AI成本优化|第13章:Token经济学:3000预算如何达到30000效果

PART 01

小明和阿强是同事，都是软件开发工程师。

小明的情况：

每月AI费用：$215

使用感受：非常顺畅，响应及时，结果精准

工作内容：日常开发、代码检查、文档编写

阿强的情况：

每月AI费用：$2,180

使用感受：迟钝、缓慢、频繁超出上下文限制

工作内容：与小明完全相同

造成10倍费用差距的原因是什么？

不是他们使用的AI服务不同，不是他们的项目难度不同，而是——小明掌握Token经济学，阿强不了解。

///

PART 02

Token是AI处理文字的最小计量单位。可以把Token看作AI的「一口食物」。

Token换算标准：

英文Token估算：

-1个单词≈1.3Tokens

-"helloworld"=2Tokens

-一页纸≈500-800Tokens

中文Token估算：

-1个汉字≈1-2Tokens

-"你好世界"≈4Tokens

-一篇1000字的文章≈1500-2000Tokens

每次与AI交互，消耗的Token来自五个部分：

总Token消耗=输入Token（你的提问）

+输出Token（AI的回复）

+推理Token（AI的思维过程）

+缓存读Token（从上下文读取）

+缓存写Token（写入上下文）

最容易被忽视的消耗：工具调用输出

一次Playwright页面快照=56KB≈42,000Tokens

一次GitHubIssues查询（20条）=59KB≈44,000Tokens

一次访问日志读取=45KB≈34,000Tokens

如果每次对话有3-5次工具调用，

上下文窗口可能在一小时内就被占满！

///

PART 03

Anthropic的三款产品（Haiku、Sonnet、Opus）各有定位：

价格差异：

HaikuvsOpus：

-速度：Haiku比Opus快10倍

-费用：Haiku比Opus便宜60倍

-能力差距：简单任务几乎无差别

结论：

能用Haiku的地方用Haiku，能省60倍钱！

┌─────────────────────────────────────────────────────────────┐

││

│任务类型判断│

││

│是简单任务吗？（搜索、找文件、改一行代码）│

│↓是│

│→使用Haiku（最便宜，80%的情况够用）│

││

│是日常编码吗？（多文件实现、代码审查）│

│↓是│

│→使用Sonnet（性价比最佳）│

││

│是复杂任务吗？（架构设计、安全漏洞分析、深度推理）│

│↓是│

│→使用Opus（最强推理能力）│

││

└─────────────────────────────────────────────────────────────┘

场景：检查50个代码文件

用Opus检查50个文件：

-输入：50个文件×平均5KB=250KB≈187,500Tokens

-每千Token费用：$15/1M=$0.015

-单次费用：$15×0.1875=$2.81

-如果每天检查5次=$14/天×30天=$420/月

用Haiku检查50个文件（并行，4个Agent）：

-每个Agent处理12-13个文件

-输入：每个Agent约50KB≈37,500Tokens

-单次费用：$0.25/1M×0.0375=$0.009/Agent

-4个Agent并行×$0.009=$0.036/次

-如果每天检查5次=$0.18/天×30天=$5.4/月

对比：$420/月 vs $5.4/月 = 78倍差距

///

PART 04

{

"model":"sonnet",

"env":{

"MAX_THINKING_TOKENS":"10000",

"CLAUDE_CODE_SUBAGENT_MODEL":"haiku"

}

}

为什么这三个配置最关键？

1.model:sonnet

-日常任务用Sonnet就够了

-Opus的能力在80%的情况下用不上

-60%费用直接省下来

2.MAX_THINKING_TOKENS:10000

-AI的「思维过程」也消耗Token

-默认值31,999太高了

-限制到10,000，70%思维费用省下来

3.CLAUDE_CODE_SUBAGENT_MODEL:haiku

-子Agent不需要用主模型的配置

-子任务通常是简单任务

-用Haiku，80%子任务费用省下来

{

"model":"sonnet",

"env":{

"MAX_THINKING_TOKENS":"10000",

"CLAUDE_CODE_SUBAGENT_MODEL":"haiku",

"ECC_SUBAGENT_MODEL_OVERRIDE":"haiku"

},

"compaction":{

"auto_trigger_threshold":0.75,

"summarize_model":"haiku"

