省 Token 速查手册：4 张卡 + 1 个计算器，把六篇结论变成能用的东西
这是 Token 系列的第七篇，也是第一幕（认知 + 立即可用）的收束篇·实用附件。前六篇讲完了 Token 是什么、日常写代码怎么省、指令文件与 README 两笔固定税，以及 Cursor 与 Claude Code/Codex 三大客户端的开关；这一篇不展开新观点，只做一件事：把结论浓缩、把工具交给你。
本文配套一个可运行的 Python 脚本
token_cost_calculator.py，含内置模型定价、五场景预设、浪费诊断与优化预估，直接下载即可用。系列导航：第一篇「Token 是什么」→ 第二篇「12 个实操开关」→ 第三篇「Copilot 指令瘦身」→ 第四篇「AI 友好 README」→ 第五篇「Cursor 8 开关」→ 第六篇「Claude Code / Codex 省 Token」→本文：速查手册 + 成本计算器
零、先说结论：一个工具 + 四张卡
读完前六篇，你可能已经把“省 Token”的大原则都记住了，但真正到敲键盘时还会遇到三个问题：
- 我该先做哪一步？—— 六七个开关全上，工程量大、还容易一次改坏；
- 这次优化到底能省多少钱？—— 没有数字就没法排优先级，也没法向上汇报；
- 别人问“为什么账单这么高”，我怎么快速定位？—— 不可能每次都翻五篇文章。
所以这一篇的交付只有两样东西：
- 四张速查卡：按“写代码 / 跑 Agent / 用客户端 / 团队治理”四场景整理的动作清单；
- 一个成本计算器：输入 Token 数 → 输出账单构成、浪费诊断、优化空间，一行命令跑完。
一、四张速查卡：动作对号入座
把前六篇 40 多个动作压缩到一张图的信息量，按你当前遇到的问题选一张卡。
卡 1 · 日常写代码（个人可独立完成）
| 症状 | 动作 | 预期效果 |
|---|---|---|
| AI 总把整个文件重写一遍 | 要求用diff / unified patch输出，而不是整文件替换 | 输出 Token 降 70~90% |
| 每次给的上下文越来越长 | 精准引用符号（函数名/类名/行号），不要贴整个文件 | 输入 Token 降 60~80% |
| 对话框从周一开到周五 | 完成一个任务就开新会话；或用/compact压缩 | 单轮成本降 70%+ |
| AI 每次都长篇大论 | 系统提示里加“简洁回答、仅给必要代码”，或装Caveman | 输出 Token 降 50~65% |
| 要处理大量日志/JSON | 让 AI 先写一个本地脚本，数据留在本地跑 | 几乎零 Token 数据量 |
| 长任务一次塞太多要求 | 分三阶段：研究 → 计划 → 执行，分步确认 | 返工率降一半，省掉无效 hop |
卡 2 · 搭 Agent / 多 Agent 系统（架构层）
| 动作 | 怎么干 | 预期效果 |
|---|---|---|
| 工具定义延迟加载 | 不要把 100 个工具 schema 常驻 system prompt，做一个“工具发现工具”按需注入 | 固定输入降 40~70% |
| 三级 Skill 装载 | 元数据常驻（100 Tok/Skill）→ SKILL.md 命中加载 → references 延迟加载 | 比全量常驻省 95% |
| 项目记忆库分四格 | active-task/decisions/gotchas/project-summary；gotchas回报率最高 | 少走弯路，hop 数 -30% |
| A2A 不转发全文 | 共享存储 + 引用指针，而不是把上游输出原样塞给下游 | 消息体降 90~99% |
| 设硬停止条件 | max_steps/budget_limit/quality_gate三件套 | 挡住 90% 死循环 |
| 模型路由 | 简单路由/格式化走 Haiku/Flash，核心推理才用 Sonnet/Opus | 总成本降 40~60% |
卡 3 · 客户端 & 工具开关（装了就生效）
| 工具 / 客户端 | 关键开关 | 压缩幅度 |
|---|---|---|
| Caveman | 强制模型用极简格式输出 | 输出 -60~65% |
| Ponytail | 拦住过度设计，默认不装依赖不写多余代码 | 输出代码 -54% |
| RTK | 压缩终端输出（git/pytest/构建日志） | 输入 -60~90% |
| Context Mode | 工具输出先摘要，只取回相关行 | 输入 -90~98% |
