Token đi đâu trong Claude Code: 9 kiểu thất thoát và cách khắc phục trong năm 2026

Trong một ví dụ, lệnh /context trong một phiên Claude Code mới cho thấy đã có 60K token được sử dụng trên tổng số 200K trước tin nhắn đầu tiên. Chỉ có claude được khởi chạy trong kho dự án. Sáu mươi nghìn token—tức một phần ba ngân sách đã tiêu tốn cho việc “chuẩn bị” cuộc trò chuyện.

Hai tuần sau, tôi đã tìm ra chính xác chúng đi đâu. Dưới đây là cả 9 kiểu làm hao token trước cả khi bạn bắt đầu gõ, cùng cách khắc phục. Các số liệu đến từ tài liệu chính thức của Anthropic và các phép đo từ những phiên thực tế.

“73% token thất thoát trước câu lệnh” nghĩa là gì?#

Cho đến bản cập nhật gần đây, /context hiển thị mức thất thoát MCP cao gấp khoảng 3 lần thực tế, vì phần chi phí riêng cho từng công cụ bị tính lặp lại.

Tôi sẽ không khẳng định con số “73” là chính xác tuyệt đối—có thể là 60% hoặc 80%, tùy thiết lập của bạn. Nhưng bức tranh tổng thể là đúng, và có thể khắc phục riêng từng kiểu. Dưới đây, tôi sẽ trình bày mỗi lần ba kiểu.

Claude xây dựng ngữ cảnh thế nào trước khi đọc yêu cầu của bạn?#

Trong phần thảo luận của sự cố GitHub #13717, có người mở /context trong một phiên có sáu máy chủ MCP và nhận được bảng phân tích sau:

Lưu ý: ngay cả khi bạn chưa viết gì, gần một nửa cửa sổ đã bị chiếm. Chưa đến một nửa còn lại dành cho dung lượng trống và bộ đệm tự động nén, và phần đó phải chứa toàn bộ cuộc trò chuyện—tin nhắn, phản hồi của Claude, các tệp đã đọc và đầu ra lệnh.

Kích thước cửa sổ phụ thuộc vào mô hình. Theo tài liệu mô hình của Anthropic, tính đến tháng 9 năm 2026, Opus 4.7 trở lên, Sonnet 5 và các mô hình Fable có cửa sổ 1M token trên mọi gói, kể cả Pro. 200K vẫn áp dụng cho Opus 4.6 và Sonnet 4.6 không có ngữ cảnh mở rộng, cũng như các phiên tắt 1M bằng biến CLAUDE_CODE_DISABLE_1M_CONTEXT=1. Cửa sổ lớn hơn không giải quyết vấn đề ngữ cảnh phình to: mọi thứ được tải trước tin nhắn đầu tiên đều được gửi đến mô hình trong mỗi yêu cầu, và tài liệu chi phí nêu rõ ngữ cảnh càng nhiều thì càng tốn token. Thuê bao không thay đổi điều đó—trong bất kỳ gói nào, mỗi token bổ sung đều tính vào giới hạn của bạn.

Một phần ba ngữ cảnh đầu tiên đi đâu: CLAUDE.md, lịch sử và MCP?#

Kiểu 1. CLAUDE.md trước mỗi tin nhắn

Anthropic nói thẳng trong tài liệu:

Trong một ví dụ, CLAUDE.md của dự án có 180 dòng—mọi nội dung chuyên biệt (cách viết hướng dẫn hội thảo, định dạng bài đăng TG, danh sách kiểm tra pháp lý) đã được chuyển vào Skills và các tệp Markdown trong business/, nơi Claude chỉ đọc khi tìm đến đó. Cách này giảm phần nền cố định 60-70% so với hai tháng trước.

Kiểu 2. Lịch sử cuộc trò chuyện được đọc lại trong mỗi phản hồi

Đây là kiểu khó nhận thấy nhất từ bên ngoài vì nó vô hình. Mô hình nhận ngữ cảnh hội thoại còn giữ ở yêu cầu sau. Prompt cache có thể tái dùng tiền tố ổn định; compact/clear đổi văn bản giữ lại. Ngữ cảnh gửi lặp vẫn chiếm cửa sổ dù giá cache giảm phí.

