夜雨聆风PART 01
13.1 故事：从$200到$2000，我的AI账单去哪了？
小明和阿强是好朋友，都是程序员。
小明的情况：
每月AI账单：$215
使用体验：非常好，流畅、快速、答案准确
任务类型：日常编程、代码审查、文档撰写
阿强的情况：
每月AI账单：$2,180
使用体验：卡、慢、经常超出上下文
任务类型：和 小明一样
什么导致了10倍的成本差距？
不是他们用的AI服务不同，不是他们的项目复杂度不同，而是——小明懂Token经济学，阿强不懂。
///
PART 02
13.2 什么是Token？
13.2.1 Token的直观理解
Token是AI处理文本的基本单位。可以把Token理解为AI的「一口饭」。
| 你吃一口饭 | AI处理一个Token |
|---|---|
| 每顿饭要吃很多口 | 每个词要拆成多个Token |
| 吃得多 = 花钱多 | Token多 = 成本高 |
| 可以控制吃几口 | 可以控制Token数量 |
Token的换算规则：
英文Token估算：
- 1个单词 ≈ 1.3 Tokens
- "hello world" = 2 Tokens
- 一页纸 ≈ 500-800 Tokens
中文Token估算：
- 1个汉字 ≈ 1-2 Tokens
- "你好世界" ≈ 4 Tokens
- 一篇1000字的文章 ≈ 1500-2000 Tokens
13.2.2 上下文窗口的消耗来源
你每次和AI对话，消耗的Token来自五个地方：
总Token消耗 = 输入Token（你的问题）
+ 输出Token（AI的回答）
+ 推理Token（AI的思考过程）
+ 缓存读Token（从上下文读取）
+ 缓存写Token（写入上下文）
最容易忽略的消耗：工具调用输出
一次 Playwright 页面快照 = 56 KB ≈ 42,000 Tokens
一次 GitHub Issues 查询（20条）= 59 KB ≈ 44,000 Tokens
一次访问日志读取 = 45 KB ≈ 34,000 Tokens
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填满！
///
PART 03
13.3 模型选择矩阵：让对的人干对的事
13.3.1 三大模型定位
Anthropic的三驾马车（Haiku、Sonnet、Opus）各有分工：
| 模型 | 价格 | 速度 | 能力 | 最佳用途 |
|---|---|---|---|---|
| Haiku | $0.25/1M Tokens | ⚡ 闪电快 | 基础任务 | 探索、搜索、简单编辑 |
| Sonnet | $3/1M Tokens | ⚡ 快 | 均衡高手 | 日常编码、多文件实现 |
| Opus | $15/1M Tokens | 🐢 慢 | 最强推理 | 复杂架构、安全分析 |
价格差异：
Haiku vs Opus：
- 速度：Haiku 比 Opus 快 10倍
- 价格：Haiku 比 Opus 便宜 60倍
- 能力差距：简单任务几乎无差距
结论：
能用Haiku的地方用Haiku，能省60倍钱！
13.3.2 任务类型 → 推荐模型
┌─────────────────────────────────────────────────────────────┐
│ │
│ 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） │
│ │
└─────────────────────────────────────────────────────────────┘
13.3.3 详细任务映射表
| 任务类型 | 推荐模型 | 原因 |
|---|---|---|
| 搜索文件 | Haiku | 快速、够用 |
| 阅读代码理解逻辑 | Sonnet | 需要一定推理 |
| 简单编辑（一行代码） | Haiku | 指令清晰 |
| 多文件重构 | Sonnet | 需要理解上下文 |
| 架构设计 | Opus | 复杂推理 |
| 安全漏洞分析 | Opus | 不能遗漏 |
| 写测试用例 | Haiku/Sonnet | 取决于复杂度 |
| Bug调试（简单） | Haiku | 定位明确 |
| Bug调试（复杂） | Opus | 需要深度分析 |
| 代码审查 | Sonnet | 性价比最佳 |
| 代码审查（安全相关） | Opus | 安全无小事 |
| 写文档 | Haiku | 结构简单 |
| 技术方案设计 | Sonnet/Opus | 取决于复杂度 |
| API设计 | Sonnet | 需要上下文 |
| 数据库设计 | Opus | 复杂关联 |
13.3.4 成本对比实例
场景：审查50个代码文件
用 Opus 审查 50 个文件：
- 输入：50个文件 × 平均 5KB = 250KB ≈ 187,500 Tokens
- 每千Token成本：$15 / 1M = $0.015
- 单次成本：$15 × 0.1875 = $2.81
- 如果每天审查5次 = $14/天 × 30天 = $420/月
用 Haiku 审查 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 ≈ 37,500 Tokens
- 单次成本：$0.25 / 1M × 0.0375 = $0.009/Agent
- 4个Agent并行 × $0.009 = $0.036/次
- 如果每天审查5次 = $0.18/天 × 30天 = $5.4/月
对比：$420/月 vs $5.4/月 = 78倍差距
///
PART 04
13.4 OpenCode推荐配置
13.4.1 settings.json最佳配置
{
"model": "sonnet",
"env": {
"MAX_THINKING_TOKENS": "10000",
"CLAUDE_CODE_SUBAGENT_MODEL": "haiku"
}
}
