用 Agent Skills 把 Claude Code Token 消耗降低 50%
三个经过验证的策略，帮你把 Claude Code Token 消耗降低 50%——可复用 Skill、上下文压缩、减少迭代循环。
William Wang — TokRepo & GEOScore AI 创始人，专注 AI 开发者工具和搜索可见性。
三个经过验证的策略，帮你把 Claude Code Token 消耗降低 50%——可复用 Agent Skill、上下文压缩、以及用专业 Skill 消除反复修改的迭代循环。
Token 成本问题
Claude Code 的每次交互都消耗 Token。按照 Anthropic 当前定价，费用增长很快：
- Claude Opus 输入： 每百万 Token $15
- Claude Opus 输出： 每百万 Token $75
- Claude Sonnet 输入： 每百万 Token $3
- Claude Sonnet 输出： 每百万 Token $15
一次典型的开发会话大约消耗 50,000–150,000 输入 Token 和 10,000–30,000 输出 Token。按 Opus 定价，单次会话成本约 $1.50–$4.50。一个月 20 次，就是 $30–$90——这还是保守估计。大型项目轻松达到 $150–$300/月。
Token 消耗过高的根本原因有三个：
- 重复的 prompt —— 每次让 Claude 做某个任务都要重新输入一大段指令
- 上下文膨胀 —— 对话历史越来越长，Claude 每轮都要重新读取成千上万行无关内容
- 迭代循环 —— Claude 理解错了你的意图，你花 5–10 轮来回纠正
每个问题都有具体的解决方案。下面逐一拆解。
策略一：用 Skill 替代重复 Prompt
每次你输入一大段 prompt 告诉 Claude Code 怎么审查代码、怎么跑测试、怎么格式化提交信息——你都在为可以存储一次、永久复用的指令买单。
问题所在
看一个开发者反复输入的典型代码审查 prompt：
Review this code for bugs, security issues, and performance problems.
Check for SQL injection, XSS vulnerabilities, and auth bypass risks.
Verify error handling covers all edge cases. Look for N+1 query
patterns. Check that all database transactions are properly committed
or rolled back. Format your findings as a markdown table with severity,
location, description, and suggested fix.
大约 80 个 Token。一天做 5 次代码审查，就是 400 Token。一个月下来，光这一条重复指令就要花 12,000 Token。
解决方案
安装一个 Agent Skill，把指令编码一次。Skill 文件放在 .claude/commands/，用一个短触发词激活：
tokrepo install e108cf5c-c34e-4d27-a694-66a693301e87
现在你不需要输入 80+ Token 的指令，只需要：
/gsd-code-review
只要 3 个 Token。Skill 文件在会话中加载一次，后续每次触发只消耗触发词的 Token。而且 Skill 包含的指令比你手动输入的更全面——覆盖边界情况、输出格式、验证步骤。
实际节省计算
| 场景 | 不用 Skill | 用 Skill | 节省比例 |
|---|---|---|---|
| 代码审查 prompt | 80 Token x 5 次/天 | 3 Token x 5 次/天 + 500 Token 初次加载 | 首次使用后 92% |
| 调试工作流 prompt | 120 Token x 3 次/天 | 3 Token x 3 次/天 + 800 Token 初次加载 | 首次使用后 88% |
| 规划 prompt | 200 Token x 2 次/天 | 3 Token x 2 次/天 + 1,200 Token 初次加载 | 首次使用后 85% |
推荐的省 Token Skill
两个 Token 投资回报率最高的 Skill：
- GSD (Get Shit Done) —— 用结构化的
/gsd-plan-phase、/gsd-execute-phase、/gsd-next命令替代长篇规划 prompt。原本需要 200+ Token 的规划 prompt，现在每次只要 3 Token。 - Planning Skill —— 编码你的规划方法论，不需要每次会话重新解释。对多人团队特别有价值，确保一致的规划输出。
在 Skill 合集 中浏览更多适合你工作流的选项。
策略二：用摘要压缩上下文
即使装了 Skill，对话上下文仍然会随着每条消息增长。Claude Code 每轮都要读取完整的对话历史——也就是说，50,000 Token 的历史意味着每条消息都要花 50,000 输入 Token，哪怕你只问了一个简单问题。
问题所在
一个真实场景：
- 第 1 轮： 你让 Claude 读 3 个文件（8,000 Token 的文件内容加入上下文）
- 第 5 轮： 已经交换了 20,000 Token 的对话
- 第 10 轮： 上下文达到 45,000 Token
- 第 15 轮： 上下文达到 80,000 Token——每条新消息的输入 Token 成本就是 80,000
按 Opus 定价（$15/百万输入 Token），第 15 轮的单条消息输入成本是 $1.20。一个 20 轮对话的累计成本轻松超过 $10。
解决方案
策略性地使用 /compact 命令。这个命令让 Claude Code 对对话历史做摘要，把它压缩到原始大小的几分之一，同时保留关键决策和上下文。
什么时候做 compact：
- 在会话中完成一个重要任务之后
- 当你注意到上下文超过 40,000 Token 时
- 在同一会话中切换话题之前
- 在读取了大文件但后续不再需要完整内容时
压缩前后的 Token 对比：
| 场景 | /compact 前 | /compact 后 | 压缩率 |
|---|---|---|---|
| 15 轮代码审查会话 | 82,000 Token | 12,000 Token | 85% |
| 大文件探索 | 65,000 Token | 8,000 Token | 88% |
| 多阶段项目规划 | 120,000 Token | 18,000 Token | 85% |
高级上下文管理
除了 /compact，这些做法也能减少上下文膨胀：
- 新任务开新对话 —— 不要在臃肿的会话里做不相关的工作
- 精确指定读取范围 —— 用 "读取
server.ts的 50–120 行" 代替 "读取server.ts"，避免加载几千行无关代码 - 使用
.claudeignore—— 排除node_modules/、构建产物、大数据文件，防止 Claude 的文件搜索意外加载它们 - 前置上下文 —— 第一条消息就提供所有相关文件和约束，而不是分 5 条消息零散补充，否则 Claude 每轮都要重新读取不断增长的上下文
策略三：用专业 Skill 减少迭代轮次
最贵的 Token 浪费不是 prompt 重复，也不是上下文膨胀——而是迭代循环。Claude 理解错了你的意图时，你要花 3–10 轮纠正，每一轮都要重新处理整个对话上下文。一次误解在大上下文中就能浪费 $5–$15 的 Token。
问题所在
没有结构的调试是经典的 Token 燃烧器：
第 1 轮："修复这个 bug"（Claude 试了方案 A——失败）
第 2 轮："不行，试试 X"（Claude 试了 X——部分成功）
第 3 轮："接近了，但你破坏了 Y"（Claude 修了 Y 但重新引入了原始 bug）
第 4 轮："不对，你需要保留第 2 轮的修复同时修 Y"
第 5 轮："让我重新解释一下完整上下文..."
