30分钟烧光Claude额度，我如何自救？
I burned all my tokens researching how to save tokens
为了研究AI Agent的成本经济学，我原本想用Claude Fable 5的/deep-research功能，结果30分钟就烧光了所有额度，连个报告都没跑出来。痛定思痛，我利用已有的Claude、Codex和Antigravity三个订阅，搭建了一套多模型协作架构。通过让Claude Opus 4.8负责验证、Codex执行工具、Antigravity提供第二意见，我只用了一行Bash脚本就实现了跨平台调度。这套方案不仅让研究时长延长了10倍，还通过严格的验证规则大幅减少了幻觉。最终，我建立了一个基于Obsidian的可信知识库，证明了在现有订阅下也能实现高效、低成本的深度研究。
从第一天起，我就必须在摸索如何优化token的同时，去优化token本身，这就是边做边学。
HN 评论区
212- dofm
有时候我觉得，云 AI 提供商已经成功说服了大众云 AI 物有所值，因为人们能利用云 AI 写出无数篇关于“如何用云 AI 让云 AI 更高效”的博文，而这些博文讨论的往往是那些尚未发布、甚至还没准备好对外公开的东西。
- camgunz
TFA 声称“没有幻觉”，但你没法靠规则或其他模型来修复幻觉。我知道我这是在对着虚空呐喊，但无所谓了。
- bob1029
在搜索空间中起步位置选对，是成功最大的预测因子。
节省 token 的最佳方式，是用廉价模型开启深度研究流程，然后将结果逐步导入越来越强大的模型。我现在的流水线就用了 gpt-5.6 的三种变体来应对流程的每个阶段。如果你用 sol 或 terra 这类模型来生成假设并进行初步探索，那就是在浪费钱。
用 luna 生成 5 个假设的效果会远超用 sol 生成 1 个假设，但成本相同，如果并行执行，运行时间也一样。假设生成阶段也是混合搭配不同厂商模型的好时机，这一步的多样性越高越好。
另外我开始关注批量定价，目前 OAI 的 token 能享受五折优惠。只要对企业聊天机器人的 UI/UX 做些调整，我认为可以让用户习惯“问机器人一个问题可能需要一天才能收到回复”这个概念。关键在于这必须真的有效。如果回复质量很高，用户并不介意用时间换取结果。
- Bender
我不是正经开发者，只用 AI 来加速主题研究，所以请原谅我的无知。难道不能通过 80/20 或 90/10 法则来大幅节省 token 费用吗？即 90% 的 AI 使用量交给本地模型，只把最后 10% 或更少的任务留给那些本地模型搞不定的前沿模型？他们提到过这点吗，还是我理解错了？
- luciana1u
我搭建了一个深度研究流水线，用来调查为什么我的深度研究流水线成本这么高。答案就是：深度研究流水线本身。
- a_c
我总结的一套启发式原则：
1. 少用子代理。使用子代理本身就需要注入足够的上下文，它才能有效工作。
2. 文件变大时就重构。范围合理的文件对人类和代理都更容易理解，且消耗更少的 token，因为不需要猜测该读取文件的哪一部分。
3. 用更强大的模型做规划和学习，用廉价模型做执行。这和人类团队一样，资深成员负责高层规划，初级成员负责将想法转化为代码。
4. 我没做什么 opus 搞不定的花哨操作。
5. 对不确定的事寻求第二意见。（我专门为此写了一个技能）
6. 审计你的习惯与 token 消耗的相关性。我发现我常用的一个技能消耗了大量上下文，只是为了让子代理获取所有上下文。（我专门做了一个工具来审计 claude）
- cdnsteve
你应该考虑测试一下我们的 RemembrallMCP（注：我是作者）。它能大幅降低 token 用量，并在代码库中获得更好的结果。
- alexhans
我们中很多人一年前就这么说了，但现在有了模型限制（例如 fable）和价格调整，大家应该很明显地意识到，经济账的一部分在于通过评估（evals）避免供应商锁定（这样你可以轻松切换提供商/模型/优化），并通过投资本地模型来增加控制权，这些模型对你的任务来说可能已经足够好，无论你的云计算成本如何。最终，消费级硬件也能运行足够好的模型。
你可以利用大型/云端 LLM 帮你“找到适合本地/小型 LLM 的足够好的配置”[1]，从而在面对快速变化时保持灵活。
- [1] https://alexhans.github.io/posts/find-the-loop-story-first.h...