夜雨聆风AI 编程工具用着爽，账单也爽。
所以有了省token的各种项目
但是一旦涉及省成本，通常意味着妥协了什么
调查下来，大部分方案在丢信息换节省
信息丢了，就可能犯错，犯错意味着返工，反而增加token消耗
不过也有不丢信息照样省的路子。
每一轮对话的 token 消耗其实分六层：
第一层：系统提示。 每轮必传，2000-5000 tokens。这一层几乎没人注意，但它是所有轮次的底座。
第二层：MCP 工具定义。 装了十几个 MCP 服务器的话，所有工具的完整 Schema 每轮都要加载。实测下来，未优化时可以吃掉 150K tokens——上下文窗口才 200K，光工具定义占 3/4。
第三层：探索代码库。 AI 接到任务后的第一件事是 Grep、Glob、Read 一路翻下去。一个中型项目，完整探索一遍几千到几万 tokens。
第四层：AI 的回复。 模型一边推理一边输出，很多时候推理过程比答案本身还长。有用量审计发现，超过一半的钱花在"没有工具调用的对话轮次"上——说白了就是废话太多，过度思考。
第五层：工具返回结果。 AI 执行完命令后拿回来的输出——git diff、test log、grep 结果。一个 git diff 动辄几千 tokens，一轮测试跑完的 log 可能上万。这一层是单轮里最大的消耗源之一，但经常和对话历史混在一起被忽略。
第六层：历史对话。 每一轮都把之前所有对话重新传一遍。聊了 20 轮之后，光历史就能占掉大半上下文窗口。
搞清这六层，省 token 的思路就自然出来了。砍哪一层、怎么砍，决定了方案的本质。
所有方案可以分成两大阵营：砍信息和靠缓存。
砍信息：用损失换节省
这一阵营覆盖了绝大多数方案。核心逻辑都是一样的：减少传给模型的信息量。
砍第三层——少读：别让 AI 翻箱倒柜
Repomix（⭐26K）最直觉：会话开始前把代码库打包成结构化摘要。AI 读摘要拿全局视野，不用逐文件翻。
Codesight（⭐1.1K）更进一步——用 AST 分析代码结构，生成带语义的索引。告诉 AI 每个模块干什么、谁依赖谁。探索阶段声称 7-12x 压缩，加上按需读取综合 91x。
Code Graph（⭐18K）最巧妙：先分析代码依赖图，只喂和当前任务相关的子集。改了一个函数，只送调用链上下游。实测压缩 38x 到 528x。
代价：静态分析会漏动态生成的代码。Codesight 的 benchmark 显示部分项目的路由检测准确率在 88-100% 之间。索引需要随代码更新维护，否则读到的是过期信息。
砍第四层——少说：管住 AI 的嘴
Caveman（⭐69K+）是目前最火的方案。在系统提示里加一条规则，要求模型回复极简（输出token你输入贵很多）。
原来："The reason your React component is re-rendering is that you're creating a new object reference on every render..."（69 tokens）
Caveman 后："New object ref. Wrap in useMemo."（19 tokens）
输出缩减约 65%（README 10 个 prompt 实测平均）。但 越激进的压缩，出错风险越高——有社区测试发现压缩后 AI 漏掉了关键的推理步骤。
OmniRoute（⭐5.8K）在网关层用免费模型做压缩，官方声称综合省 78-95%（基于两层压缩率的数学推算）。但免费模型压缩质量不稳定，关键时刻漏一句推理就废了。
核心矛盾：废话和关键推理挤在同一句话里，砍的时候分不开。
砍第二层——少加载：MCP 工具定义是隐藏大户
装了十几个 MCP 服务器，每次会话 AI 都要加载所有工具的完整 Schema。
解决方案：Claude Code 的 Tool Search 功能默认延迟加载 MCP 工具——只在 AI 主动调用时才加载完整定义。装了大量 MCP 的项目，这一步就能释放大量上下文空间。
mcp2cli（⭐2.2K）把 N 个 MCP 统一成一个 CLI 入口，省 96-99%。代价：AI 看不到完整工具描述，复杂参数传递受限。
砍第五层——截断工具输出
git diff 动辄几千 tokens，测试跑完的 log 上万。这些内容对决策有用，但 AI 往往只需要其中几行。
OmniRoute 的网关层压缩覆盖了这部分，在转发之前先截断。综合省 78-95%。代价和上面一样：免费模型截断质量不稳定，可能把关键报错信息也砍掉。
砍第六层——压缩历史
/compact 用 LLM 总结会话历史，压缩 80-90%。代价是丢早期细节。社区经验：主动 compact，别等快爆了才做。180K 再 compact，总结质量打折。
靠缓存：不丢信息照样省
上面所有方案都在丢信息。但有一个完全不同的思路：信息一个字不丢，照样把成本降下来。
DeepSeek-Reasonix（⭐18.5K）就是这个思路的代表。它不做任何压缩，而是把上下文分成三层：不可变前缀（系统提示 + 工具定义）、只追加日志（对话历史）、临时草稿区。
核心操作：保证前缀层永远不变。每次请求，前缀一模一样地传上去。大模型 的 Prompt Cache 一看"这个前缀我见过"，直接命中缓存，不用重新处理。
结果：Cache 命中率最高达到 99.82%（项目方公布的真实用户单日数据）。信息零损失。
这个思路的本质：与其砍内容，不如让重复传输变便宜。 不是少读、不是少说，是让"读同样的东西"不再按原价收费。
Reasonix 是独立 Agent 框架，不能直接装在 Claude Code 里。
不是越省越好
两个阵营，两种哲学。
砍信息阵营的逻辑链：少传 → 省钱 → 但可能丢关键信息。砍得越狠，丢得越多。
靠缓存阵营的逻辑链：不砍 → 靠缓存机制降价 → 信息零损失。天花板是缓存命中率，取决于你的前缀有多稳定。
高性价比组合：优先靠缓存（固定前缀、别频繁切模型），再砍隐藏浪费（MCP 懒加载 + 主动 compact），最后适度砍探索成本（项目索引 + 依赖图）
不建议：多层压缩全开。理论上省 90%+，但信息损失叠加，复杂任务几乎必然出问题。
关键项目：
- • Caveman (69K+): github.com/JuliusBrussee/caveman
- • Repomix (26K): github.com/yamadashy/repomix
- • DeepSeek-Reasonix (18.5K): github.com/esengine/DeepSeek-Reasonix
- • Code Graph (18K): github.com/tirth8205/code-review-graph
- • OmniRoute (5.8K): github.com/diegosouzapw/OmniRoute
- • mcp2cli (2.2K): github.com/knowsuchagency/mcp2cli
- • Codesight (1.1K): github.com/Houseofmvps/codesight
你在用哪个省 token 方案？踩过什么坑？评论区聊聊 👇
觉得有用，点个推荐让朋友也能看到。