每一轮都比上一轮贵，因为上下文在不断增长。到第 5 轮，你花的 Token 是正确一次完成所需的 5 倍。
解决方案
专业 Skill 编码了结构化的方法论，让 Claude 第一次就做对——或者至少在 1–2 轮内完成，而不是 5–10 轮。
系统化调试 Skill —— 不再用随意的 "修复这个" prompt，而是引导 Claude 走一个结构化的流程：
tokrepo install 78ed006e-d10d-4efe-804b-2e19a76cf2bb
使用 /gsd-debug 触发系统化调试工作流：
- 复现 —— 验证 bug 存在且可重现
- 假设 —— 生成 3–5 个可能的根因，按可能性排序
- 测试 —— 用最小代码改动验证每个假设
- 修复 —— 针对确认的根因应用修复
- 验证 —— 跑测试确认修复没有引入新问题
这种结构化方法通常在 2–3 轮 内解决 bug，而非 5–10 轮——调试任务节省 60–70% 的 Token。
Skill Creator —— 当你发现自己写同一个复杂 prompt 超过两次时，这个元技能帮你在几分钟内把它变成可复用的 Skill：
tokrepo install 0b7c0a41-97e1-4187-9cc5-4dc32d91a9cd
使用 /skill-creator 从描述生成新 Skill。Skill Creator 编码了 Skill 编写的最佳实践——frontmatter、触发条件、指令、示例——让你的自定义 Skill 第一次就能正确工作，不需要 3–4 轮修改。
前后对比：真实 Token 用量
我们跟踪了五个常见开发任务的 Token 使用量，对比了不用 Skill 和使用上述三个策略的工作流。
| 任务 | 不用 Skill (Token) | 用 Skill (Token) | 节省比例 |
|---|---|---|---|
| 代码审查（3 个文件） | 45,000 | 18,000 | 60% |
| 调试后端 API Bug | 92,000 | 35,000 | 62% |
| 规划新功能（5 个阶段） | 68,000 | 28,000 | 59% |
| 创建一个新 Agent Skill | 34,000 | 12,000 | 65% |
| 全天开发会话 | 320,000 | 145,000 | 55% |
按 Opus 定价（$15/$75 每百万 Token）换算成美元：
| 指标 | 不用 Skill | 用 Skill |
|---|---|---|
| 日均 Token 用量 | 320,000 | 145,000 |
| 每日输入成本 (@ $15/M) | $4.80 | $2.18 |
| 每日输出成本 (@ $75/M，约 30K 输出) | $2.25 | $1.13 |
| 月度成本（20 个工作日） | $141.00 | $66.20 |
| 年度节省 | — | $897.60 |
单个开发者每年节省近 $900——团队规模越大，节省效果线性增长。
常见问题
Agent Skill 本身会消耗 Token 吗？
会，但每个会话只消耗一次。当 Skill 被触发时，它的 Markdown 内容会加载到对话上下文中。一个典型的 Skill 约 500–1,500 Token。之后在同一会话中再次触发，只消耗斜杠命令的 2–3 个 Token。净节省远超一次性加载成本——通常在使用 Skill 的第 2 或第 3 轮就回本了。
降低 Token 成本最有效的单一操作是什么？
定期执行 /compact。上下文压缩能带来最大的绝对节省，因为它降低了会话中每条后续消息的成本。如果你的上下文在 80,000 Token，压缩到 12,000，每轮后续消息就节省 68,000 Token。再交互 3 轮，就是 204,000 Token——按 Opus 输入定价值 $3.06。
可以三个策略一起用吗？
当然可以——它们本来就是配合使用的。安装 Skill（策略一）减少重复 prompt，用 /compact（策略二）保持上下文精简，依赖专业 Skill（策略三）最小化迭代循环。同时采用三个策略的团队，月度 Token 成本通常降低 45–55%。
下一步
准备好开始省 Token 了吗？以下是你的行动清单：
- 安装你的第一个 Skill —— 从 GSD 或 Planning Skill 开始，立刻见效
- 浏览完整目录 —— 在 Skill 合集 中找到适合你工作流的 Skill
- 学会自己做 —— 阅读 如何创建你的第一个 Agent Skill，把你最常重复的 prompt 变成可复用的 Skill
- 对比你的选项 —— 看 Skill vs MCP vs Rules 完整对比 了解什么时候该用 Skill
- 看看最热门的 —— 我们的 15 个最佳 Claude Code Skill 排行榜展示了经过实测的高影响力 Skill