AI全在涨价限速,我用了三层框架管住token

事情是这样的，我开通了 GitHub Copilot 的 Pro 会员，一直用得好好的。然而某天打开Github Copilot的产品公告——Opus 系列模型从 Pro 套餐里整体移除了，未来也不会有高等级的模型可以使用，他们意思很明确：得加钱！

于是我和广大网友一样开始找替代方案，但调研了一圈，发现的问题远比”换个平替的AI”更大。

• GitHub Copilot
  
  ：不仅移除 Opus，还暂停了 Pro/Pro+/学生版新用户注册；内部文件显示 6 月 1 日准备全面切换按 token 计费
• Anthropic
  
  ：悄悄把 Claude Code 从 $20/月 Pro 里删掉（后来说是”2% 用户测试”随即撤回），企业版已经改成了按百万 token 实际计费
• 阿里云
  
  ：3 月 18 日，四天内连发三条涨价公告，幅度约 34%
• 智谱 AI
  
  ：2026 年 Q1 把 API 调用价格上调了 83%——调用量不降反升，还增长了 400%
• 各类 Coding Plan 常年售罄
  
  ：国内外各大模型厂商的 coding plan，如百炼、GLM、方舟等 lite 版本常年处于售罄状态，说明需求远超供应

今年以来，全球 token 消耗量增长了 10 倍，中国日均调用量暴涨了 1000 倍。这个现象的根本原因是：Agent 模式让单次任务的 token 消耗量是聊天机器人模式的 50 到 200 倍。Agent 模式下，模型需要处理更多的上下文、工具调用、子代理交互，导致 token 消耗成倍增加。

GitHub Copilot 内部文件写得直接：今年以来运营成本每周翻倍。Anthropic 增长负责人的原话更坦诚——”使用模式已经变化太多了，现在的套餐根本不是为这种用量设计的。”翻译过来就是：当初定价的时候，没人想到你会这么用。

我本来想找更便宜的 token，但后来我想通了

我原本的出发点和大多数人一样——想找一个更便宜的工具或者订阅方案来代替 Copilot 的 $10/月套餐。但调研到这个程度，我确认了一件事：补贴正在退出，而且不会回头。Token 进入了通货膨胀的时代。 于是我重新思考了一个更重要的问题：Token 管理。

我注意到大多数关于”省 token”的讨论是从账单出发的，但我越用越觉得这个出发点不对。Token 管理的本质不是省钱，是让模型在做事时尽可能少受噪音干扰。

Dex Horthy 在 AI Engineer 大会上提到了一个”愚蠢区”的概念，深得我心：以 Claude Code 约 168K 的上下文窗口为例，当使用率超过 40%，模型的输出质量就开始显著下降。他的解释直击要害——”LLM 是无状态的，每一次工具调用的选择，完全取决于当前上下文窗口中的 token。更好的 token 进，更好的 token 出。”

这个描述重新框定了整件事：省 token = 减少噪音 = 提升输出质量，这三件事是同一件事。我在做实际项目的时候切身感受过这个现象——长时间不清理上下文，模型给出的答案就会开始漂移，它知道的历史信息太多了，反而不知道当前任务的边界在哪里。这不是模型变差了，是噪音把它推进了”愚蠢区”。

三层框架：系统性地管理上下文

如何高效地管理上下文、节省 token 的使用量，其实 Anthropic 官方文档列了很多具体操作。我去搜集了 A 社的文档，重新在逻辑上整理了一下。按照我的理解从机制出发，token 管理可以分成三层。

第一层：生命周期管理（影响最大，零设置成本）

上下文有生命周期：开始、积累、腐坏。大多数人只关注开始，不关注腐坏。

/clear 在任务切换时强制执行——不清的代价是每条后续消息都要支付之前所有历史 token 的税，换了工作场景却拖着旧上下文，等于把所有旧信息都强加给了模型。/compact 趁热做（上条消息 5 分钟内效果最好），而且可以指定方向：/compact Focus on code changes and test output，告诉模型压缩时保留什么，而不是让它自行判断。

CLAUDE.md 保持精简，复杂指令下沉到 Skill。CLAUDE.md 每次会话都自动加载，里面每一行都是全局税；Skill 是按需加载的，不调用不消耗。官方建议把 CLAUDE.md 控制在 200 行以内。

