# Ke Mana Perginya Token dalam Claude Code: 9 Corak Kehilangan dan Cara Membaikinya pada 2026
> 73% token hilang sebelum Claude melihat prompt. CLAUDE.md, MCP, sejarah — tempat konteks bocor dalam Claude Code dan cara membaiki 9 kebocoran.
Source: https://ailoot.ai/blog/ms/where-claude-code-tokens-go/
Canonical: https://ailoot.ai/blog/ms/where-claude-code-tokens-go/
Language: ms
Publisher: Ailoot (https://ailoot.ai/)
Translation: guide-167
Revision: sha256-ce1f14dc3612ebd751fb32b1f8016b367faa27c647822365ee66b112c2541536
Perkara utama
Sebahagian besar token digunakan sebelum model membaca permintaan anda: oleh fail CLAUDE.md yang terlalu panjang, pembacaan semula sejarah perbualan lama dan pelayan MCP. Artikel ini menerangkan sembilan sumber overhed dan senarai semak pembersihan 15 minit. Penjimatan bergantung pada sesi: ruang konteks digunakan, token diproses, penggunaan cache dan kos mesti diukur secara berasingan.
Dalam satu contoh, `/context` dalam sesi Claude Code yang baharu menunjukkan 60K token telah digunakan daripada 200K sebelum mesej pertama dihantar. Hanya `claude` dilancarkan dalam repositori projek. Enam puluh ribu token—sepertiga bajet dihabiskan untuk “bersedia” bagi perbualan.
Dua minggu kemudian, saya mengetahui dengan tepat ke mana token itu pergi. Di bawah ialah kesemua 9 corak yang menghabiskan token anda sebelum anda mula menaip, serta cara membaikinya. Angka ini datang daripada dokumentasi rasmi Anthropic dan ukuran daripada sesi sebenar.
[Dokumentasi Ailoot](https://ailoot.ai/docs/) — bahan rujukan untuk menggunakan perkhidmatan ini.
## Apakah Maksud “73% Token Hilang Sebelum Prompt”?
Perkara utama
Sebahagian besar token anda digunakan sebelum Claude membaca permintaan sebenar: oleh fail CLAUDE.md yang terlalu panjang, pembacaan semula sejarah sembang lama dan tujuh corak lain—daripada pelayan MCP hinggalah peringkasan latar belakang. Ini bukan tentang had langganan; ini tentang cara konteks berfungsi.
Berikut ialah 9 corak dalam satu jadual, dengan angka daripada ukuran sesi sebenar dan halaman rasmi Anthropic tentang pengurusan kos.
| Corak | Bahagian kehilangan | Sumber |
|----|----|----|
| 1\. CLAUDE.md terlalu panjang | — | — |
| 2\. Membaca semula sejarah lama | — | — |
| 3\. Pelayan MCP | sehingga 49% (dahulu), kini 8–15% dengan Tool Search | ukuran daripada sesi sebenar |
| 4\. Output `tool_use` terkumpul | 5–15% | ukuran daripada sesi sebenar |
| 5\. Prompt sistem + alat sistem | 9.6% (1.6% + 8%) | GitHub \#13717 |
| 6\. Skills dan pemalam pendua | 2–5% | Penyelidikan Vercel (56% skills tidak pernah digunakan) |
| 7\. Pasukan ejen dalam Plan Mode | sehingga 700% | [Dokumentasi Anthropic](https://code.claude.com/docs/en/costs) |
| 8\. Bajet extended thinking | 5–20% | [Dokumentasi Anthropic](https://code.claude.com/docs/en/costs) |
| 9\. Peringkasan latar belakang dengan `--resume` | kira-kira \$0.04/sesi secara pasif | [Dokumentasi Anthropic](https://code.claude.com/docs/en/costs) |
Saya tidak akan mendakwa angka “73” itu tepat tanpa ragu—ia mungkin 60% atau 80%, bergantung pada persediaan anda. Namun, gambaran keseluruhannya betul dan setiap corak boleh dibaiki secara berasingan. Saya akan membincangkan tiga corak pada satu masa di bawah.
## Bagaimanakah Claude Membina Konteks Sebelum Membaca Permintaan Anda?
Perkara utama
Sebelum anda menaip aksara pertama, Claude sudah memuatkan lima lapisan: prompt sistem, penerangan alat terbina dalam, fail CLAUDE.md, nama alat dan arahan daripada pelayan MCP yang disambungkan (penerangan penuh jika carian alat dimatikan), serta memori (`memory_files`). Dalam tetingkap 200K, semua ini boleh menggunakan 60–100K dengan mudah, iaitu satu pertiga hingga separuh daripada bajet. Bakinya digunakan untuk perbualan itu sendiri serta alat seperti Read/Edit.
