近日，人工智能公司Anthropic在其官方博客中分享了一系列针对Claude Code开发者的实用建议，旨在帮助开发者优化使用成本，避免不必要的token消耗。这些建议涵盖了从任务管理到缓存利用的多个方面，为开发者提供了具体的操作指南。
在任务管理方面，Anthropic建议开发者在完成一个任务后及时使用/clear命令清空当前对话，避免将无关的文件和命令输出带入下一任务。在对话开始时确定模型和推理强度（effort level）也是关键，中途切换会导致提示缓存失效，增加计算成本。对于文件引用，开发者应使用@符号直接附加文件，而非手动输入路径，这样可以减少Claude不必要的文件搜索操作，从而降低上下文占用。
输出控制是另一个重要的省钱策略。Anthropic建议为输出较多的命令添加静默参数（quiet flag），例如在CLAUDE.md中配置测试输出仅显示摘要而非详细日志。这种方法可以显著减少输出token的数量，从而降低成本。对于大输出任务，开发者可以考虑使用子Agent（subagent）在独立上下文中运行，完成后仅返回结论，避免大量中间输出占用主对话空间。
缓存机制是优化成本的核心工具之一。Claude Code通过缓存重复请求的前缀部分，将读取成本降低至正常输入价格的十分之一。然而，缓存的有效性依赖于请求的连续性，任何模型切换、推理强度调整或对话压缩操作都会导致缓存失效。因此，Anthropic建议开发者在会话开始时锁定模型和推理强度，并在缓存仍有效时避免执行/compact命令。订阅用户的缓存保活时间为1小时，API用户为5分钟，超时后需重新计算，开发者应合理安排任务间隔以充分利用缓存。
对话历史的膨胀是另一个容易被忽视的成本因素。每次对话都会累积之前的文件内容和命令输出，导致后续轮次的计算成本呈平方级增长。尽管Claude Code对超过30000字符的命令输出会自动摘要，但较小规模的输出仍会保留在历史中。Anthropic建议开发者通过@引用文件、添加静默参数和使用子Agent等方式减少不必要的输出积累。/compact命令可以在对话休息前压缩历史，将成本降至正常水平的十分之一，但需注意缓存失效的风险。
在模型选择方面，Anthropic强调根据任务复杂度合理分配资源。例如，Opus 5模型适用于高难度任务，其输入和输出价格分别为5美元/百万token和25美元/百万token；而简单任务使用Sonnet 5或Haiku 4.5模型更为经济。推理强度的调整也需谨慎，高强度设置会显著增加思考token的数量，开发者应根据实际需求平衡性能与成本。
Anthropic还提到一个冷门但实用的操作——/rewind命令。当最后几轮对话偏离主题时，使用/rewind可以回退到指定轮次，同时保留之前的缓存状态，避免全量重新计算。这一功能为开发者提供了更灵活的对话管理方式，进一步优化了成本效率。
随着AI在代码开发中的普及，开发者需要掌握一套新的技能，包括模型选择、上下文管理、缓存利用和推理强度控制等。这些能力直接影响任务成本，例如同一任务可能因操作差异产生数倍的费用差距。Anthropic自身便是这一理念的实践者，其80%的代码由AI生成，代码合并量一年增长8倍，基准测试效率提升52倍。通过精细化的token管理，开发者可以在有限预算内实现更高的产出效率。