Giải pháp là dùng /clear giữa các nhiệm vụ không liên quan. Quy tắc của tôi: mỗi nhiệm vụ mới dùng một cuộc trò chuyện mới. Nếu nhiệm vụ dài và bạn cần giữ lịch sử, hãy dùng /compact để tóm tắt phần trước thành một bản ngắn rồi tiếp tục từ đó.

Tìm hiểu thêm về quy tắc này trong hướng dẫn “Cách không dùng hết giới hạn Claude Code trong một ngày: 8 quy tắc tiết kiệm token”, với các ví dụ từ những phiên của tôi.

Kiểu 3. Máy chủ MCP đăng ký toàn bộ công cụ vào ngữ cảnh

Đây từng là điểm đau lớn của Claude Code, gây ra mức thất thoát lớn nhất cho đến năm 2026. Trong sự cố #13717 đã nhắc ở trên, sáu máy chủ MCP được kết nối (Google Docs, Asana, Calendar, Slack, Atlassian, Gmail) chiếm 98 700 token—49% toàn bộ cửa sổ trước khi cuộc trò chuyện bắt đầu.

Anthropic phát hành tính năng Tool Search vào tháng 12 năm 2025–tháng 1 năm 2026, giải quyết một nửa vấn đề này.

Mô tả trong tài liệu Anthropic hiện ghi:

Nên làm gì trong thực tế:

1. Cập nhật Claude Code lên phiên bản có Tool Search (mọi phiên bản hiện tại sau tháng 12 năm 2025).
2. Mở /mcp và tắt các máy chủ bạn không cần trong phiên hiện tại. Trong ví dụ được mô tả, có hai máy chủ luôn được kết nối—Playwright và shadcn. Tôi bật các máy chủ khác cho một nhiệm vụ rồi chạy /mcp disconnect ngay sau đó.
3. Thay MCP bằng CLI khi có thể. Dùng gh thay cho máy chủ MCP cho GitHub. Dùng lịch trong trình duyệt thay cho Google Calendar MCP.

Tôi đã trình bày MCP là gì về nguyên tắc và cách cấu hình hợp lý trong “Máy chủ MCP trong Claude Code năm 2026: 7 cấu hình sẵn có và hướng dẫn cài đặt từng bước”.

Một phần vấn đề của CLAUDE.md và Skills không chỉ nằm ở kích thước mà còn ở cấu trúc. Một tệp hướng dẫn (CLAUDE.md) là phần cốt lõi. Kiến thức bổ sung về dự án (đối tượng, sản phẩm, tài liệu pháp lý, hướng dẫn từng ngày) nằm trong thư mục business/—đó là Second Brain trong phương pháp của tôi. Claude chỉ đọc những gì cần thiết vào lúc đó, và việc nén ngữ cảnh đã diễn ra ở cấp độ này. Toàn bộ phần phân tích có trong “Second Brain trong Claude Code”.

Và còn một chi tiết thường bị bỏ qua: dọn dẹp CLAUDE.md, chuyển sang Skills và tắt MCP là bước đầu tiên. Sau đó, phương pháp context engineering phát huy tác dụng—đưa gì vào mỗi câu lệnh, theo thứ tự nào, nội dung nào cần chuyển giao qua Plan Mode và nội dung nào xử lý bằng /compact. Hướng dẫn này trình bày một khối cấu thành.

Phiên tích lũy những gì, và điều gì không thể cắt giảm?#

Kiểu 4. Đầu ra công cụ tích lũy suốt phiên

Một chi tiết ít người nhắc tới: khi Claude chạy bash cat huge-file.log, TOÀN BỘ đầu ra của lệnh đó được đưa vào ngữ cảnh và ở đó cho đến hết phiên hoặc khi dùng /clear. Tương tự với Read trên tệp lớn—cả 10,000 dòng vẫn nằm trong ngữ cảnh, chiếm token trong mọi tin nhắn tiếp theo (xem Kiểu 2).