第二层：信息密度管理（控制进入上下文的信息质量）

上下文里的 token 不是越多越好，是越精准越好。

写具体 prompt，不写模糊请求。直接说”优化下我的代码”会触发大范围全局扫描，但是你说清楚具体的需求，比如”在 auth.ts 文件中为 login 函数添加输入验证”，那么只需要读一个文件，消耗差距可能是十倍。这不只是省钱——具体 prompt 让模型可以直接作业，模糊 prompt 让模型在”猜你在要什么”上消耗算力。

用 Hooks 做预处理，而不是让模型处理原始数据。Claude Code 支持配置 PreToolUse hook：读日志前先 grep ERROR，只把相关行传给模型，而不是把 10000 行原始日志塞进上下文。能用工具做的确定性工作，不要用大模型来做。MCP 工具同理——只开你用的，加载了不用的工具等于把算力预算花在了菜单上，而不是食物上。

Dex Horthy 把这层逻辑总结得更直接：子代理不是用来模拟角色的，是用来控制上下文的。派子代理去读代码、探索仓库、理解流程，然后只把精简结论返回给主会话——主会话始终保持干净，始终在”聪明区”工作。

第三层：算力配置管理（根据任务选择消耗档位）

这一层是在合适的地方花对应的钱，而不是一律最高档。

Anthropic 官方文档里提到 Sonnet、Haiku、Opus 的分级策略——日常任务用 Sonnet、复杂架构上 Opus、简单子任务配 Haiku。这个分级的底层逻辑完全可以迁移到国内模型上：DeepSeek、GLM、Qwen、Kimi、MiniMax 等等，各有各的能力档位和成本曲线。关键是根据任务复杂度选模型，而不是一律拉满。我的亲身经验是：模型档位不是决定输出质量的唯一变量，一个上下文干净的中等模型，产出质量往往比一个上下文混乱的顶配模型更强。

降低 Extended Thinking 预算同样重要。Thinking token 按输出 token 计费，默认预算动辄数万 token 每次，简单任务可以把 MAX_THINKING_TOKENS 设为 8000，或用 /effort 降档——对于确定性强的任务，过度的 thinking 反而是浪费。Subagent 用低成本模型，主会话保留高配模型。多 Agent 场景下，token 消耗与活跃 Agent 数量线性相关，每个 Agent 都有自己的上下文窗口。

三层之后：有件事你不能外包

Dex Horthy 的演讲里有一句话我觉得是整套框架的核心：”AI 不能替代思考，只能放大你已有的思考——或你没做的思考。”

他们用的是 Research → Plan → Implement（RPI）流程：先派子代理做 Research，找到正确的文件和代码位置；产出完整的 Plan，包含文件名、行号、测试策略；再 Implement。但他强调了一件事：Research 和 Plan 这两份文件，你必须亲自读。 你不能把这个判断也外包给 AI。

这和”写具体 prompt”是同一件事的两面：你对任务理解越清楚，给出的指令越精准，模型消耗越少，产出质量越高。我在之前做项目时也有过类似的总结：Token 消耗量是伪生产力指标——大量消耗 token 但产出废代码，不是在用 AI 工作，是在让 AI 在上下文里来回打转。真正有效的 AI 使用是消耗越少，产出越精准。

最后：开源本地部署行不行？

理论上，本地部署开源模型可以绕开 token 通胀——你自己的算力，没有计费压力。这条路真实存在，但门槛限制了它的适用范围：首先你需要一个不错的硬件环境才能跑起来还不错的模型，比如 5090 32GB 显存的显卡或者是 Mac Studio Max/Ultra 大内存版本，其次需要自行部署、维护、调参，不是普通开发者在做正式项目时的主路径。对大多数人来说，更实际的路是：在付费工具里，用更少的 token，做更好的事。

这不是省钱技巧，是认知框架。

参考来源：

GitHub Copilot 官方公告、Where’s Your Ed At 内部文件披露、Anthropic Claude Code 移除事件、Token大跃进、Claude Code 官方成本控制文档、Dex Horthy “No-Vibes-Allowed” 演讲