用上Claude之后，只发了一句「你好」，为什么消耗了十万 token？一篇讲清你的 token 到底花哪了

最近这两天 Claude 疯癫，开始大封号。

我的号也被封了，所有就转头走API的方式用 opus4.8 。

大家平时如果是用 Claude pro会员，可能对 token消耗没概念。

但是一旦用上了API调用，你对token消耗就会敏感了，毕竟token画的越多，钱就哗哗的。

估计很多读者，当你用Claude Code打开你的一个项目要开始大干特干，第一句话礼貌性地发了个「你好」。

结果一看后台账单，傻眼了。

我特别给大家做一个测试，

使用 Claude Opus 4.8 ，在我的卡码笔记项目里输入一个：“你好”。

在后台看一下 计费：

（这个计费截图是 apidock.ai (opens new window) 的后端截图）

• 输入 token：88
• 缓存读：32690
• 缓存创建：72790
• 输入 token：61

加起来十万出头。

就一句「你好」啊。两个字。

第一反应往往是：是不是被坑了？是不是哪里算错了？

接下来，看看这十万 token 到底花在哪，一笔一笔讲清楚。

用不了Claude opus 4.8的录友，可以试试 apidock.ai (opens new window) ，我目前用的是这个，比较稳定

一、模型没有记忆

很多人对 AI 的想象是这样的：它记得我们刚才聊了什么，我发新的一句，它接着上文回我就行。

错。大模型本身是没有记忆的。

它不是一个一直在线、记着你的助理。它更像一个每次都失忆的专家——你每问一次，它就被叫醒一次，回答完立刻忘光。

那它怎么能接着上文聊？

靠的是：每一轮请求，都把前面所有该知道的东西，重新完整地发给它一遍。

你以为你只发了「你好」。

实际上发过去的，是「一大坨它必须先读完才能干活的上下文」 + 你那句「你好」。

那句你好确实只值几十个 token（就是后台那个 88 和 61）。剩下十万,全是你看不见的那一大坨。

二、那一大坨到底是什么？

我们把一次请求拆开看。模型每轮实际收到的内容，大致分这么几层：

第一层：系统提示词（最大的一块）

这是工具厂商预先写好、塞在每次请求最前面的「行为说明书」：你是谁、你能干什么、安全规范、回答风格、怎么用工具……

Claude Code 这类 Agent 工具的系统提示词非常长，因为它要把一整套工作规则讲清楚。这部分跟你发什么完全无关，每轮都带，雷打不动。

之前在聊 fable5时候，也聊过 Claude Fable 5被破解了？12万字系统提示词全曝光 (opens new window)

用堆提示词的方法，造不出来一个好用的Agent，但一个好用的Agent，一定有海量提示词。

第二层：工具定义

Claude Code 能读文件、改文件、跑命令、搜索代码、调 MCP……这十几个工具，每一个都要用一段结构化的 JSON 告诉模型「这个工具叫什么、接收什么参数、什么时候用」。

工具越多，这段越长。这也是为什么后面我们会说，工具不能随便乱加。

第三层：项目规则文件（CLAUDE.md 这类）

如果你在一个项目里用 Claude Code，它每次开会话都会先读项目根目录的 CLAUDE.md——你的技术栈、代码规范、踩过的坑、常用命令，全在里面。

这文件写得越详细，越「贴合你的项目」，但也越占 token。它是个双刃剑，后面讲怎么平衡。怎么把它写得管用又不臃肿，我们专门写过一篇：CLAUDE.md 到底怎么写。

而且用来做测试的这个项目，目录本来就有比较长的CALUDE.md ，里面写了——仓库概述、画图规范、drawio 样式、文章风格、简历四要素…… 全文每次都会加载进来,这样Claude才知道这个项目的规矩。

