Claude Code 官方教學：如何最大化 Sessions 價值，減少 Token 浪費

Anthropic 發布官方文章〈Maximizing the value of your Claude Code sessions〉，拆解 Claude Code 的計價機制，點名六個立刻能照做的習慣，並列出最該盯的四個花錢破口。
（前情提要：Claude Code 推出 Monitor 工具：背景監聽取代輪詢，大幅節省 Token 消耗）
（背景補充：Anthropic宣布解鎖Opus 4.6百萬Token不加價！上下文測試碾壓GPT-5.4）

本文目錄

過去寫程式的工具是固定費用甚至免費，編輯器不會因為你今天下午多修了四十九個測試就多收錢，單一任務本身沒有自己的價格。代理式（agentic）程式設計工具把這件事改掉了：同一個任務，用法不同，價格就不同。

Anthropic 在 8 月 14 日發布的官方文章中，用一個很小的例子說明這件事。同樣是修一個壞掉的測試，Session A 讀了測試檔、讀了被測檔案、改完收工，只送出 5 個 request；Session B 先在整個 repo grep 一輪，沿路開啟十幾個檔案才走到同樣那兩個檔，膨脹成 18 個 request — 而且這期間每一輪都還拖著今天早上以來讀進對話的所有東西。

同樣一個修復，先搜尋的 Session B 送出的 request 是 Session A 的三倍以上。圖片來源：Anthropic

文章強調一個關鍵觀念：所謂省 Token 不是總量用得更少，而是確保你花掉的 Token 都真的用在你要求的那件事上。

一個 Token 到底在賣什麼

帳單按 Token 計價，但你實際上付的是推論（inference），也就是 GPU 跑完模型所耗的時間。官方點出三件事決定一個 Token 佔用多少時間：用哪個模型、它是輸入還是輸出、以及有沒有被快取。

模型越大，處理輸入與輸出的工作量都越大，而且底下講的所有成本都會被模型單價再乘一次。官方的建議是：問題真的困難或曖昧時才用大模型，例行工作用小模型就好。

簡單任務上大小模型的品質曲線很快收斂，困難任務上則不會——大模型能用更少 Token 達到同樣品質。（官方註明曲線僅為示意，非真實 benchmark 資料）圖片來源：Anthropic

輸出為什麼貴 5 倍：Prefill 與 Decode

一次請求在 GPU 上會走兩個階段。Prefill（預填）是模型讀進你的請求與脈絡 — 系統提示、你的 CLAUDE.md、你的訊息，加上這段對話至今被塞進來的一切，這些是輸入 Token。Decode（解碼）則是模型寫出輸出 Token：它的思考、工具呼叫、你看到的文字。

差別在於 decode 是一次一個 Token 產生的：一段 200 Token 的回應，就是模型連續跑 200 次。單就每個 Token 而言，decode 佔用 GPU 的時間遠比 prefill 長，這就是輸出定價大約是輸入 5 倍的原因。

Prefill 對整個請求做一次掃描，Decode 則每跑一次只吐一個 Token 再帶著它重跑。圖片來源：Anthropic

Session 裡有相當比例的輸出 Token 其實是思考 Token，每輪思考多少由 effort 等級控制。

官方提醒，模型與 effort 都會記住你上次的選擇並沿用到下一個 Session，所以在乾淨的新 Session 先跑一次 /model 和 /effort，確認自己到底在什麼設定上。如果明知這個 Session 就是做粗活，可以用 MAX_THINKING_TOKENS=0 claude 關掉思考（Fable 5 除外），等於比 /effort low 再低一階。

真正的省錢關鍵：不要打掉 Prompt Cache

如果一次請求的開頭跟伺服器剛看過的請求完全一致，這段共同開頭算出來的狀態也會一樣，伺服器就能留著上次的結果，只針對新增的部分做 prefill，這就是 prompt caching。讀取快取只要輸入價的 0.1 倍，寫入快取最高約 2 倍，但寫入每個 Token 只發生一次，之後每一輪都是 0.1 倍的讀取。

Claude Code 每次請求都會自動管理快取，沒有東西要你開啟，但你有辦法把它弄壞。官方特別說明，快取必須從請求的最開頭往後逐字對上，而請求順序永遠固定：工具定義 → 系統提示 → 對話（CLAUDE.md 放在對話最前面）。只要這個字首有任何改變，後面全部得重新 prefill。

會打掉快取的動作包括：對話中途下 /model（每個模型有自己的快取，含每次進出 plan 模式都換模型的 opusplan）、改 /effort、開啟 fast mode（而且重新 prefill 是按 fast mode 價格算），以及 /compact（對話被換成更短的內容，原本的都對不上了）。

還有一個容易被忽略的變數是時間：快取在訂閱制是一小時過期、API key 是五分鐘（ENABLE_PROMPT_CACHING_1H=1 可拉到一小時）。超過才回來，下一輪就會把整段對話重新 prefill；恢復舊 Session 幾乎一定也是如此。

官方的結論是，這不代表你永遠不能換模型或 effort，而是有便宜的時機（Session 剛開始、或剛下完 /clear）和昂貴的時機（一段長對話的中間）。

另外還有一招：如果最近幾輪跑歪了不想留，用 /rewind 退回那幾輪之前，成本為零；而 /compact 會重寫整段對話，一定要花錢。

問法差一個字元，成本差六輪

接著是 Session 會送出多少 Token。最重要的觀念是：沒有任何東西只被送出一次。

任何進到對話裡的東西：Claude 讀的檔案、它跑的指令輸出，都會在之後的每一輪被重新送出，直到 Session 結束。它是走快取的，所以每次重送都很便宜，但便宜不等於免費，而且它同時佔著上下文的空間，模型每一輪都得繞過它去思考。