| Cursor | .cursorignore排除无关目录；Rules 精准控制；任务间开新会话 | 综合 -30~50% |
| Claude Code | /context选文件、/compact压缩、/clear开新会话；用好 Skill 系统 | 综合 -30~50% |
卡 4 · 团队治理（把账“看见”并“管起来”）
| 层级 | 关键动作 |
|---|---|
| 看见 | 给每次调用打标签（任务类型/Agent 角色/模型版本/Step 序号）；接入 Langfuse / Helicone / Phoenix / Opik / MLflow 任一可观测平台 |
| 核心指标 | 跟踪tokens_per_success_run、cache_hit_rate、avg_hops、io_ratio、retry_rate五个数 |
| 设置红线 | 密钥级限额、项目级月预算、单任务max_tokens硬上限、死循环告警（连续 3 次相似输出即停） |
| 优化 SOP | 按 ROI 顺序：MCP 字段过滤 → Prompt Cache → 模型路由 → 工具延迟加载 → 语义缓存 → 本地卸载 |
| 缓存红线 | 前缀稳定、不塞时间戳/动态 ID、不在中途切模型、system prompt 放在最前面 |
二、诊断决策树：症状 → 动作，一张图对号入座
把第十四篇的“8 个浪费信号”和第二篇的“12 个开关”合起来，就是下面这棵诊断树——从账单上的一个数字，直接跳到应该做的动作。
用法很简单：
- 打开你的 Token 账单，先看输入/输出比——大于 10:1 是最常见的红灯；
- 再看缓存命中率——低于 70% 就值得优化；
- 然后看单任务hop 数——超过 10 步说明可能在兜圈子；
- 最后看输出占比——超过 60% 说明模型在说废话。
每条路径尽头都指向一个具体动作，照着做就行。
三、成本计算器：一行命令把账算清楚
光有开关还不够，你需要在动手前先知道这一刀下去能省多少，以及优化后账单上哪个数字应该发生变化。为此我写了一个配套脚本。
3.1 下载与运行
脚本名：token_cost_calculator.py，纯 Python 标准库，零依赖。
# 交互模式（推荐第一次用）python3 token_cost_calculator.py# 列出所有内置模型定价python3 token_cost_calculator.py--list# 直接传参python3 token_cost_calculator.py\--modelclaude-sonnet-4\--in80000--cache-read200000--cache-write40000--out8000\--hops10# 用内置场景预设python3 token_cost_calculator.py--scenarioagent-run3.2 它会输出什么
跑--scenario agent-run（Claude Sonnet 4，Agent 5 步任务，典型上下文规模），输出如下：
================================================================ 模型：Claude Sonnet 4 | hop 数：10 ================================================================ 总 Token 处理量 ：328,000 输入/输出比 ：10.0:1 缓存命中率(估算)：62.5% ---------------------------------------------------------------- 单次 run 成本 ：$0.57 任务总成本 ：$5.7 ---------------------------------------------------------------- 成本构成： 输入 $2.4 (42%) 缓存读取 $0.6 (10%) 缓存写入 $1.5 (26%) 输出 $1.2 (21%) 🔍 诊断建议： 🟡 输入/输出比 10.0:1，偏高…… 🟡 缓存命中率 62.5%，有优化空间…… 🔴 单任务 10 hop——检查是否没有设置 max_steps…… 📉 单动作优化预估（分别应用）： · 开 Prompt Cache（命中率 90%） → $3.54 (-38%) · MCP 工具输出字段过滤 → $2.10 (-63%) · 输出减脂 + Caveman 风格 → $4.92 (-14%) · 工具定义延迟加载 → $3.68 (-36%) · 语义缓存（命中 40%） → $3.66 (-36%) · 智慧模型路由（40% 任务下放到小模型） → $3.65 (-36%) ✦ 全部叠加应用 → $0.27 (-95%)四段输出，分别对应四件事：
