Cách Giảm Chi Phí Token Claude Code Mà Không Làm Chậm Lại

Claude Code tính phí theo token, và hóa đơn sẽ tăng lên mà bạn không để ý. Không phải vì mã mà nó viết, phần đó thì rẻ. Tiền đi vào mọi thứ mà mô hình đọc lại ở mỗi lượt: một cửa sổ ngữ cảnh đầy những tin nhắn cũ, một sự khác biệt 40 tệp mà không ai yêu cầu, một PDF lặng lẽ được chuyển thành hình ảnh, cùng một CLAUDE.md được gửi đi hàng trăm lần mỗi ngày.

Đây là nơi mà các token thực sự đi đến, và cách để tiêu ít hơn mà không viết mã tệ hơn hoặc chờ lâu hơn.

Đầu tiên, hãy nhìn vào đồng hồ

Bạn không thể cắt giảm những gì bạn không thể thấy. Trước khi thay đổi bất cứ điều gì, hãy tìm hiểu chi phí thực sự của một phiên.

Mỗi tin nhắn bạn gửi đều gửi lại toàn bộ cuộc trò chuyện cho đến thời điểm đó. Lượt thứ 30 không phải là một lời nhắc, mà là ba mươi lời nhắc chồng lên nhau, cộng với mọi tệp mà tác nhân đã đọc trong quá trình đó. Đó là lý do tại sao một phiên dài trở nên đắt đỏ gần cuối, ngay cả khi câu hỏi cuối cùng của bạn chỉ là một dòng.

Trong AgentsRoom, bạn có thể theo dõi điều này trực tiếp với giao diện sử dụng token Claude Code: số lượng token đang chạy và chi phí của phiên hiện tại, ngay trong giao diện, để bạn không phải đoán. Phóng to đến bảng thống kê dự án và bạn sẽ thấy chi phí theo dự án, theo tác nhân và theo ngày. Khi bạn có thể thấy số lượng tăng lên, những cách khắc phục bên dưới không còn trừu tượng nữa.

Giữ cho cửa sổ ngữ cảnh chặt chẽ

Công cụ lớn nhất là kích thước ngữ cảnh. Một cửa sổ phình ra là một loại thuế mà bạn phải trả ở mỗi lượt cho phần còn lại của phiên.

Bắt đầu một phiên mới khi bạn chuyển đổi nhiệm vụ. Đừng gỡ lỗi một cấu hình webpack trong cùng một luồng mà bạn vừa tái cấu trúc xác thực. Chạy /clear và bắt đầu lại từ đầu. Những tin nhắn cũ không giúp ích cho nhiệm vụ mới, chúng chỉ làm tăng hóa đơn.

Cũng hãy cẩn thận với sự trôi dạt chậm. Các phiên dài không chỉ trở nên đắt đỏ, mà còn trở nên ngu ngốc: mô hình bắt đầu mất mạch, lặp lại chính nó, quên những gì nó đã quyết định hai mươi tin nhắn trước. AgentsRoom có một trình phát hiện trôi ngữ cảnh cảnh báo bạn khi một tác nhân đang suy giảm, thường là thời điểm chính xác để nén lại hoặc khởi động lại. Chúng tôi đã viết về mẹo này trong phương pháp canary để phát hiện sự suy giảm của tác nhân AI. Các phiên ngắn hơn vừa rẻ hơn vừa sắc nét hơn cùng một lúc.

Ngừng cung cấp PDF thô

Điều này gần như là tiền miễn phí. Khi bạn đưa một PDF vào Claude, mỗi trang cũng được chuyển thành hình ảnh, và token hình ảnh tốn nhiều hơn so với văn bản. Một tài liệu 20 trang có thể tiêu tốn hàng chục nghìn token trước khi câu hỏi của bạn thậm chí được đọc.

Chuyển đổi tệp sang Markdown trước. Một lệnh với một công cụ miễn phí có thể giảm chi phí lên đến 80% và mô hình trả lời cũng tốt như vậy, thường là tốt hơn, vì nó đọc cấu trúc sạch thay vì phải nheo mắt nhìn vào hình ảnh trang. Hướng dẫn đầy đủ ở đây: chuyển đổi PDF sang Markdown để tiết kiệm token. Chuyển đổi một lần, cam kết .md vào kho, và mọi lượt tương lai sẽ đọc văn bản rẻ.