}

}

压缩配置说明：

"compaction":{

"auto_trigger_threshold":0.75,//75%时自动压缩

"summarize_model":"haiku"//压缩用Haiku生成摘要（便宜）

}

///

PART 05

输入Token≈字符数/4（中文）或字符数/4（英文）

输出Token≈字数/2（中文）或单词数/0.75（英文）

工具输出Token≈文件大小KB×750

Anthropic官方Token计算器：

https://anthropic.com/context-window-calculator

场景：与AI讨论一个代码库

对话内容：

-你的问题：200字中文≈400Tokens

-AI回复：500字中文≈1000Tokens

-读取10个代码文件：10×10KB×750=75,000Tokens

-工具输出（bash命令）：5KB×750=3,750Tokens

单次对话总Token：

400+1000+75000+3750=82,150Tokens

按Sonnet价格：$3/1MTokens

单次费用：$3×0.082=$0.246

如果每天50次对话：

$0.246×50=$12.3/天×30天=$369/月

优化前：

优化后：

节省：77%

///

PART 06

在OpenCode中，使用/cost命令查看当前会话开销：

/cost

预期输出：

┌─────────────────────────────────────────────────────────────┐

│当前会话费用统计│

├─────────────────────────────────────────────────────────────┤

││

│模型：Sonnet(claude-sonnet-4-20250514)│

││

│输入Tokens：125,432│

│输出Tokens：45,891│

│推理Tokens：23,456│

│总Tokens：194,779│

││

│当前费用：$0.58│

│预计本月费用：$348（基于当前使用模式）│

││

│与上月相比：-12%（优化生效中）│

││

└─────────────────────────────────────────────────────────────┘

/cost--trend

预期输出：

┌─────────────────────────────────────────────────────────────┐

│费用趋势（近30天）│

├─────────────────────────────────────────────────────────────┤

││

│日均费用：$11.6│

│最高单日：$28.3（周三-大量代码检查）│

│最低单日：$3.2（周末-轻度使用）│

││

│优化建议：│

│1.周三使用的子Agent可以切换到Haiku，预计节省$8/周│

│2.上下文压缩阈值可以降到70%，减少压缩频率│

││

└─────────────────────────────────────────────────────────────┘

/cost--alert--threshold20

当单日费用超过$20时，自动发送提醒。

///

PART 07

✅ 应该压缩的时机：

1.探索完成后

-用ExploreAgent分析完代码库

-已经获得关键信息

-接下来要开始实现

→压缩，保留分析结论

2.完成里程碑后

-功能开发完成

-测试全部通过

-准备提交代码

→压缩，保留完成状态

3.调试完成后

-Bug已定位并修复

-测试验证通过

-继续新工作前

→压缩，保留修复方案

4.重大上下文切换前

-从分析切换到实现

-从一个模块切换到另一个

-从调试切换到文档

→压缩，保留关键上下文

❌ 不应该压缩的时机：

1.调试进行中

-正在定位Bug

-上下文包含关键调试信息

-压缩可能丢失线索

2.实现进行到一半

-正在写一个复杂函数

-AI需要记住之前的实现细节

-压缩可能导致逻辑断层

3.多步骤推理中途

-AI正在执行复杂推理

-已经进行了10步中的第7步

-压缩会打断推理链条

时间线

─────────────────────────────────────────────────────────────→

探索阶段──→实现阶段──→测试阶段──→提交阶段

↓↓↓↓

压缩✓不压缩✗压缩✓不压缩✗

↓↓↓↓

保留分析调试中保留准备提交

结论测试结果

///

PART 08

每个MCP连接都有额外的Token开销：

10个MCP连接×500Tokens（Schema）=5,000Tokens/次

如果每天100次对话=500,000Tokens/天

按Sonnet价格=$3/1M=$1.5/天×30=$45/月

原则：配置20-30个MCP，实际启用<10个

策略：

1.按需启用

/mcpenablegithub#只需要GitHub时启用

/mcpdisablegithub#用完后禁用

2.用CLI替代MCP

ghCLI→GitHubMCP（$45/月）→直接用CLI（$0）

3.合并MCP

多个小MCP→合并成一个，减少Schema开销

4.活跃工具控制

/mcp#查看活跃服务器和上下文代价

活跃工具<80个

原则：对于高频操作，优先用CLI省成本；对于低频但复杂的操作，用MCP提效率。

///

PART 09

子Agent（Task Tool）有一个重要特性：每次调用都是独立的Session，不继承主Session的历史。

主Session：

-上下文窗口：200,000Tokens

-当前消耗：150,000Tokens（75%）

子Agent调用：

-新Session创建

-从干净状态开始

-上下文窗口：200,000Tokens

-当前消耗：0Tokens

错误做法：在主Session中读取大量文件

主Session：

Readfile1→10KB

Readfile2→10KB

Readfile3→10KB

...

