Claude Code官方教学：最大化Session价值，减少Token浪费

Anthropic 發布官方文章〈Maximizing the value of your Claude Code sessions〉，拆解 Claude Code 的計價機制，點名六個立刻能照做的習慣，並列出最該盯的四個花錢破口。

（前情提要：Claude Code 推出 Monitor 工具：背景監聽取代輪詢，大幅節省 Token 消耗）

（背景補充：Anthropic宣布解鎖Opus 4.6百萬Token不加價！上下文測試碾壓GPT-5.4）

過去寫程式的工具是固定費用甚至免費，編輯器不會因為你今天下午多修了四十九個測試就多收錢，單一任務本身沒有自己的價格。代理式（agentic）程式設計工具把這件事改掉了：同一個任務，用法不同，價格就不同。

Anthropic 在 8 月 14 日發布的官方文章中，用一個很小的例子說明這件事。同樣是修一個壞掉的測試，Session A 讀了測試檔、讀了被測檔案、改完收工，只送出 5 個 request；Session B 先在整個 repo grep 一輪，沿路開啟十幾個檔案才走到同樣那兩個檔，膨脹成 18 個 request — 而且這期間每一輪都還拖著今天早上以來讀進對話的所有東西。

同樣一個修復，先搜尋的 Session B 送出的 request 是 Session A 的三倍以上。圖片來源：Anthropic 文章強調一個關鍵觀念：所謂省 Token 不是總量用得更少，而是確保你花掉的 Token 都真的用在你要求的那件事上。

一個 Token 到底在賣什麼 帳單按 Token 計價，但你實際上付的是推論（inference），也就是 GPU 跑完模型所耗的時間。官方點出三件事決定一個 Token 佔用多少時間：用哪個模型、它是輸入還是輸出、以及有沒有被快取。

模型越大，處理輸入與輸出的工作量都越大，而且底下講的所有成本都會被模型單價再乘一次。官方的建議是：問題真的困難或曖昧時才用大模型，例行工作用小模型就好。

簡單任務上大小模型的品質曲線很快收斂，困難任務上則不會——大模型能用更少 Token 達到同樣品質。（官方註明曲線僅為示意，非真實 benchmark 資料）圖片來源：Anthropic 輸出為什麼貴 5 倍：Prefill 與 Decode 一次請求在 GPU 上會走兩個階段。Prefill（預填）是模型讀進你的請求與脈絡 — 系統提示、你的 CLAUDE.md、你的訊息，加上這段對話至今被塞進來的一切，這些是輸入 Token。Decode（解碼）則是模型寫出輸出 Token：它的思考、工具呼叫、你看到的文字。

差別在於 decode 是一次一個 Token 產生的：一段 200 Token 的回應，就是模型連續跑 200 次。單就每個 Token 而言，decode 佔用 GPU 的時間遠比 prefill 長，這就是輸出定價大約是輸入 5 倍的原因。

Prefill 對整個請求做一次掃描，Decode 則每跑一次只吐一個 Token 再帶著它重跑。圖片來源：Anthropic Session 裡有相當比例的輸出 Token 其實是思考 Token，每輪思考多少由 effort 等級控制。

官方提醒，模型與 effort 都會記住你上次的選擇並沿用到下一個 Session，所以在乾淨的新 Session 先跑一次 /model 和 /effort，確認自己到底在什麼設定上。如果明知這個 Session 就是做粗活，可以用 MAX_THINKING_TOKENS=0 claude 關掉思考（Fable 5 除外），等於比 /effort low 再低一階。

真正的省錢關鍵：不要打掉 Prompt Cache 如果一次請求的開頭跟伺服器剛看過的請求完全一致，這段共同開頭算出來的狀態也會一樣，伺服器就能留著上次的結果，只針對新增的部分做 prefill，這就是 prompt caching。讀取快取只要輸入價的 0.1 倍，寫入快取最高約 2 倍，但寫入每個 Token 只發生一次，之後每一輪都是 0.1 倍的讀取。

Claude Code 每次請求都會自動管理快取，沒有東西要你開啟，但你有辦法把它弄壞。官方特別說明，快取必須從請求的最開頭往後逐字對上，而請求順序永遠固定：工具定義 → 系統提示 → 對話（CLAUDE.md 放在對話最前面）。只要這個字首有任何改變，後面全部得重新 prefill。

會打掉快取的動作包括：對話中途下 /model（每個模型有自己的快取，含每次進出 plan 模式都換模型的 opusplan）、改 /effort、開啟 fast mode（而且重新 prefill 是按 fast mode 價格算），以及 /compact（對話被換成更短的內容，原本的都對不上了）。

還有一個容易被忽略的變數是時間：快取在訂閱制是一小時過期、API key 是五分鐘（ENABLE_PROMPT_CACHING_1H=1 可拉到一小時）。超過才回來，下一輪就會把整段對話重新 prefill；恢復舊 Session 幾乎一定也是如此。

官方的結論是，這不代表你永遠不能換模型或 effort，而是有便宜的時機（Session 剛開始、或剛下完 /clear）和昂貴的時機（一段長對話的中間）。

另外還有一招：如果最近幾輪跑歪了不想留，用 /rewind 退回那幾輪之前，成本為零；而 /compact 會重寫整段對話，一定要花錢。

問法差一個字元，成本差六輪 接著是 Session 會送出多少 Token。最重要的觀念是：沒有任何東西只被送出一次。

任何進到對話裡的東西：Claude 讀的檔案、它跑的指令輸出，都會在之後的每一輪被重新送出，直到 Session 結束。它是走快取的，所以每次重送都很便宜，但便宜不等於免費，而且它同時佔著上下文的空間，模型每一輪都得繞過它去思考。

Claude 讀多少，主要取決於它得自己摸索多少。官方用...