Dalam perbincangan tentang isu GitHub \#13717, seseorang membuka `/context` dalam sesi dengan enam pelayan MCP lalu mendapat pecahan berikut:
| Lapisan konteks | Token | % daripada 200K |
|----|----|----|
| Prompt sistem | 3 200 | 1.6% |
| Alat sistem (Read/Edit/Bash dan sebagainya) | 16 100 | 8.0% |
| Alat MCP (6 pelayan: google-docs + asana + calendar + slack + atlassian + gmail) | 98 700 | **49.3%** |
| Fail memori (`memory_files`, eksport alat `Memory`) | 3 000 | 1.5% |
| Ruang kosong | 34 000 | 17.0% |
| Penimbal autocompact | 45 000 | 22.5% |
Perhatikan: walaupun anda belum menulis apa-apa, hampir separuh tetingkap sudah digunakan. Kurang daripada separuh baki untuk ruang kosong dan penimbal autocompact, dan bahagian itu perlu memuatkan keseluruhan perbualan—mesej, balasan Claude, fail yang dibaca dan output arahan.
Saiz tetingkap bergantung pada model. Menurut [dokumentasi model Anthropic](https://code.claude.com/docs/en/model-config#extended-context), setakat September 2026, Opus 4.7 dan model lebih baharu, Sonnet 5 dan Fable mempunyai tetingkap **1M token** pada setiap pelan, termasuk Pro. **200K** masih digunakan untuk Opus 4.6 dan Sonnet 4.6 tanpa konteks lanjutan, serta sesi yang menyahdayakan 1M menggunakan pemboleh ubah `CLAUDE_CODE_DISABLE_1M_CONTEXT=1`. Tetingkap yang lebih besar tidak menyelesaikan masalah konteks yang sarat: semua yang dimuatkan sebelum mesej pertama dihantar kepada model bersama setiap permintaan, dan [dokumentasi kos](https://code.claude.com/docs/en/costs) menyatakan dengan jelas bahawa semakin banyak konteks, semakin banyak token dibelanjakan. Langganan tidak mengubah perkara itu—dalam mana-mana pelan, setiap token tambahan dikira dalam had anda.
## Ke Mana Perginya Sepertiga Pertama Konteks: CLAUDE.md, Sejarah dan MCP?
Perkara utama
Tiga corak utama menggunakan 36–76% konteks sebelum anda memulakan perbualan. CLAUDE.md menyumbang kepada konteks yang diberikan pada permintaan berulang. Sejarah bertambah merentas pusingan, maka permintaan kemudian boleh memproses lebih banyak input; kos turut bergantung pada bacaan dan penulisan cache prompt. Tiada kadar pertumbuhan eksponen sejagat. Pelayan MCP secara historis menggunakan sehingga 49% tetingkap. Keupayaan Tool Search baharu yang diperkenalkan pada Disember 2025–Januari 2026 menghapuskan sebahagian besar masalah ini, tetapi banyak konfigurasi masih menggunakan model lama.
### Corak 1. CLAUDE.md sebelum setiap mesej
CLAUDE.md dimuatkan **sebelum setiap mesej yang anda hantar**, bukan hanya sekali setiap sesi. CLAUDE.md sepanjang 5,000 token menggunakan ruang konteks sebanyak itu pada permintaan yang mengandunginya, tetapi input baharu, penulisan cache dan bacaan cache memerlukan pengiraan berasingan; kandungan berulang tidak semestinya dikenakan kadar penuh tanpa cache.
[Anthropic menyatakan secara langsung dalam dokumentasi](https://code.claude.com/docs/en/costs):
Usahakan agar CLAUDE.md tidak melebihi 200 baris dan hanya merangkumi maklumat yang paling penting. Pindahkan arahan khusus ke dalam skills yang dimuatkan apabila diperlukan.
— Dokumentasi Anthropic, code.claude.com/docs/en/costs
Dalam satu contoh, CLAUDE.md projek itu mengandungi 180 baris—semua perkara khusus (cara menulis arahan bengkel, format hantaran TG, senarai semak undang-undang) dipindahkan ke Skills dan fail Markdown dalam `business/`, yang hanya dibaca Claude apabila ia meneliti folder itu secara khusus. Ini mengurangkan beban asas sebanyak 60–70% berbanding dua bulan sebelumnya.
### Corak 2. Sejarah perbualan dibaca semula pada setiap balasan
Corak ini paling sukar dilihat dari luar kerana ia tidak kelihatan secara luaran. Model menerima konteks perbualan yang dikekalkan pada permintaan seterusnya. Cache prompt boleh menggunakan semula awalan stabil; pemadatan dan pembersihan boleh mengubah teks yang dikekalkan. Konteks dibekalkan berulang masih menggunakan ruang tetingkap walaupun harga cache mengurangkan kosnya.
Penyelesaiannya ialah menggunakan `/clear` antara tugasan yang tidak berkaitan. Peraturan saya: sembang baharu untuk setiap tugasan baharu. Jika tugasan itu panjang dan anda memerlukan sejarah, gunakan `/compact` untuk merumuskan perkara terdahulu menjadi ringkasan pendek dan sambung dari situ.
Baca lebih lanjut tentang peraturan ini dalam panduan [“Cara Mengelakkan Had Claude Code Habis dalam Sehari: 8 Peraturan Menjimatkan Token”](https://ailoot.ai/blog/ms/claude-code-token-limits-saving/), yang mengandungi contoh daripada sesi saya.