13.4.2 配置解析
| 设置项 | 默认值 | 推荐值 | 效果 |
|---|---|---|---|
model | opus | sonnet | 成本降低 60% |
MAX_THINKING_TOKENS | 31,999 | 10,000 | 隐藏成本降低 70% |
CLAUDE_CODE_SUBAGENT_MODEL | 继承主模型 | haiku | 子任务便宜 80% |
为什么这三个设置最重要？
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%成本直接省下来
2. MAX_THINKING_TOKENS: 10000
- AI的「思考过程」也消耗Token
- 默认值31,999太高了
- 限制到10,000，70%思考成本省下来
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%子任务成本省下来
13.4.3 进阶配置
{
"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
13.5 Token计算小工具
13.5.1 估算公式
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
13.5.2 在线计算器
Anthropic官方Token计算器：
https://anthropic.com/context-window-calculator
13.5.3 实际计算示例
场景：和AI讨论一个代码库
对话内容：
- 你的问题：200字中文 ≈ 400 Tokens
- AI回答：500字中文 ≈ 1000 Tokens
- 读取10个代码文件：10 × 10KB × 750 = 75,000 Tokens
- 工具输出（bash命令）：5KB × 750 = 3,750 Tokens
单次对话总Token：
400 + 1000 + 75000 + 3750 = 82,150 Tokens
按Sonnet价格：$3/1M Tokens
单次成本：$3 × 0.082 = $0.246
如果每天50次对话：
$0.246 × 50 = $12.3/天 × 30天 = $369/月
13.5.4 压缩后的成本对比
未优化的情况：
- 每天50次对话
- 每次读取10个文件
- 上下文窗口经常满
- 月账单：$1,200
优化后的情况：
- 每天50次对话
- 每次读取用Think in Code代替
- 上下文窗口控制在75%以下
- 月账单：$280
节省：77%
///
PART 06
13.6 成本监控命令
13.6.1 /cost命令
在OpenCode中，使用/cost命令查看当前会话开销：
/cost
预期输出：
┌─────────────────────────────────────────────────────────────┐
│ 当前会话成本统计 │
├─────────────────────────────────────────────────────────────┤
│ │
│ 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 │
│ │
│ 当前成本：$0.58 │
│ 预计本月成本：$348（基于当前使用模式） │
│ │
│ 与上月相比：-12%（优化生效中） │
│ │
└─────────────────────────────────────────────────────────────┘
13.6.2 成本趋势分析
/cost --trend
预期输出：
┌─────────────────────────────────────────────────────────────┐
│ 成本趋势（近30天） │
├─────────────────────────────────────────────────────────────┤
│ │
│ 日均成本：$11.6 │
│ 最高单日：$28.3（周三 - 大量代码审查） │
│ 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 │
│ │
└─────────────────────────────────────────────────────────────┘
13.6.3 成本异常检测
/cost --alert --threshold 20
当单日成本超过$20时，自动发送提醒。
///
PART 07
13.7 战略性压缩时机
13.7.1 什么时候压缩？
✅ 应该压缩的时机：
1. 探索完成后
- 用Explore Agent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
13.7.2 压缩时机图解
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
13.8 MCP管理的成本考量
13.8.1 MCP的Token开销
每个MCP连接都有额外的Token开销：
| 开销类型 | 估算值 |
|---|---|
| 每个MCP的Schema描述 | ~500 Tokens |
| MCP工具列表 | ~300 Tokens |
| MCP响应头 | ~200 Tokens |
| 单次MCP调用总开销 | ~1,000 Tokens |
13.8.2 MCP开销累积
10个MCP连接 × 500 Tokens（Schema）= 5,000 Tokens/次
如果每天100次对话 = 500,000 Tokens/天
按Sonnet价格 = $3/1M = $1.5/天 × 30 = $45/月
13.8.3 MCP管理建议
原则：配置20-30个MCP，实际启用 < 10个
策略：
1. 按需启用
/mcp enable github # 只需要GitHub时启用
/mcp disable github # 用完后禁用
