE.md 内容 ：项目级和用户级的行为指令，全部塞进上下文
- 工具输出 ：文件内容、grep 结果、git diff、shell 命令的输出
原文举了个例子：上传一份 51 页的 PDF，消耗了 119,000 个 token。这些 token 在上下文窗口里，每一轮都被重新读取。
对 Claude Code 用户来说，工具输出是大头。每次 Read 一个文件，每次 Grep 搜索代码，每次 Bash 跑命令，输出都追加到对话历史里，后续每一轮都要重新"付钱"读一遍。
几个值得养成的习惯：
- 能用
Grep搜到具体行时，不要用Read读整个文件 - CLAUDE.md 保持精简，把不常用的规则挪到按需加载的 skill 文件里
- 大文件上传前先想清楚：你真的需要它在整个对话期间都占着窗口吗？
原理三：稳定的上下文可以缓存
这个原理我之前写过一篇 详细的 Prompt Caching 解读，这里只说结论：上下文前缀（系统提示词 + CLAUDE.md + 工具定义）在对话期间不变的话，推理服务器会把它缓存起来，后续回合读取缓存的价格是正常计算的十分之一。
Claude Code 的缓存命中率能达到 92%，靠的是一条纪律： 会话期间不修改前缀 。需要补充指令时，不编辑系统提示词，作为新消息追加就行，前缀保持稳定。
反过来，频繁修改 CLAUDE.md 或在会话中途切换模型，缓存会失效，每一轮都按全价重新计算。
原理四：稀缺是结构性的
Wolpers 判断：模型不会像过去两年那样大幅降价了。原因有两条。
一是 output token 定价是 input token 的 5 倍 。生成一个 token 比读取一个 token 贵得多，这是 Transformer 架构的物理特性（解码阶段逐 token 串行计算），跟厂商的定价策略无关。
二是 上下文窗口是硬约束 。Claude 的 200K token 窗口听起来很大，但系统提示词、CLAUDE.md、对话历史、工具输出全塞进去，空间消耗得比你想象的快。Wolpers 提到了一个"死亡之谷"概念：Project 的上下文接近 200K 阈值时，Claude Code 需要为 Project-level RAG（检索增强生成）分配索引空间，留给实际工作的窗口就被压缩了。
两条加在一起：token 是需要精打细算的稀缺资源，别指望它像流量一样越来越便宜。
给 Claude Code 用户的实操建议
四条原理说完了，下面是具体能做的事。
1. 让 CLAUDE.md 瘦身
CLAUDE.md 在每一轮对话都被重新读取，是最容易优化的部分。检查你的 CLAUDE.md：有没有只在特定场景才需要的规则？有没有可以合并的重复条目？挪到 skill 文件里按需加载，比永久占着上下文窗口划算。
2. 长对话及时 compact
对话超过 20 轮后，早期消息的 token 成本开始累积。用 /compact 压缩历史，把核心上下文保留在摘要里，删掉已经过时的细节。
3. 默认用便宜模型
写配置文件、跑测试、做格式检查，Haiku 够用。只在需要复杂推理时才切 Sonnet 或 Opus。Claude Code 支持用 /model 命令在会话中切换。
4. 工具输出是最大的隐性消耗
Claude Code 每次调用工具，输出都追加到上下文。 Read 一个 500 行文件、 Grep 搜索全项目返回 200 个匹配、 Bash 跑命令输出一堆日志，这些都是 token。用精准的搜索替代宽泛的读取，用 head_limit 参数限制返回数量，能有效控制膨胀。