Giải pháp:

1. Dùng head, tail, grep thay vì đọc tất cả. Dùng bash tail -100 deploy.log thay cho Read deploy.log. Cách này lập tức giảm đầu ra 10-100 lần.
2. Dùng hook để tiền xử lý. Đặt một script trong ~/.claude/hooks để lọc đầu ra bash trước khi Claude nhìn thấy. Ví dụ trong tài liệu Anthropic là hook PreToolUse chạy npm test 2>&1 | grep -A 5 -E 'FAIL|ERROR' thay vì in toàn bộ đầu ra kiểm thử. Cách này nén đầu ra 50-100 lần. Chi tiết có trong “Claude Code Hooks 2026: Hướng dẫn thiết lập từng bước và 7 ví dụ sẵn có”.
3. Dùng /clear sau khi đọc lượng lớn. Nếu bạn đọc một tệp khổng lồ cho một nhiệm vụ cụ thể và không còn cần nó nữa, đừng giữ nó trong ngữ cảnh “phòng khi cần”; hãy bắt đầu cuộc trò chuyện mới.

Kiểu 5. System prompt + công cụ hệ thống = phần nền cố định

Không thể thay đổi kiểu này vì gần như bạn chẳng thể làm gì với nó. Claude Code khởi chạy với system prompt (~3 200 token) và mô tả của mọi công cụ tích hợp—Read, Edit, Write, Bash, Glob, Grep, WebSearch, WebFetch, TodoWrite (~16 100 token). Tổng cộng, đó là phần nền cố định 19 300 token mà bạn không thể cắt giảm.

Nên làm gì trong thực tế:

• Nhận thức. Hãy biết rằng bạn chịu “thuế” nền 19K: với cửa sổ 200K, còn 200K - 19K = 181K cho mọi thứ khác (trừ CLAUDE.md, MCP và bộ đệm tự động nén). Cửa sổ 1M có nhiều chỗ hơn, nhưng khoản “thuế” đó vẫn đi kèm mỗi yêu cầu.
• Đo xử lý lặp. Phần nền chiếm cửa sổ và có thể xuất hiện ở yêu cầu sau. Không là phí token một lần mỗi phiên; tách tổng input, cache-write, cache-read và output khi tính.

Token thất thoát ở đâu với Skills, plugin và nhóm agent?#

Kiểu 6. Skills và plugin có thể bị đăng ký hai lần

Vấn đề này xuất hiện khi plugin ra mắt trong Claude Code (cuối năm 2025). Khi cài plugin có thêm skills, các skills đó được đưa vào ngữ cảnh. Nếu bạn cũng đã cài các skill người dùng tương tự trong ~/.claude/skills/, chúng cũng được tải. Và đôi khi chúng bị trùng lặp.

Vercel chia sẻ một số liệu trong nghiên cứu về ngăn xếp AI của họ: 56% skills không bao giờ được gọi trong một phiên, nhưng mô tả của chúng liên tục được tải vào ngữ cảnh. Với 100 token cho mỗi mô tả, 100 skills có thể mang theo tới 5 600 token “hành lý”.

Nên làm gì:

1. /context cho biết thực tế đang chiếm bao nhiêu. Nếu bạn thấy phần Skills trên 3K, hãy dọn dẹp.
2. ls ~/.claude/skills/—kiểm tra những skill đã cài. Xóa những skill bạn không dùng hơn một tháng.
3. /plugin remove cho plugin bạn cài “để thử” rồi quên mất.

Cấu trúc phù hợp cho Skills và sự khác nhau giữa chúng với CLAUDE.md được trình bày trong “Claude Code Skills năm 2026: Cách xây dựng thư viện Skills cá nhân”.

