读长 PDF 把 token 烧光,这个开源 MCP 把消耗砍掉 9 成

读长 PDF 把 token 烧光，这个开源 MCP 把消耗砍掉 9 成

如果你经常拿 AI 读几十上百页的 PDF——合同、论文、财报、技术标准——多半碰到过这个问题：一份长文件扔进去，没问几句额度（额度，就是 AI 按用量收费的"字数"）就见底了。Marktechpost AI 团队最近开源了一个叫 Token Saver 的工具，专治这个痛点：它让 AI 只读真正相关的那几段，把读 PDF 的额度消耗砍掉九成，而且全程在你自己电脑上跑，文件不上传。

1. 长 PDF 为什么这么烧额度

读长 PDF 时，AI 之所以费额度，是因为它默认要把整份文档"读"一遍才能回答你；而在对话里，这些内容每追问一次就重新算一遍钱。文件越长、问得越多，烧得越快。

Token Saver 做的事很简单：你问一个问题，它先在本地把文档里能回答这个问题的段落找出来，只把这些段落连同页码交给 AI。一篇 200 页的报告，它可能只挑出两三段给模型——既省额度，还常常更准，因为 AI 盯着一堆无关内容反而容易看走眼。

官方用两份真实文档（213 页的法庭判决书、152 页的伯克希尔年报）测过：文档越大、对话越多，省得越多。大约 300 页的文件在多轮对话里，额度消耗能省到接近 99%；但 20 页以下的小文件不值得用，因为找出来的片段可能比整份文件还长。

2. 它是什么：一个 Claude 桌面端扩展

Token Saver 是一个给 Claude Desktop 用的扩展（扩展，可以理解成"插件"，装上后给 AI 增加一个新能力）。它基于 MCP（MCP，全称"模型上下文协议"，是 Anthropic 推出的一套标准，让 AI 能调用外部工具和数据——这里你只要知道：它让 Claude 能"翻"你电脑里的 PDF）。

它用的核心技术叫"本地混合 RAG"（RAG，简单说就是"先检索后回答"——先找到相关内容，再让 AI 基于这些内容生成答案；"混合"指它同时用了关键词匹配和语义理解两种找法，互相补漏）。这套检索全程在你自己电脑上完成，文档不离开本机。

安装门槛出乎意料地低：不用装 Python、不用开命令行、不用改配置文件。去 GitHub 下载一个 `token-saver-ccr.mcpb` 文件，在 Claude Desktop 设置里一键安装，再选一个放 PDF 的文件夹就行。第一次用时会自动下载检索引擎（约 2–5 分钟），之后就很快。

3. 隐私和准确度

隐私是它的一个明确卖点：你的 PDF 全程留在本机，检索在本地跑完，只有最后那几段命中内容才发给模型。它还支持文件夹白名单，只允许读取你指定的文件夹。

准确度方面，官方在 30 道测试题上测得检索命中率约 90%，没有错误拒答该答的问题。每次回答还会附上"本次省了多少额度"的统计，并标注引用页码——你可以直接翻到原文核对。

4. 几个要注意的限制

任何工具都有适用边界，这个也不例外：

/// 适合谁，值不值得现在试

适合：经常用 Claude Desktop 读长 PDF 的人——做法律、研究、金融、技术文档的，尤其是动辄几十上百页、还要反复追问的场景。

不适合：不用 Claude Desktop 的人；只读几页短文档的人；希望开箱即用、零学习成本的纯新手（虽然安装简单，但首次配置和摸索用法仍需要一点耐心）。

判断：如果你正好是 Claude Desktop 的用户，又经常跟长 PDF 打交道，现在就值得试——开源免费、本地运行、安装确实简单，省额度效果在大文件上是实打实的。如果你用的是别的 AI 工具，可以先关注，等同类方案扩散到更多平台再说。

一句话：它没有宣传里"砍掉九成"那么普适，但把场景限定在"用 Claude 读大 PDF"时，确实是个省心省钱的好帮手。