Sử dụng mô hình rẻ nhất có thể làm công việc

Sử dụng Opus cho mọi thứ là cách hóa đơn bùng nổ. Đổi tên một biến, viết một thông điệp cam kết, hoặc sửa một lỗi chính tả không cần mô hình đắt nhất của bạn. Một mô hình nhỏ hơn có thể làm điều đó với một phần giá và bạn sẽ không cảm thấy sự khác biệt.

Thói quen rất đơn giản: phù hợp mô hình với nhiệm vụ. Công việc kiến trúc nặng sẽ sử dụng mô hình lớn, các chỉnh sửa cơ học sẽ sử dụng mô hình nhỏ. Chế độ Adaptive Mode của AgentsRoom tự động làm điều này bằng cách gợi ý mô hình rẻ nhất có khả năng cho những gì bạn đang thực sự làm, vì vậy bạn ngừng trả mức giá cao cho công việc không quan trọng.

Ủy thác công việc nặng cho một tác nhân rẻ hơn

Một số nhiệm vụ lớn nhưng nông: viết kiểm tra cho một mô-đun, kiểm tra hàng trăm tệp cho một mẫu, tạo ra mã mẫu. Bạn không muốn tác nhân đắt tiền của mình phải xử lý tất cả những điều đó trong một ngữ cảnh khổng lồ.

Hãy để nó chuyển giao công việc. Với ủy thác tác nhân, một tác nhân phát triển có thể chuyển một nhiệm vụ phụ cho một tác nhân thứ hai đang chạy mô hình rẻ hơn, thực hiện công việc lặp đi lặp lại trong ngữ cảnh sạch của riêng nó và báo cáo lại. Tác nhân đắt tiền vẫn tập trung và nhỏ, tác nhân rẻ hơn xử lý khối lượng. Hóa đơn của bạn theo đó mà chia ra.

Ngừng giải thích lại bản thân

Nếu bạn gõ cùng một lời nhắc ba đoạn mỗi lần bạn bắt đầu một cuộc xem xét mã, bạn đang trả tiền để gửi nó mỗi lần. Lưu nó lại một lần.

Giữ các hướng dẫn lặp lại của bạn trong một thư viện lời nhắc và các quy trình có thể lặp lại của bạn dưới dạng kỹ năng mà tác nhân chỉ tải khi cần. Bạn tái sử dụng từ ngữ thay vì gõ lại và gửi lại, và một kỹ năng giữ các bước chi tiết của nó ra khỏi ngữ cảnh cơ sở cho đến khi chúng thực sự cần thiết. Kết quả giống nhau, ít token hơn được di chuyển xung quanh.

Theo dõi chi phí của các tác nhân chạy song song

Các tác nhân song song là một siêu năng lực, và chúng nhân đôi chi phí token của bạn đúng bằng số lượng tác nhân bạn chạy. Năm tác nhân đọc cùng một ngữ cảnh chia sẻ là năm lần số lần đọc.

Điều đó không sao miễn là bạn có thể thấy nó. Giữ thống kê dự án mở khi bạn mở rộng, chỉ định các tác nhân của bạn vào các tài liệu nhẹ .md thay vì tài liệu thô, và tắt những cái đã hoàn thành thay vì để chúng nhàn rỗi trong một cửa sổ đắt đỏ. Tính song song nên mang lại cho bạn tốc độ, không phải một hóa đơn bất ngờ. Nếu bạn đang chạy các tác nhân lập trình song song, một ngữ cảnh đã chuyển đổi chung giữ cho toàn bộ đội tàu có thể chi trả.

Phiên bản ngắn gọn

Hầu hết hóa đơn Claude Code của bạn không phải là mã, mà là việc đọc lại. Vì vậy:

• Theo dõi đồng hồ token trực tiếp để số lượng không bao giờ là một bất ngờ.
• Chạy /clear giữa các nhiệm vụ và giữ cho các phiên ngắn.
• Chuyển đổi PDF sang Markdown trước khi bạn hỏi.
• Sử dụng mô hình nhỏ nhất có thể làm công việc, hoặc để Adaptive Mode chọn cho bạn.
• Ủy thác công việc nông, khối lượng lớn cho một tác nhân rẻ hơn.
• Tái sử dụng lời nhắc và kỹ năng thay vì gõ lại chúng.

Không có điều nào trong số này làm bạn chậm lại. Ngữ cảnh ngắn hơn và mô hình đúng thường làm cho tác nhân nhanh hơn và sắc nét hơn, và hóa đơn rẻ hơn là phần thưởng.

Muốn có đồng hồ, định tuyến mô hình và ủy thác trong một nơi? Tải xuống AgentsRoom và theo dõi chi phí token của bạn giảm trong giao diện sử dụng token.