Kiểu 7. Nhóm agent tốn gấp 7 lần trong Plan Mode

Nhóm agent là tính năng trong đó Claude Code khởi chạy một số phiên bản mô hình song song, mỗi phiên bản có ngữ cảnh riêng. Anthropic nói thẳng trong tài liệu:

Điều đó có nghĩa là năm thành viên nhóm trong Plan Mode tương đương năm phiên chạy song song, mỗi phiên tải phần nền hệ thống riêng + bản sao CLAUDE.md riêng + công cụ MCP riêng. Tổng mức tiêu thụ token tăng theo cách phi tuyến.

Nên làm gì:

1. Dùng Sonnet hoặc Haiku cho thành viên nhóm. Chỉ dùng Opus cho trưởng nhóm điều phối họ. Giá token có thể thấp hơn, nhưng đo phí và chất lượng toàn việc của mỗi thành viên thay vì mặc định mức tiết kiệm cố định.
2. Nhóm nhỏ. Dùng hai hoặc ba thành viên thay vì mười.
3. Dọn dẹp thành viên nhóm không hoạt động. Nếu nhiệm vụ đã xong nhưng một thành viên nhóm vẫn chạy, thành viên đó tiếp tục đốt token trong nền.

Tìm hiểu thêm về Plan Mode và thời điểm tính năng này thực sự hữu ích trong “Plan Mode trong Claude Code: Hướng dẫn từng bước và 4 giai đoạn trong năm 2026”.

Claude tính token cho những gì khi bạn không để ý?#

Kiểu 8. Suy nghĩ mở rộng sử dụng token mà bạn không cần can thiệp

Suy nghĩ mở rộng là chế độ Claude “suy nghĩ thấu đáo” về giải pháp trong một khối suy nghĩ ẩn trước khi trả lời. Về cách tính, đây là token đầu ra, được tính như phản hồi thông thường, nhưng bạn không nhìn thấy chúng trong cuộc trò chuyện.

Anthropic nói trong tài liệu:

Điều đó có nghĩa là một yêu cầu phức tạp có thể dùng 10-30K token suy nghĩ làm “hao hụt” ngân sách, trong khi bạn chỉ thấy một bản tóm tắt ngắn trong cuộc trò chuyện.

Nên làm gì:

1. Dùng /effort low cho nhiệm vụ đơn giản. Lệnh này giảm ngân sách suy nghĩ xuống mức tối thiểu.
2. Đặt MAX_THINKING_TOKENS=8000 trong môi trường để thiết lập mức trần.
3. /config → tắt suy nghĩ cho các nhiệm vụ thường lệ mà Claude không cần “suy nghĩ”.

Thời điểm suy nghĩ thực sự hữu ích (kiến trúc phức tạp, suy luận nhiều bước phức tạp) và thời điểm không cần thiết được trình bày trong “Sonnet hay Opus 4.7 trong Claude Code: Chọn mô hình và /effort năm 2026”.

Kiểu 9. Tóm tắt chạy nền khi không hoạt động

Đây là một kiểu rất nhỏ nhưng đáng chú ý. Claude Code chạy một tiến trình nền tóm tắt các phiên trước để dùng với lệnh claude --resume. Tiến trình này vẫn chạy cả khi bạn không gõ.

Anthropic nói rõ điều này trong tài liệu liên quan:

Bốn cent mỗi phiên không phải thảm họa. Nhưng nếu bạn có 10 phiên mở mỗi ngày, con số đã là $0.40 chi tiêu thụ động mỗi ngày, $12 mỗi tháng. Hãy đóng những phiên bạn không cần lúc này. Có thể khôi phục phiên bằng /resume từ danh sách—bạn không cần giữ nó mở.

Cách đo mức thất thoát: lệnh /context và những điểm cần lưu ý#

Trước hết là lệnh. Trong Claude Code, mở /context (hoặc /usage để xem phép tính) và bạn sẽ nhận được kết quả tương tự như sau:

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%)

Đây là phần nền cố định bình thường sau lần dọn dẹp đầu tiên. Tốt—71% cửa sổ đang trống.