Claude 讀多少，主要取決於它得自己摸索多少。官方用三種問法做對比：說「the tests are failing」，它得先 grep、再開啟幾個檔案找出是哪個測試，開始修之前就燒掉 6 輪；指名「fix utils.test.ts」只要 1 輪；而用 @ 提及檔案的「fix @utils.test.ts」是 0 輪，直接開修。

用 @ 提及檔案，Claude Code 會在任何東西送出前就把檔案附到你的訊息上，連 Read 呼叫都省了。圖片來源：Anthropic

官方補充一個細節：檔案本身佔的上下文空間兩種方式都一樣，所以一次對話只需要 @ 提一次，它會一直待在那裡，之後再 @ 一次通常會附上第二份副本。

另一個把上下文塞滿的是指令輸出。有趣的是超大輸出反而沒問題：超過 30,000 字元後，Claude Code 會把輸出寫進檔案，對話裡只放簡短預覽與路徑（門檻可用 BASH_MAX_OUTPUT_LENGTH 調整）。真正的問題出在門檻以下：一個一行一行印出 400 個透過測試的 test runner 剛好落在限制內，然後這 400 行就成了接下來每一輪的一部分。

官方的建議是把你每天在跑的那兩三個指令寫進 CLAUDE.md，連安靜引數一起寫，就照你自己會打的樣子。只是多加一小段，但之後每個 Session 都省下一輪對話和幾百行輸出。

一個長 Session vs 三個短 Session：1.9 倍差距

一個長 Session，比同樣工作拆成幾個短 Session 貴，而且貴得比你想像多——因為第 40 輪同時也在重讀前面 39 輪。官方實測同樣三個任務，任務之間下 /clear，跟全部擠在一個 Session 相比，後者送出的 Token 是前者的 1.9 倍。

同樣三個任務、兩種 Token 用量，不清脈絡的那組多送出 1.9 倍。圖片來源：Anthropic

操作原則很簡單：開始新東西時 /clear，同一個任務的前半段做完時 /compact。之後還想找回這個 Session 的話，先 /rename 再 /clear；/compact 時記得告訴它要保留什麼，如果每次都一樣，就在 CLAUDE.md 開一段「Compact instructions」。用 100 萬 token 模型又想把自動壓縮的安全網放回原位的人，可以用 /autocompact 200k 還原（需 Claude Code v2.1.221 以上）。

官方也提醒留意那些你沒在打字時發生的輪次：/loop 是以完整一輪的形式在你設定它的那個 Session 裡觸發，每次都會帶著那整段對話跑，如果距離上一輪超過一小時，還會再加上一次 cache miss。建議在另一個終端機開新 Session 跑 loop。

把雜訊丟到別的上下文：子代理

另一個把東西擋在你的上下文之外的方法，是讓它發生在另一個上下文裡，這就是子代理（subagent）的用途。子代理有自己的上下文視窗，包含它自己的系統提示、工具、以及你的 CLAUDE.md，但不包含你的對話。它跑自己的輪次，回到主 Session 的只有它的答案，其餘的在它結束時全部丟棄。

主 Session 只拿回三個答案，三個子代理各自讀過與跑過的一大堆東西做完就丟。圖片來源：Anthropic

缺點是子代理沒有你的對話，有時得重讀主 Session 早就有的東西，而且做這些事的時候是在花自己的輪次成本，小工作的話純粹是額外開銷。它真正划算的時機，是某個工作會產生一大堆你不需要留下的輸出，例如翻一份 log。官方也提醒：主 Session 拿回來的，只有子代理選擇回報的部分。

如果有某個吵雜的工作你一再交辦，官方建議給它一個專屬的 subagent 定義並指定 model: haiku（或 sonnet），否則它會跟著你主 Session 的模型跑。

優先檢查這四個花錢破口

文章最後把所有內容收斂成四件最值得盯的事，大致按花費由高到低排列。

官方列出的四個花錢破口。圖片來源：Anthropic

1. 過長的 Session	每一輪都會重送它前面的所有東西，一個 Session 的 Token 絕大多數花在這裡
2. 上下文塞太多	用不到的檔案、吵雜的指令輸出、上一個任務的殘留、沒在用的 MCP server，全部都會在每一輪被重送，模型每一輪還得去想它們
3. 模型或 effort 高於任務所需	其他所有成本都會被它乘一次，而且這兩個設定會跨 Session 沿用
4. 打掉 prompt cache	對話中途改模型、改 effort、改 fast mode，或在快取過期後才回來，都會讓整段對話用全價重新 prefill

六個立刻能照做的習慣

如果只想記結論，官方在文章開頭給了六條 TL;DR：

任務之間下 /clear
開工前先把模型與 effort 等級定好
用 @ 提及檔案而不是只打檔名
吵雜指令加上安靜引數或丟給子代理跑
在乾淨的新 Session 跑一次 /context 看看到底載入了什麼（CLAUDE.md 只放明確指令，工作流專屬規則搬到只有用到才載入的 skills
用不到的 MCP server 用 /mcp 關掉）
以及離開鍵盤前先 /compact，趁對話還在快取裡做摘要便宜得多。