Claude API 高效编码实践：减少 Token 使用的 5 种核心方法

1次阅读

共计 1952 个字符，预计需要花费 5 分钟才能阅读完成。

Claude API 按 Token 数量计费，Token 是文本处理的基本单位。对于英文，1 Token ≈ 4 个字符；中文则更复杂，1 个汉字通常对应 1-2 个 Token。降低 Token 使用不仅能减少成本，还能提高 API 响应速度，特别是在处理长文本时效果显著。

当请求中包含冗余信息或过于详细的说明时，可以通过精简提示词和参数来减少 Token 消耗。

# 冗余请求示例
prompt = """
请详细分析以下文本，从主题、情感、关键词三个维度给出全面报告：{用户输入文本}
"""

# 优化后请求
optimized_prompt = "分析文本：{用户输入文本}（主题 / 情感 / 关键词）"

通常可减少 20-30% 的请求 Token 数，特别是当原始提示过于详细时效果更明显。

处理超长文本时，只保留最相关的部分，避免完整发送。

def smart_truncate(text, max_tokens=1000):
    # 简单实现：按句子截断，保留开头和结尾
    sentences = text.split('.')
    if len(sentences) > max_tokens/10:  # 估算
        return '.'.join(sentences[:int(max_tokens/20)]) + '...' + '.'.join(sentences[-int(max_tokens/20):])
    return text

对于超长文本（5000+ Token），可减少 40-60% 的消耗。

多轮对话中，避免重复发送相同上下文。

# 存储已发送的上下文
context_cache = {}

def add_context(user_id, context):
    if user_id not in context_cache:
        context_cache[user_id] = ""
    context_cache[user_id] += context
    # 限制缓存大小
    if len(context_cache[user_id]) > 2000:  # Token 估算
        context_cache[user_id] = context_cache[user_id][-1000:]

多轮对话中可减少 15-25% 的 Token 使用。

当 API 响应包含过多格式化文本或冗余信息时。

# 请求时指定简洁输出格式
params = {
    "prompt": "简要总结以下文本...",
    "format": "concise",  # 或 "bullet_points"
    "max_tokens": 300
}

根据格式不同，可减少 10-30% 的响应 Token 数。

处理重复或相似请求时。

from hashlib import md5
import json

response_cache = {}

def get_cache_key(prompt, params):
    key_data = prompt + json.dumps(params, sort_keys=True)
    return md5(key_data.encode()).hexdigest()

def cached_request(prompt, params):
    key = get_cache_key(prompt, params)
    if key in response_cache:
        return response_cache[key]
    # 否则调用 API 并缓存结果
    response = claude_api_call(prompt, params)
    response_cache[key] = response
    return response

对于重复请求，理论上可减少 100% 的 Token 消耗。