### Corak 3. Pelayan MCP mendaftarkan semua alat mereka dalam konteks
Ini merupakan masalah lama dalam Claude Code dan menyebabkan kehilangan paling besar sehingga 2026. Dalam isu \#13717 yang disebut tadi, enam pelayan MCP yang disambungkan (Google Docs, Asana, Calendar, Slack, Atlassian, Gmail) menggunakan 98 700 token—**49% daripada keseluruhan tetingkap** sebelum perbualan bermula.
Anthropic melancarkan ciri **Tool Search** pada Disember 2025–Januari 2026, yang menyelesaikan separuh daripada masalah ini.
[Dokumentasi Anthropic](https://code.claude.com/docs/en/costs) kini menyatakan:
Takrif alat MCP ditangguhkan secara lalai—hanya nama alat dimasukkan ke dalam konteks sehingga Claude memanggil alat tertentu. Jalankan /context untuk melihat perkara yang menggunakan ruang. Jika boleh, utamakan CLI: alat seperti gh, aws, gcloud dan sentry-cli masih lebih cekap daripada pelayan MCP kerana alat tersebut tidak menambah penerangan bagi setiap alat.
— Dokumentasi Anthropic, code.claude.com/docs/en/costs
Perkara yang perlu dilakukan dalam penggunaan sebenar:
1. **Kemas kini Claude Code kepada versi yang mempunyai Tool Search** (semua versi semasa selepas Disember 2025).
2. **Buka `/mcp`** dan nyahdayakan pelayan yang tidak diperlukan dalam sesi semasa. Dalam contoh yang diterangkan, dua pelayan sentiasa disambungkan—Playwright dan shadcn. Saya mengaktifkan yang lain untuk satu tugasan dan menjalankan `/mcp disconnect` sejurus selepas itu.
3. **Gantikan MCP dengan CLI jika boleh.** Gunakan `gh` dan bukannya pelayan MCP untuk GitHub. Gunakan kalendar dalam pelayar dan bukannya Google Calendar MCP.
Saya menerangkan serba sedikit tentang pelayan MCP dan cara mengkonfigurasikannya dengan munasabah dalam [“Pelayan MCP Claude Code pada 2026: 7 Persediaan Sedia Guna dan Pemasangan Langkah demi Langkah”](https://ailoot.ai/blog/ms/mcp-servers-claude-code/).
Sebahagian daripada masalah CLAUDE.md dan Skills bukan sekadar saiz, tetapi juga strukturnya. Satu fail arahan (CLAUDE.md) menjadi teras. Pengetahuan projek tambahan (khalayak, produk, dokumen undang-undang, arahan hari demi hari) disimpan dalam folder `business/`—itulah **Second Brain** dalam metodologi saya. Claude hanya membaca perkara yang diperlukan pada masa itu, dan pemampatan konteks sudah berlaku pada peringkat ini. Huraian lengkap ada dalam [“Second Brain dalam Claude Code”](https://ailoot.ai/blog/ms/claude-code-second-brain/).
Satu lagi perkara yang sering terlepas pandang: membersihkan CLAUDE.md, beralih kepada Skills dan menyahdayakan MCP ialah langkah pertama. Selepas itu, metodologi **context engineering** memainkan peranan—perkara yang perlu dimasukkan dalam setiap prompt, susunannya, perkara yang perlu diserahkan melalui Plan Mode dan perkara yang perlu dikendalikan melalui `/compact`. Panduan ini merangkumi satu komponen asas.
## Apakah yang Terkumpul dalam Sesi, dan Apakah yang Tidak Boleh Dikurangkan?
Perkara utama
Corak keempat ialah output alat. Setiap fail yang dibaca, setiap output `bash` dan setiap respons pelayan MCP kekal dalam konteks sesi selama-lamanya. Baca 10,000 baris log? Semuanya kekal sehingga `/clear`. Corak kelima ialah asas sistem: 19K token untuk prompt sistem dan penerangan alat terbina dalam. Anda tidak boleh mengurangkannya, tetapi dengan mengetahuinya anda boleh membuat pengiraan.
### Corak 4. Output alat terkumpul sepanjang sesi
Satu perkara yang jarang disebut: apabila Claude menjalankan `bash cat huge-file.log`, keseluruhan output arahan itu dimasukkan ke dalam konteks dan **kekal di situ sehingga sesi tamat atau sehingga `/clear` dijalankan**. Begitu juga dengan `Read` pada fail besar—kesemua 10,000 baris kekal di situ dan menggunakan token dalam setiap mesej berikutnya (lihat Corak 2).
Penyelesaian:
1. **Gunakan `head`, `tail`, `grep` dan bukannya membaca semuanya.** Gunakan `bash tail -100 deploy.log` dan bukannya `Read deploy.log`. Ini serta-merta mengurangkan output sebanyak 10–100 kali ganda.