2. 用CLI替代MCP
gh CLI → GitHub MCP（$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
13.8.4 MCP vs CLI对比
| 操作 | MCP | CLI | 结论 |
|---|---|---|---|
| GitHub PR审查 | MCP | gh pr review | CLI更好 |
| 文件搜索 | MCP | rg | CLI更好 |
| 数据库查询 | MCP | psql | CLI更好 |
| Notion读写 | MCP | API | MCP更方便 |
| Slack消息 | MCP | Webhook | MCP更方便 |
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
13.9 子Agent保护上下文
13.9.1 子Agent的上下文隔离
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：200,000 Tokens
- 当前消耗：150,000 Tokens（75%）
子Agent调用：
- 新Session创建
- 从干净状态开始
- 上下文窗口：200,000 Tokens
- 当前消耗：0 Tokens
13.9.2 利用子Agent节省上下文
错误做法：在主Session中读取大量文件
主Session：
Read file1 → 10KB
Read file2 → 10KB
Read file3 → 10KB
...
Read file50 → 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）：
Read file1 → 10KB
Read file2 → 10KB
...
Read file20 → 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：
| 方式 | 主Session消耗 | 子Session消耗 |
|---|---|---|
| 主Session读取 | 500KB | 0 |
| 子Agent读取 | 5KB（摘要） | 500KB |
///
PART 10
13.10 成本优化实战案例
13.10.1 案例1：日常代码审查
原始做法：
你：用Opus审查这个50文件的代码库
AI：开始审查...
结果：
- 耗时：30分钟
- 成本：$8.50
- 上下文：满了
优化做法：
你：用Sonnet + 子Agent并行审查
AI：
Agent 1: 审查文件1-10（Haiku）
Agent 2: 审查文件11-20（Haiku）
Agent 3: 审查文件21-30（Haiku）
Agent 4: 审查文件31-40（Haiku）
Agent 5: 审查文件41-50（Haiku）
汇总审查结果
结果：
- 耗时：8分钟（并行）
- 成本：$0.35
- 上下文：清爽
节省：95%成本，75%时间
13.10.2 案例2：Bug调试
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
- 成本：$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）
- 成本：$2.80
- 上下文：清晰
节省：78%成本
13.10.3 案例3：技术文档撰写
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：
- 成本：$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：
- 成本：$0.25
- 质量：足够好
节省：98%成本
///
PART 11
13.11 月度成本规划
13.11.1 成本预算表
基于使用模式的月度成本估算
| 任务类型 | 占比 | 模型 | 月Token | 月成本 |
|--------------|------|--------|---------|---------|
| 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** |
13.11.2 成本优化检查清单
□ 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Think in Code代替大量读取
□ 在正确时机压缩（75%阈值）
□ 使用/cost监控成本趋势
□ 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
13.12 本章小结
核心要点
- Token是AI的「一口饭」：吃得越多，花钱越多
- 三大模型分工：
- Haiku：探索、搜索、简单任务（最便宜）
- Sonnet：日常编码、多文件实现（性价比最佳）
- Opus：复杂架构、安全分析（最贵但最强）
- 三个关键配置：
model: sonnet→ 60%成本降低MAX_THINKING_TOKENS: 10000→ 70%隐藏成本降低CLAUDE_CODE_SUBAGENT_MODEL: haiku→ 80%子任务成本降低
- 压缩时机：
- ✅ 探索后、实现后、里程碑后
- ❌ 调试中、实现中、推理中途
- MCP成本：每个MCP增加约500 Tokens/schema开销
- 子Agent隔离：用子Agent读取大量文件，主Session只接收摘要
- CLI替代MCP：高频操作用CLI省成本
实践建议
✅ 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%成本
✅ 用/cost监控成本趋势
✅ 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）
下一步
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