这一项就贡献了好几千 token。

第四层：记忆和历史对话

跨会话的自动记忆、本轮之前已经聊过的内容，也都要重新发一遍。

会话越长，这层越厚——你聊到第 20 轮时，前 19 轮的内容每一轮都还在被重新发送。

第五层：你那句「你好」

到这才轮到你真正打的字。几十个 token。

把这五层叠起来你就明白了：「你好」是露在水面上的冰山一角，水面下那一大坨系统提示词、工具定义、项目规则，才是十万 token 的真正来源。

三、再来看那四个数字：输入、缓存创建、缓存读

拆完构成，回头看后台那几个名词就不懵了。

为什么同样是「发给模型的内容」，却分成了输入、缓存创建、缓存读三种？

因为厂商发现了一个规律：每轮请求里那一大坨（系统提示词、工具定义、项目规则）几乎是一模一样的。 每轮都让模型从头重新计算一遍，太浪费了。

于是有了 Prompt Cache（提示词缓存）：把这些稳定不变的内容，第一次算完就缓存下来，下一轮直接复用，不用重算。

对应到那四个数字：

名词	是什么	价格
输入 token	没走缓存的普通输入（比如你新打的「你好」）	标准价
缓存创建	第一次把那一大坨写进缓存	比标准价贵一点（约 1.25 倍）
缓存读	从缓存里直接读取，不用重算	比标准价便宜约 5-10 倍

所以你那组数据翻译过来就是：

• 缓存创建 72790：第一轮，把系统提示词、工具定义、CLAUDE.md 这一大坨第一次写进缓存。这是一次性的「建仓」动作，单价略贵。
• 缓存读 32690：有一部分上下文已经在缓存里了，直接读，便宜得多。
• 输入 88 / 61：你真正新增的内容，包括那句「你好」。

关键在于：缓存创建是「贵但只发生一次」，缓存读是「便宜且反复发生」。

Prompt Cache 缓存的不是你的答案，而是模型处理上下文时的中间计算。这背后还有一整套工程设计——为什么系统提示词不能随便改、工具不能随便加，都是为了不破坏缓存。想深挖的录友看这篇：Claude Code 为什么快？Prompt Cache 一篇讲明白。

四、这钱花得冤吗？

不冤。而且恰恰相反——这是在帮你省钱。

我们做个对比。

假设那十万 token 全部按「标准输入价」算，那才是真的贵。但实际上：

• 占大头的那部分走了「缓存读」，便宜五到十倍；
• 「缓存创建」虽然略贵，但只在第一轮发生一次。

更关键的是看趋势。别只盯着第一句「你好」。

• 第 1 轮：大量缓存创建（建仓，看着贵）
• 第 2 轮：那一大坨基本都命中缓存，转为缓存读（便宜）
• 第 3 轮、第 4 轮……：持续走缓存读

第一轮的「贵」，是给整个会话铺路。后面每一轮都在吃第一轮建好的缓存红利。 你聊得越久，这笔一次性开销摊得越薄。

所以「发一句你好花十万 token」这个现象，本质是：

你不是在为「你好」付费，你是在为「让模型具备给你干活的完整能力」付一次性的铺垫费。 而缓存机制，已经在尽力帮你把这笔费用压到最低了。

五、那还能再省吗？能

知道了钱花哪，省钱的方向就清楚了——盯着那一大坨「固定开销」里你能控制的部分。

1. 精简 CLAUDE.md

系统提示词和工具定义你改不了，但 CLAUDE.md 是自己的。

其实我这个项目的 CLAUDE.md 确实应该精简一下了。

而且还有很多人把它写成了一本几千字的百科全书，每轮都全量加载。

该拆的拆成 Skill（按需加载、平时不占上下文），该删的删。

2. 别动不动开新会话

每开一个新会话，那一大坨就要重新「缓存创建」一次（走贵的那档）。在同一个会话里把相关的事一次做完，比反复新建会话划算得多。

3. 长任务比碎问题划算

既然第一轮的建仓成本是固定的，那把它摊到一个能干很多活的长会话里，平均每件事的成本就低。反过来，开个会话只问一句就关，那笔建仓费就白花了。

所以，大家不要在Claude code 的Agent里 做日常提问（今天天气怎么样、肚子疼了吃点啥、程序员如何学习大模型等等），这些日常提问去 web端提问就好。

因为你在项目目录里提问日常内容，每次都要加载项目目录，这和日常问题 没关系。

4. 注意上下文别无限膨胀

会话太长，历史对话那层会越堆越厚。Claude Code 有上下文自动压缩，必要时也可以主动开新会话——这是另一个权衡，具体怎么管理上下文，可以看Claude上线文管理。

最后

下次再看到「发一句你好消耗十万 token」，你应该能秒懂了：

那十万里，绝大部分是系统提示词、工具定义、项目规则这些你看不见、但模型每轮都得读的上下文；「你好」本身只值几十个。而其中大头走的是便宜五到十倍的缓存读，贵的缓存创建只发生一次。

不是被坑，是机制。看懂了，你才知道怎么用得更省。