2. **Hooks untuk prapemprosesan.** Letakkan skrip dalam `~/.claude/hooks` untuk menapis output bash sebelum Claude melihatnya. Contoh daripada dokumentasi Anthropic ialah hook PreToolUse yang menjalankan `npm test 2>&1 | grep -A 5 -E 'FAIL|ERROR'` dan bukannya mencetak keseluruhan output ujian. Ini memampatkannya sebanyak 50–100 kali ganda. Butiran lanjut ada dalam [“Hooks Claude Code 2026: Persediaan Langkah demi Langkah dan 7 Contoh Sedia Guna”](https://ailoot.ai/blog/ms/claude-code-hooks/).
3. **Jalankan `/clear` selepas bacaan besar.** Jika anda membaca fail yang sangat besar untuk satu tugasan tertentu dan tidak lagi memerlukannya, jangan biarkannya dalam konteks “untuk berjaga-jaga”; mulakan sembang baharu.
### Corak 5. Prompt sistem + alat sistem = asas kekal
Corak ini tidak boleh diubah kerana hampir tiada apa yang boleh anda lakukan mengenainya. Claude Code bermula dengan prompt sistem (kira-kira 3 200 token) dan penerangan semua alat terbina dalam—Read, Edit, Write, Bash, Glob, Grep, WebSearch, WebFetch, TodoWrite (kira-kira 16 100 token). Jumlahnya ialah **asas kekal** sebanyak 19 300 token yang tidak boleh dikurangkan.
Perkara yang boleh dilakukan:
- **Ambil maklum.** Ketahui bahawa anda menanggung “cukai” asas 19K: dengan tetingkap 200K, 200K - 19K = 181K tersedia untuk perkara lain (tolak CLAUDE.md, MCP dan penimbal autocompact). Tetingkap 1M menyediakan lebih banyak ruang, tetapi “cukai” itu tetap dikenakan pada setiap permintaan.
- **Ukur pemprosesan berulang.** Asas itu menggunakan ruang tetingkap dan boleh berulang dalam permintaan kemudian. Ia bukan caj token sekali setiap sesi; asingkan jumlah input, penulisan cache, bacaan cache dan output apabila mengira kos.
## Di Manakah Token Hilang pada Skills, Pemalam dan Pasukan Ejen?
Perkara utama
Corak keenam ialah pendaftaran pendua Skills dan pemalam. Vercel mendapati dalam penyelidikannya bahawa 56% skills tidak pernah digunakan dalam sesuatu sesi, tetapi sentiasa dimuatkan ke dalam konteks. Corak ketujuh ialah pasukan ejen: apabila anda menjalankan beberapa instance Claude dalam Plan Mode, jumlah penggunaan token meningkat kira-kira 7 kali ganda berbanding satu sesi. Anthropic mendokumentasikan perkara ini secara jelas.
### Corak 6. Skills dan pemalam boleh didaftarkan dua kali
Masalah ini muncul dengan kedatangan pemalam dalam Claude Code pada penghujung 2025. Apabila anda memasang pemalam yang menambah skills, skills itu masuk ke dalam konteks. Jika anda turut memasang skills pengguna yang serupa dalam `~/.claude/skills/`, skills itu juga dimuatkan. Kadangkala, skills tersebut **berganda**.
Vercel berkongsi angka dalam penyelidikannya tentang timbunan AI mereka: **56% skills tidak pernah digunakan** sepanjang sesi, tetapi penerangannya sentiasa dimuatkan ke dalam konteks. Pada 100 token bagi setiap bentuk, ini boleh mencapai 5 600 token “bagasi” untuk 100 skills.
Perkara yang perlu dilakukan:
1. **`/context` menunjukkan perkara yang benar-benar menggunakan ruang.** Jika bahagian Skills melebihi 3K, bersihkannya.
2. **`ls ~/.claude/skills/`**—semak skills yang telah dipasang. Buang yang tidak digunakan lebih daripada sebulan.
3. Gunakan **`/plugin remove`** untuk pemalam yang dipasang “untuk dicuba” tetapi kemudian dilupakan.
Struktur Skills yang betul dan perbezaannya daripada CLAUDE.md diterangkan dalam [“Skills Claude Code pada 2026: Cara Membina Pustaka Skills Peribadi”](https://ailoot.ai/blog/ms/claude-code-skills-library/).
### Corak 7. Pasukan Ejen Menggunakan 7 Kali Lebih Banyak dalam Plan Mode
Pasukan ejen ialah ciri yang membolehkan Claude Code menjalankan beberapa instance model secara selari, setiap satunya dengan konteks sendiri. [Anthropic menyatakan secara langsung dalam dokumentasi](https://code.claude.com/docs/en/costs):
Pasukan ejen menggunakan kira-kira 7 kali lebih banyak token berbanding sesi biasa apabila ahli pasukan bekerja dalam Plan Mode: setiap ahli mempunyai tetingkap konteks sendiri dan berjalan sebagai instance Claude yang berasingan. Pastikan tugasan pasukan kecil dan kendiri untuk mengehadkan penggunaan setiap ahli.
