Claude API 实战：如何通过代码优化节省 Token 消耗

1次阅读

共计 1700 个字符，预计需要花费 5 分钟才能阅读完成。

在使用 Claude API 时，Token 是一个核心概念。简单来说，Token 可以理解为 API 处理文本的基本单位，无论是输入的提示词还是输出的响应内容，都会按 Token 数量计费。对于开发者而言，减少不必要的 Token 消耗意味着直接降低成本。

值得注意的是，Token 的计算方式并不是简单的按字符或单词计数。例如：

英文单词通常 1-2 个 Token
中文汉字每个约 2-3 个 Token
标点符号和空格也会占用 Token

在实际开发中，我注意到新手常会遇到以下几种浪费 Token 的情况：

冗长的提示词：包含不必要的说明或示例
过度请求：频繁调用 API 获取完整响应，而实际上只需要部分信息
参数设置不当：max_tokens 设置过大，超出实际需要
重复内容：多次发送相同或高度相似的请求
未利用缓存：对稳定不变的内容重复请求

精简提示词 是首要任务。一个好的提示词应该：

明确核心指令
避免冗余描述
使用简洁句式

例如，对比以下两种提示词：

# 冗长版本 (约 30 tokens)
prompt = """
请帮我写一篇关于人工智能的文章。要求：文章需要包含人工智能的定义、发展历史、当前应用场景和未来趋势。文章长度约 500 字，语言风格要专业但不晦涩。"""

# 精简版本 (约 15 tokens)
prompt = "500 字 AI 科普文：定义、历史、应用、趋势"

参数设置 也很关键：

合理设置 max_tokens：根据实际需要预估响应长度
使用 stop_sequences：设置结束标记避免多余输出

选择性接收：如果只需要响应中的特定部分，可以在提示词中明确要求特定格式

# 只需获取关键点
prompt = "用三点概括 AI 优势，格式：1. xxxx\n2. xxxx\n3. xxxx"

分块处理：对于长内容，可以分多次请求逐步获取

对于以下内容建议实现缓存：

静态知识查询结果
格式化处理后的响应
相似度高的请求响应

下面是一个优化前后的 Python 示例：

# 优化前 - 低效版本
import anthropic

client = anthropic.Client("your-api-key")

# 冗长提示词
prompt = """
请详细解释机器学习的概念，包括监督学习、无监督学习和强化学习的区别，每种类型至少给出两个实际应用案例。"""

response = client.completion(
    prompt=prompt,
    max_tokens=1000,  # 设置过大
    stop_sequences=None
)
print(response)

# 优化后 - 高效版本
import anthropic
from functools import lru_cache

client = anthropic.Client("your-api-key")

# 精简提示词并添加格式要求
@lru_cache(maxsize=100)  # 添加缓存
def get_ml_explanation():
    prompt = "概括 ML 三类方法及 2 个应用 / 类，格式：类型: 定义 | 应用 1, 应用 2"

    response = client.completion(
        prompt=prompt,
        max_tokens=300,  # 更精确的估计
        stop_sequences=["\n"]  # 避免多余输出
    )
    return response

# 使用时
print(get_ml_explanation())

通过实际测试，我们发现：

优化点	原始 Token 数	优化后 Token 数	节省比例
提示词精简	45	18	60%
max_tokens 调整	1000	300	70%
添加缓存	每次调用	首次调用	重复请求 100%
分块处理长内容	单次 800	4 次 200	响应更灵活