企业必看：80 种省 token 的方法
本文详细介绍了 80 种在使用 Claude Code 及其他 Agent 产品时节省 Token 的方法。内容涵盖从环境配置、CLAUDE.md 编写、提示词优化、模型分级使用到会话管理等多个维度。通过具体的技巧，如使用 .claudeignore 文件、优化长上下文处理、利用缓存机制以及渐进式披露等，帮助企业和开发者大幅降低 AI 使用成本，提升工作效率。
全部文档 / 标签: Token 优化
40 篇
装完 Hermes 一定要配置这五套系统，秒变满配版
本文介绍了如何通过配置五大核心模块（身份记忆、感知、表达、效率、生态导航）将 Hermes AI Agent 打造为“满配版”。详细步骤涵盖了使用 agency-agents-zh 库定义角色、集成 Hindsight 实现长期记忆、安装 Jina/Camelfox 等抓取工具、配置 Tavily 搜索与 Whisper 语音能力，以及利用 Tokscale 和 RTK 进行 Token 成本管控与性能优化。
Hermes Agent 详解：安装、使用与自动化实践
本文详细介绍了 Hermes Agent 的优势，包括内置记忆、搜索历史、稳定性及预装工具。作者分享了如何通过 OpenRouter 和代码化任务将 Token 成本降低 90%，并展示了在 Android 和 Mac 上的安装与安全配置。文章强调通过个人实际工作流（如 Gmail 分类、Obsidian 管理）来发挥 Agent 价值，并指出掌握个人 AI Agent 将成为未来的核心竞争力。
搞懂缓存机制，从Gemma4到Claude Code省80%Token
本文通过本地实验与源码分析，深入解析了大模型的 KV 缓存机制。作者从 Transformer 注意力机制讲起，解释了为何多轮对话会出现 100 倍的加速差异。通过逆向 Claude Code，揭示了 Anthropic 精密的缓存工程策略（前缀匹配、TTL 机制）。最后，给出了具体的 Claude Code 使用姿势（如保护缓存前缀、避免切换模型），帮助用户将 Token 消耗降低 80%，实现同样的套餐多干 3-5 倍的活。
用好NotebookLM立省80%Token
文章指出直接将大量语料塞入Claude对话会导致Token消耗巨大且缓存利用率低。作者提出了一种优化方案：利用NotebookLM作为“老师”进行免费的知识库检索和带引用问答，仅将检索结果提供给Claude进行推理和编排。实测表明，该方案在研究、打新和知识库场景下可节省大量成本，但响应速度会降低。
抽丝剥茧：深度解析 OpenClaw 万字系统提示词构成
本文深入剖析了 OpenClaw 庞大的系统提示词构成，详细解读了从源码注入、工具定义、技能索引到 AGENTS.md、SOUL.md 等八大核心文件的运作机制。文章通过 Modelbox 抓取真实日志，揭示了 16k Tokens 消耗背后的“底牌”，并针对 Token 冗余、记忆加载等问题提出了优化建议。
抽丝剥茧：深度解析 Hermes Agent 万字系统提示词构成
本文详细拆解了 Hermes Agent 长达 1 万 token 的系统提示词，将其分为 9 层结构进行分析。作者发现主要的 Token 消耗集中在 AGENTS.md 项目开发指南，并提供了通过调整 `TERMINAL CWD` 路径来减少 50% Token 消耗的优化技巧。文章还涉及 Memory 管理、Skills 索引及平台适配等技术细节。
搞懂缓存机制，从Gemma4到Claude Code省80%Token
文章通过本地 Gemma4 实验发现大模型对话中存在 100 倍加速的现象，深入剖析了 Transformer 的 KV 缓存原理，并逆向分析了 Claude Code 的精密缓存工程。文章解释了为何连续对话比频繁开启新 Session 更省钱，指出破坏缓存的关键行为（如切换模型、修改 System Prompt），并提供了保护缓存以节省 80% Token 的具体使用姿势。
深度解析: Claude Code 51万行源码背后的5个炸裂发现
本文基于Anthropic误暴露的51万行Claude Code源码，深度解析了其背后的产品哲学。核心发现包括：通过四维记忆系统解决AI遗忘问题；Coordinator模式揭示了AI管理逻辑与人类管理的一致性；23道安全检查与YOLO分类器构建的安全体系；极致的Token缓存策略优化；以及KAIROS等未发布的隐藏功能。文章指出，Prompt和自然语言指令体系才是AI产品的真正护城河。
玩 OpenClaw 的别错过！一句话让你的 Agent 学会控制浏览器，Token 省 13 倍
文章介绍了如何通过 PinchTab 工具优化 OpenClaw Agent 的浏览器控制能力。OpenClaw 默认使用截图方式分析网页，导致 Token 消耗巨大，而 PinchTab 利用无障碍树（Accessibility Tree）提取结构化文本数据，能将 Token 消耗降低 13 倍。文章详细演示了在 OpenClaw 对话框中安装 PinchTab、配置 Skill、抓取页面信息及多账号并行的步骤，并提供了相关安全建议。