— Dokumentasi Anthropic, code.claude.com/docs/en/costs
Ini bermaksud lima ahli pasukan dalam Plan Mode bersamaan lima sesi selari, setiap satu memuatkan asas sistem sendiri, salinan CLAUDE.md sendiri dan alat MCP sendiri. Jumlah penggunaan token meningkat secara bukan linear.
Perkara yang perlu dilakukan:
1. **Gunakan Sonnet atau Haiku untuk ahli pasukan.** Gunakan Opus hanya untuk ketua pasukan yang menyelaras mereka. Kadar setiap token mungkin lebih rendah, tetapi ukur kos tugasan lengkap dan kualiti setiap ahli daripada menganggap penjimatan tetap.
2. **Pasukan kecil.** Gunakan dua atau tiga ahli pasukan, bukannya sepuluh.
3. **Hentikan ahli pasukan yang tidak aktif.** Jika tugasan selesai tetapi seseorang ahli pasukan masih berjalan, ia terus menggunakan token di latar belakang.
Maklumat lanjut tentang [Plan Mode](https://ailoot.ai/blog/ms/claude-code-plan-mode/) dan bila ia benar-benar berguna ada dalam [“Plan Mode dalam Claude Code: Panduan Langkah demi Langkah dan 4 Peringkat pada 2026”](https://ailoot.ai/blog/ms/claude-code-plan-mode/).
## Untuk Apakah Claude Mengenakan Caj Token Semasa Anda Tidak Melihat?
Perkara utama
Corak kelapan ialah extended thinking. Claude berfikir “dengan kuat” sebelum menjawab, dan token pemikiran itu dikira sebagai output. Secara lalai, bajet bagi tugasan kompleks mencecah puluhan ribu token. Corak kesembilan ialah peringkasan latar belakang: walaupun anda tidak menaip, Claude Code memproses sesi terdahulu untuk `--resume` dan menyimpan ringkasan. Kira-kira \$0.04 bagi setiap sesi dibelanjakan semasa “tidak aktif”.
### Corak 8. Extended Thinking Menggunakan Token Tanpa Penglibatan Anda
Extended thinking ialah mod yang membolehkan Claude “memikirkan” penyelesaian dalam blok pemikiran tersembunyi sebelum menjawab. Dari segi pengiraan, ini ialah **token output**, dikira seperti balasan biasa tetapi tidak kelihatan dalam chat.
[Anthropic menyatakan dalam dokumentasi](https://code.claude.com/docs/en/costs):
Extended thinking didayakan secara lalai kerana ia meningkatkan hasil dengan ketara untuk tugasan perancangan dan penaakulan yang sukar. Token pemikiran dibilkan sebagai output, dan bajet lalai boleh mencecah puluhan ribu token bagi setiap permintaan, bergantung pada model.
— Dokumentasi Anthropic, code.claude.com/docs/en/costs
Ini bermaksud satu permintaan kompleks boleh menggunakan 10–30K token pemikiran yang “mengurangkan” bajet, sedangkan anda hanya melihat ringkasan pendek dalam chat.
Perkara yang perlu dilakukan:
1. **Gunakan `/effort low` untuk tugasan mudah.** Ia mengurangkan bajet pemikiran ke tahap minimum.
2. **Tetapkan `MAX_THINKING_TOKENS=8000`** dalam persekitaran untuk menetapkan had.
3. **Nyahdayakan thinking dalam `/config`** untuk tugasan yang sangat rutin dan tidak memerlukan Claude “berfikir”.
Panduan [“Sonnet atau Opus 4.7 dalam Claude Code: Memilih Model dan /effort pada 2026”](https://ailoot.ai/blog/ms/claude-code-model-effort-sonnet-opus/) menerangkan bila thinking benar-benar berguna (seni bina kompleks dan penaakulan kompleks berbilang langkah) serta bila ia tidak diperlukan.
### Corak 9. Peringkasan Latar Belakang Semasa Tidak Aktif
Ini corak yang sangat kecil tetapi menarik. Claude Code menjalankan proses latar belakang yang meringkaskan sesi terdahulu untuk arahan `claude --resume`. Proses ini berjalan walaupun anda tidak menaip.
[Anthropic menyatakan perkara ini secara jelas dalam dokumentasi](https://code.claude.com/docs/en/costs):
Claude Code menggunakan token untuk fungsi latar belakang walaupun ketika tidak aktif: peringkasan perbualan (tugas latar belakang yang memendekkan sesi terdahulu untuk claude --resume) dan pemprosesan arahan. Proses latar belakang ini menggunakan sedikit token (biasanya kurang daripada $0.04 bagi setiap sesi) walaupun tanpa interaksi aktif.
— Dokumentasi Anthropic, code.claude.com/docs/en/costs
Empat sen bagi setiap sesi bukanlah satu bencana. Tetapi jika anda mempunyai 10 sesi terbuka sehari, jumlahnya sudah menjadi \$0.40 perbelanjaan pasif sehari, atau \$12 sebulan. Tutup sesi yang tidak diperlukan sekarang. Sesi boleh dipulihkan daripada indeks dengan `/resume`—anda tidak perlu membiarkannya terbuka.
