在使用 Claude Code 時，Anthropic 建議開發者可以透過調整運算強度來更有效地控制 token 的消耗。降低運算強度意味著模型在單次運算中所使用的資源會減少，這對於處理運算需求不高的任務來說，是一個相當有效的策略。透過這種方式，開發者可以在不犧牲效能的前提下，顯著降低 token 的使用量，從而達到成本控制的目的。舉例來說，若任務主要涉及程式碼的格式化或簡單的邏輯判斷，則降低運算強度可能不會對結果產生明顯影響，但可以節省大量的 token。
除了調整運算強度之外，Anthropic 還建議關閉延伸思考功能，以進一步優化 token 的使用。延伸思考指的是模型在解決問題時，可能會在多個方向上進行探索，尋找最佳解決方案。雖然這種探索有助於提高問題解決的準確性，但也可能導致模型在不必要的方向上進行嘗試，從而消耗大量的 token。透過關閉延伸思考，可以避免模型進行過多的探索，將運算資源集中在最有可能產生結果的方向上，進而節省 token。
Anthropic 的這些建議強調了在使用 Claude Code 時，需要根據任務的具體需求來調整模型的運算設定。對於需要高度精確性和複雜推理的任務，可能需要提高運算強度並啟用延伸思考，以確保模型能夠找到最佳解決方案。然而，對於那些相對簡單或對準確性要求不高的任務，則可以降低運算強度並關閉延伸思考，以達到節省 token 的目的。這種策略性的調整，能夠幫助開發者在效能與成本之間取得平衡。
更值得注意的是，長時間續用對話工作階段也會導致 token 消耗的增加。隨著對話的進行，上下文資訊會不斷累積，使得每次運算都需要處理大量的 token。因此，定期重置對話工作階段，可以有效地減少每次運算的 token 數量，從而降低整體成本。對於需要長時間開啟大型專案或讀取多個檔案的開發者來說，設定上下文視窗上限，避免模型每次都帶著過量的歷史內容進行運算，有助於減少不必要的 token 消耗。
從產業角度來看，Anthropic 提出的這些建議反映了 AI 模型服務在成本優化方面的一個重要趨勢。隨著越來越多的企業開始採用 AI 模型來解決各種問題，如何有效地控制 token 消耗，降低運算成本，已經成為一個重要的議題。透過策略性地調整運算強度、關閉延伸思考以及定期重置對話工作階段等方式，開發者可以在不影響模型效能的前提下，顯著降低 token 的使用量，從而提高 AI 應用的經濟效益。
This is a simplified version of the page. Some interactive features are only available in the full version.
本頁為精簡版，部分互動功能僅限完整版使用。
👉 View Full Version | 前往完整版內容