- 基础指标：总 Token、输入输出比、缓存命中率——先看这三个数健康不健康；
- 成本构成：四块钱花在哪，决定你先动哪块（输入贵就查上下文，输出贵就查啰嗦）；
- 诊断建议：自动用决策树跑一遍，直接告诉你哪几个信号是红/黄灯；
- 优化预估：六个降本开关分别应用能省多少，以及全部叠加后的极限收益。
3.3 内置 13 个主流模型定价
覆盖中美主流模型（GPT / Claude / Gemini / DeepSeek / Qwen / 豆包 / GLM），定价为公开价格整理（截至 2026-10），包括缓存读取/写入/输出/输入四档。脚本里是字典，你可以很方便地加自己企业的私有模型价格。
四、五大场景速查表：从聊天到多 Agent 的成本跨度
用计算器跑一遍五个典型开发场景，同一个 Claude Sonnet 4，成本差了三个数量级——这也是为什么“按每百万 Token 算钱”会让你对真实账单毫无感觉。
关键数字（每次成功任务成本，Claude Sonnet 4）：
| 场景 | 优化前 | 优化后 | 降幅 |
|---|---|---|---|
| 单轮聊天 | $0.005 | $0.003 | -40% |
| 改一个 bug（典型 AI 编程） | $0.46 | $0.05 | -89% |
| 写一个小功能 | $1.54 | $0.14 | -91% |
| Agent 跑 5 步任务 | $5.70 | $0.27 | -95% |
| 多 Agent 编排 25 步 | $32.06 | $1.45 | -95% |
一句话结论：场景越复杂（Agent 步数越多、上下文越长），优化空间越大；多 Agent 场景从 $32 压到 $1.45 不是“理想情况”，是六个开关按顺序叠加就能到的数字——这也是为什么第八篇反复强调“Agent 架构层”的优化回报最高。
五、把计算器用起来：三个最常见的用法
用法 1：上线前在接新模型、开新 Agent 功能之前，先用--scenario跑一下，拿这个数字 × 预估调用量 = 月预算上限，避免上线一周后账单爆掉。账单爆掉。
用法 2：月底对账找浪费
把平台账单上的 Token 数字（输入/输出/缓存读/缓存写）填进去，看诊断建议里亮了几盏红灯——优先处理红灯。
用法 3：算 ROI 决定先做哪个优化
每次只改一个开关，改完跑一次计算器；tokens_per_success_run没动，说明这个开关在你这个场景下没生效，换下一个。
六、系列收尾：从 Token 到工程能力
五篇正文加这一篇附件，我们其实走完了一个完整的三层能力成长路径：
- 第一层 · 懂 Token：知道它是什么、为什么贵、为什么不同模型/语言/格式成本不同。对应第一篇、第十五篇。
- 第二层 · 写省 Token 的代码：从写提示词、用客户端开关、到搭 Agent 架构、到工具链选型。对应第二篇、第八篇。
- 第三层 · 运营省 Token 的系统：能看见账单、会诊断浪费、有治理清单、能算 ROI。对应第十四篇、本篇。
而这一套能力的价值，在 Agent 时代才刚刚开始释放——正如第十五篇讲的“推理悖论”：单价会越来越便宜，但能做的事也会越来越贵，真正的差距不是谁拿到更便宜的模型，而是谁更会用 Token。
附录：文件下载
- 本文配套脚本：
token_cost_calculator.py（纯 Python，零依赖） - 使用方式：关注weixin-物联网老王，后台回复“22222”，下载后直接
python3 token_cost_calculator.py启动交互模式
本文为 Token 系列第一幕（认知 + 立即可用）的工具收束。
下一篇预告
前七期我们停留在“写提示词、用客户端、精简文件”层面，能省的钱差不多都省了；接下来进入第二幕 · 架构与系统——成本最大的那一块，往往不是提示词，而是架构。
下一篇：《为什么 Agent 比聊天贵 10 倍？代理乘数效应与多智能体成本控制》——同模型、同任务，单轮聊天和多 Agent 编排账单差 89 倍；历史重放是 O(N²) 的“累进税”；A2A 四种通信方式（全量转发/摘要/引用/共享存储）开销差 100 倍；以及 8 个架构级开关。架构层面的优化，影响的是成本上限，杠杆比任何提示词技巧都大。