## Cara Mengukur Kehilangan: Arahan `/context` dan Batasannya
Perkara utama
Arahan `/context` dalam Claude Code menunjukkan penggunaan token anda sekarang. Namun, ia mempunyai pepijat yang diketahui: secara historis, ia melebihanggarkan penggunaan alat MCP sebanyak 3 kali kerana mengira overhed setiap alat secara berasingan untuk setiap alat. Anthropic membaikinya dalam versi lebih baharu. Jika MCP melebihi 30K dalam laporan `/context`, kemas kini Claude Code dahulu, kemudian ukur semula.
Mula-mula, arahannya. Dalam Claude Code, buka `/context` (atau `/usage` untuk pengiraan) dan anda akan mendapat hasil seperti ini:
```
Context window: 200 000 tokens
System prompt: 3 200 (1.6%)
System tools: 16 100 (8.0%)
MCP tools: 12 600 (6.3%)
CLAUDE.md: 4 800 (2.4%)
Memory files: 3 000 (1.5%)
Conversation: 18 400 (9.2%)
Free space: 141 900 (71.0%)
```
Ini ialah asas kekal yang normal selepas pembersihan pertama. Bagus—71% daripada tetingkap masih kosong.
### Pepijat `/context` yang Diketahui: MCP Terlebih Anggar 3x
Sehingga kemas kini terkini, `/context` menunjukkan kehilangan MCP kira-kira 3 kali ganda daripada angka sebenar kerana overhed setiap alat dikira secara berasingan bagi setiap alat.
Cameron berkata Anthropic membaikinya dalam versi semasa, yang kini melaporkan 12 600 untuk XcodeBuildMCP yang sama. Jadi:
1. **Jika `/context` menunjukkan 50K+ untuk alat MCP**, anda mungkin menggunakan versi Claude Code yang lama. Kemas kini.
2. **Jika MCP menggunakan 8–15K**, itu normal dan merupakan kos sebenar dengan Tool Search.
3. **Jika MCP menggunakan 30–50K** pada versi baharu, memang terdapat banyak pelayan tidak digunakan yang masih disambungkan. Pergi ke `/mcp` dan putuskan sambungannya.
### Perkara Lain untuk Disemak Selain `/context`
`/usage`—menunjukkan penggunaan pelan anda sepanjang 24 jam atau 7 hari yang lalu. Pada pelan Pro dan Max, ia menunjukkan pecahan mengikut skills, subejen, pemalam dan pelayan MCP individu. Berguna untuk mengenal pasti skill yang paling banyak menggunakan token.
`/cost`—untuk pengguna API. Menunjukkan kos prorata sesi semasa dalam dolar. Tidak diperlukan oleh pelanggan Pro/Max.
`/usage-credits`—pada Pro/Max, membolehkan anda menetapkan had perbelanjaan bulanan. Berguna jika anda tidak mahu pasukan ejen berskrip menghabiskan had kad kredit anda secara tidak sengaja.
## Cara Membersihkan Konteks Claude Code dalam 15 Minit
Perkara utama
Gunakan lapan langkah ini untuk mengurangkan konteks yang boleh dielakkan. Sasaran seperti 70% ruang kosong atau penggunaan 40–50% lebih rendah bukan hasil dijamin, dan gambaran konteks sahaja tidak mengukur jumlah penggunaan sesi. Kebanyakan langkah mengambil masa 1–2 minit. Langkah paling besar ialah membersihkan CLAUDE.md dan memutuskan sambungan MCP yang tidak digunakan, masing-masing lima minit. Ikut turutan dan jangan langkau mana-mana langkah.
Buka projek anda dalam Claude Code dan ikuti langkah berikut:
1. **`/context`**—catat pecahan semasa. Ini garis dasar anda.
2. **`/clear`**—jika chat telah mengumpulkan sejarah yang tidak berkaitan dengan tugasan semasa. Mulakan dengan tetingkap baharu.
3. **`ls -la ~/.claude/skills/`**—lihat skills yang dipasang. Buang yang tidak digunakan selama sebulan. Arahan: `rm -rf ~/.claude/skills/[skill-name]` (atau padam folder melalui antara muka).
4. **`/plugin list`**—lakukan perkara yang sama untuk pemalam. Buang yang tidak digunakan dengan `/plugin remove `.
5. **`/mcp`**—semak pelayan MCP yang disambungkan. Kekalkan hanya pelayan yang diperlukan bagi tugasan semasa. Putuskan sambungan selebihnya dengan `/mcp disconnect `.
6. **Buka CLAUDE.md dalam editor.** Jika fail itu melebihi 200 baris, pindahkan arahan khusus ke dalam Skills (`~/.claude/skills/[topic]/SKILL.md`). Sasarkan teras 100–200 baris serta 5–15 Skills mengikut topik. Panduan terperinci terdapat dalam [“Cara Mengkonfigurasi CLAUDE.md pada 2026: Templat Sedia Guna dan 6 Peraturan”](https://ailoot.ai/blog/ms/claude-md-template/).