Readfile50→10KB

主Session上下文：500KB被塞满

正确做法：用子Agent读取，主Session只接收摘要

主Session：

/subagent"explore-agent""分析src/auth目录"

子Agent（独立Session）：

Readfile1→10KB

Readfile2→10KB

...

Readfile20→10KB

分析完成→返回摘要

主Session接收：

"用户认证模块分析结论：共20个文件，核心逻辑在login.ts..."

主Session上下文：只增加5KB

对比：

///

PART 10

原始做法：

你：用Opus检查这个50文件的代码库

AI：开始检查...

结果：

-耗时：30分钟

-费用：$8.50

-上下文：满了

优化做法：

你：用Sonnet+子Agent并行检查

AI：

Agent1:检查文件1-10（Haiku）

Agent2:检查文件11-20（Haiku）

Agent3:检查文件21-30（Haiku）

Agent4:检查文件31-40（Haiku）

Agent5:检查文件41-50（Haiku）

汇总检查结果

结果：

-耗时：8分钟（并行）

-费用：$0.35

-上下文：清爽

节省：95%费用，75%时间

原始做法：

你：用Opus帮我调试这个Bug

AI：看了代码，找不到问题

你：用Haiku再看看

AI：看了，还是找不到

你：还是用Opus吧

AI：找到了...

结果：

-3次模型切换

-费用：$12.50

-上下文：混乱

优化做法：

你：用Haiku定位问题，如果需要深度分析再告诉我

阶段1（Haiku）：

-快速扫描代码

-定位到3个可疑点

-回报："需要Opus深度分析login.ts:45"

阶段2（Opus）：

-深度分析login.ts:45

-找到根因

-提供修复方案

阶段3（Haiku）：

-实施修复

-验证修复

结果：

-模型切换：2次（按需）

-费用：$2.80

-上下文：清晰

节省：78%费用

原始做法：

你：用Opus帮我写API文档

AI：好的，开始写...

写了100页文档

结果：

-费用：$15.00

-质量：一般（Opus太聪明，容易过度设计）

优化做法：

你：用Haiku帮我写API文档

AI（Haiku）：

-结构清晰

-重点突出

-符合团队风格

结果：

-费用：$0.25

-质量：足够好

节省：98%费用

///

PART 11

基于使用模式的月度成本估算

|任务类型|占比|模型|月Token|月费用|

|--------------|------|--------|---------|---------|

|探索/搜索|30%|Haiku|10M|$2.50|

|日常编码|40%|Sonnet|20M|$60.00|

|复杂分析|20%|Sonnet|10M|$30.00|

|深度推理|10%|Opus|5M|$75.00|

|--------------|------|--------|---------|---------|

|**总计**|100%|-|45M|**$167.50**|

□模型选择正确（简单任务用Haiku）

□MAX_THINKING_TOKENS设置在10000以下

□子Agent使用Haiku

□按需启用/禁用MCP

□使用ThinkinCode代替大量读取

□在正确时机压缩（75%阈值）

□使用/cost监控费用趋势

□避免在调试中途压缩

□子Agent读取文件，主Session只接收摘要

□高频操作用CLI代替MCP

///

PART 12

✅养成习惯：用Haiku处理简单任务，省60倍钱

✅配置好三个关键参数，每月自动省60-80%费用

✅用/cost监控费用趋势

✅按需启用MCP，不要全开

✅用子Agent做探索，主Session保持清爽

❌不要用Opus处理简单任务（浪费）

❌不要在调试中途压缩（丢失上下文）

❌不要让所有MCP一直开着（浪费Token）

❌不要在主Session读取大量文件（塞满上下文）

学会了如何省钱，下一步是让AI连接更多工具——

下一章：MCP扩展——用插件让AI连通一切，让AI能够读写Notion、管理Linear任务、帮你发Slack消息。

THANKS FOR READING

🦐 龙虾 · OpenClaw 技术分享