7. **Semak `/effort`**—gunakan `/effort low` untuk tugasan mudah. Bajet pemikiran tinggi hanya diperlukan untuk seni bina kompleks.
8. **Buat pengukuran akhir dengan `/context`.** Bandingkan dengan langkah 1.
Dalam sesi diterangkan, ruang konteks digunakan turun daripada 60–80K kepada 25–30K selepas pembersihan. Itu perubahan penggunaan ruang pada satu gambaran, bukan bukti pengurangan tetap jumlah token diproses atau kos. Bandingkan pelaksanaan lengkap tugasan yang sama, termasuk penggunaan cache dan output, sebelum mendakwa penjimatan.
## Bilakah Beralih kepada Sonnet atau Haiku Lebih Membantu daripada Membersihkan Konteks?
Perkara utama
Pembersihan konteks tidak sentiasa menjadi tindakan paling berbaloi dari segi kos. Jika kebanyakan tugasan anda rutin (suntingan teks, penjanaan templat, pemformatan), model berkadar token lebih rendah boleh mengurangkan kos, tetapi pertukaran model tidak membuktikan pengurangan tetap penggunaan token. Tokenizer, penaakulan, panjang output dan percubaan semula yang berbeza boleh mengubah bilangan sebenar. Opus masih diperlukan untuk seni bina kompleks, penaakulan kompleks berbilang langkah dan nyahpepijat pepijat yang rumit. Pilih berdasarkan tugasan.
[Anthropic menulis tentang model dalam dokumentasinya](https://code.claude.com/docs/en/costs):
Sonnet mengendalikan kebanyakan tugasan pengekodan dengan baik dan kosnya lebih rendah daripada Opus. Simpan Opus untuk keputusan seni bina kompleks dan penaakulan kompleks berbilang langkah. Gunakan /model untuk menukar model di tengah sesi, atau tetapkan model lalai dalam /config. Bagi tugasan subejen yang mudah, nyatakan model: haiku dalam konfigurasinya.
— Dokumentasi Anthropic, code.claude.com/docs/en/costs
Anggaran kasar harga token input (setakat 27 Mei 2026):
| Model | Harga / 1M input | Masa untuk digunakan |
|----|----|----|
| Opus 4.7 | \$15 | Seni bina, penaakulan kompleks berbilang langkah, nyahpepijat sukar |
| Sonnet 4.5 | \$3 | 80% tugasan pengekodan biasa: suntingan, pemfaktoran semula, ujian, dokumentasi |
| Haiku 4.5 | \$1 | Pemformatan, penghuraian mudah, tugasan subejen, suntingan teks rutin |
Persediaan saya:
1. **Lalai—Sonnet 4.5.** Tetapan ini ialah `/config → default model`. Ia meliputi 80% tugasan.
2. **Jalankan `/model opus` secara manual** apabila tugasan benar-benar sukar (pilihan seni bina, diagnosis pepijat yang membingungkan, produk baharu).
3. **Gunakan `/model haiku`** untuk ujian dan pemformatan. Atau tetapkan `model: haiku` dengan jelas dalam konfigurasi subejen.
4. **`/effort` ditetapkan berasingan daripada model.** Anda boleh menggunakan Opus dengan `/effort low`—anda mendapat model berkuasa dengan pemikiran minimum untuk jawapan pantas bagi tugasan berkaitan kesukaran sederhana.
Masa untuk mengutamakan pembersihan konteks berbanding pertukaran model:
- Konteks melebihi 50% penuh—bersihkannya dahulu.
- Konteks baik tetapi tugasan kompleks—gunakan Opus dengan tahap usaha biasa.
- Konteks baik dan tugasan rutin—gunakan Haiku.
Untuk huraian terperinci tentang model dan usaha, lihat [“Sonnet atau Opus 4.7 dalam Claude Code: Memilih Model dan /effort pada 2026”](https://ailoot.ai/blog/ms/claude-code-model-effort-sonnet-opus/).
## Petua Manakah yang Meningkatkan Penggunaan, Bukannya Menjimatkannya?
Perkara utama
Blog sering mengandungi nasihat yang berkesan dalam jangka pendek tetapi menjejaskan aliran kerja lama-kelamaan. Tiga nasihat utama ialah: “padam semua MCP”, “lupakan CLAUDE.md dan masukkan semuanya dalam prompt” dan “sentiasa bekerja melalui Plan Mode”. Setiap satu menyelesaikan satu masalah tetapi mewujudkan tiga masalah baharu. Mari kita huraikannya.
### Corak Anti 1. “Padam Semua MCP; Semuanya Menggunakan Token”
Kemalasan ialah kesilapan yang paling lazim. Ya, MCP secara historis menggunakan sehingga 49% konteks—tetapi selepas Tool Search, penggunaan itu turun kepada 8–15%. MCP juga menyediakan alat sebenar yang jika tidak, anda perlu bina sendiri. Memadam semua MCP bermakna kembali kepada kerja manual yang akan menggunakan lebih banyak masa daripada token yang dijimatkan.
Pendekatan yang betul: kekalkan hanya pelayan MCP yang benar-benar kerap anda gunakan. Saya mengekalkan Playwright (untuk menguji halaman pendaratan) dan shadcn (untuk menjana antara muka). Saya menggunakan yang lain untuk satu tugasan pada satu masa sahaja.
### Corak Anti 2. “Jangan Gunakan CLAUDE.md; Masukkan Semuanya Terus dalam Prompt”
Bunyinya “logik”: jika CLAUDE.md dimuatkan pada setiap permintaan, jangan muatkannya. Dalam amalan, tanpa CLAUDE.md anda bermula dengan menaip arahan yang sama secara manual pada setiap mesej, dan Claude terlupa konteks antara mesej. Ini bermakna **lebih banyak token**, bukannya kurang—token itu cuma melalui saluran lain.
Pendekatan yang betul: pastikan CLAUDE.md ringkas (100–200 baris), dengan perkara teras di dalamnya dan bahan khusus dalam Skills. Butirannya terdapat dalam [“Cara Mengkonfigurasi CLAUDE.md pada 2026”](https://ailoot.ai/blog/ms/claude-md-template/).
### Corak Anti 3. “Sentiasa Bekerja Melalui Plan Mode”
Plan Mode ialah alat yang sangat baik untuk tugasan kompleks yang memerlukan anda meneroka pangkalan kod dan mencadangkan pelan terlebih dahulu. Namun, apabila menggunakan pasukan ejen, ciri ini menggunakan **purata 7x lebih banyak token** ([dokumentasi Anthropic](https://code.claude.com/docs/en/costs)). Untuk tugasan mudah seperti “betulkan kesilapan taip dalam README”, Plan Mode menggunakan 7 kali lebih banyak token daripada suntingan terus.
Pendekatan yang betul: gunakan Plan Mode untuk tugasan kompleks yang mengambil masa 30 minit atau lebih. Untuk tugasan pendek, buat permintaan terus tanpa plan mode. Bila perlu menggunakan setiap mod diterangkan dalam [“Plan Mode dalam Claude Code: Panduan Langkah demi Langkah dan 4 Peringkat pada 2026”](https://ailoot.ai/blog/ms/claude-code-plan-mode/).
### Sumber
- Dokumentasi Anthropic: [Urus kos dengan berkesan](https://code.claude.com/docs/en/costs) — angka rasmi tentang kos, model, MCP, pasukan ejen dan bajet pemikiran
- Dokumentasi Anthropic: [Konfigurasi model - Konteks lanjutan](https://code.claude.com/docs/en/model-config#extended-context) — saiz tetingkap mengikut model dan pelan, ambang pemampatan automatik
- Bahan Ailoot: metodologi “Second Brain + Context Engineering” dalam [Cara Mengkonfigurasi CLAUDE.md](https://ailoot.ai/blog/ms/claude-md-template/), [Second Brain dalam Claude Code](https://ailoot.ai/blog/ms/claude-code-second-brain/), [Context Engineering pada 2026](https://ailoot.ai/blog/ms/context-engineering/), [Plan Mode dalam Claude Code](https://ailoot.ai/blog/ms/claude-code-plan-mode/), [Skills](https://ailoot.ai/blog/ms/claude-code-skills-library/), [Pelayan MCP](https://ailoot.ai/blog/ms/mcp-servers-claude-code/), [Hooks](https://ailoot.ai/blog/ms/claude-code-hooks/), [Sonnet atau Opus](https://ailoot.ai/blog/ms/claude-code-model-effort-sonnet-opus/), [Cara Mengelakkan Had Habis](https://ailoot.ai/blog/ms/claude-code-token-limits-saving/).
Bahan lanjut tersedia di [Ailoot](https://ailoot.ai/).
## Soalan lazim: Ke Mana Perginya Token dalam Claude Code: 9 Corak Kehilangan dan Cara Membaikinya pada 2026
### Adakah model yang lebih murah setiap token semestinya menggunakan kurang token?
Tidak. Kadar rendah mengubah harga token, sementara bilangan sebenar bergantung pada tokenizer, penaakulan, output dan percubaan semula. Bandingkan pelaksanaan lengkap pada tugasan yang sama sebelum mendakwa pengurangan token atau kos.
### Adakah /context menunjukkan jumlah yang telah dibilkan sepanjang sesi?
Tidak. Ia menunjukkan penggunaan ruang konteks semasa. Untuk menilai pemprosesan dan kos, periksa jumlah input, penulisan cache, bacaan cache dan output secara berasingan; teks asas berulang bukan sekadar caj sekali setiap sesi.
## Ailoot · Syarikat dan portfolio projeknya
Ailoot berteraskan pengalaman operasi yang mantap, pangkalan pelanggan yang besar, perkhidmatan yang stabil dan pemantauan KPI berterusan.
Syarikat dan portfolio projeknya: jutaan pelanggan; jualan bernilai berbilion setiap bulan.
Ailoot menggunakan pengalaman operasi ini untuk akses API kepada ciri AI dalam produk pelanggan, ejen, aplikasi dan automasi.