Lỗi /context đã biết: báo cáo MCP cao gấp 3 lần

Cho đến bản cập nhật gần đây, /context hiển thị mức thất thoát MCP cao gấp khoảng 3 lần thực tế, vì phần chi phí riêng cho từng công cụ bị tính lặp lại.

Cameron cho biết Anthropic đã sửa lỗi này trong phiên bản hiện tại, giờ hiển thị 12 600 cho cùng XcodeBuildMCP. Vì vậy:

1. Nếu /context hiển thị 50K+ cho công cụ MCP—có thể bạn đang dùng phiên bản Claude Code cũ. Hãy cập nhật.
2. Nếu MCP ở mức 8-15K—đó là bình thường, mức thực tế khi dùng Tool Search.
3. Nếu MCP ở mức 30-50K trên phiên bản mới, bạn thực sự đang kết nối nhiều máy chủ không dùng đến. Vào /mcp và ngắt kết nối chúng.

Cần kiểm tra gì khác ngoài /context?

/usage—hiển thị mức sử dụng gói của bạn trong 24 giờ hoặc 7 ngày qua. Trên Pro và Max, lệnh này hiển thị bảng phân tích theo skills, subagents, plugin và từng máy chủ MCP. Hữu ích để xác định skill nào tiêu tốn nhiều nhất.

/cost—dành cho người dùng API. Hiển thị chi phí tính theo tỷ lệ của phiên hiện tại bằng đô la. Không dành cho thuê bao Pro/Max—họ không cần lệnh này.

/usage-credits—trên Pro/Max, cho phép bạn đặt giới hạn chi tiêu hằng tháng. Hữu ích nếu bạn không muốn một nhóm agent chạy bằng script vô tình dùng hết hạn mức thẻ tín dụng.

Cách dọn ngữ cảnh Claude Code trong 15 phút#

Mở dự án trong Claude Code và thực hiện các bước sau:

1. /context—ghi lại bảng phân tích hiện tại. Đây là mức cơ sở của bạn.
2. /clear—nếu cuộc trò chuyện đã tích lũy lịch sử không liên quan đến nhiệm vụ hiện tại. Tạo cửa sổ mới.
3. ls -la ~/.claude/skills/—xem những skills đã cài. Xóa những skill bạn không dùng trong một tháng. Lệnh: rm -rf ~/.claude/skills/[skill-name] (hoặc xóa thư mục qua giao diện).
4. /plugin list—làm tương tự với plugin. Xóa những gì không dùng bằng /plugin remove <name>.
5. /mcp—kiểm tra các máy chủ MCP được kết nối. Chỉ giữ những máy chủ cần cho nhiệm vụ hiện tại. Ngắt kết nối những máy chủ còn lại bằng /mcp disconnect <name>.
6. Mở CLAUDE.md trong trình soạn thảo. Nếu tệp có hơn 200 dòng, chuyển hướng dẫn chuyên biệt vào Skills (~/.claude/skills/[topic]/SKILL.md). Hướng tới phần cốt lõi 100-200 dòng + 5-15 Skills theo chủ đề. Hướng dẫn chi tiết có trong “Cách cấu hình CLAUDE.md năm 2026: Mẫu sẵn có và 6 quy tắc”.
7. Kiểm tra /effort—dùng /effort low cho nhiệm vụ đơn giản. Chỉ cần ngân sách suy nghĩ cao khi xử lý kiến trúc phức tạp.
8. Đo /context lần cuối. So sánh với bước 1.

Trong phiên được mô tả, context chiếm chỗ giảm 60–80K xuống 25–30K sau dọn. Đây là đổi footprint snapshot, không chứng minh giảm cố định tổng token xử lý hay phí. So toàn lượt cùng việc, gồm cache/output, trước tuyên bố tiết kiệm.

Nếu bạn muốn làm nhiều hơn là hiểu về token và xây dựng phương pháp làm việc đầy đủ với Claude—bản sao AI, Second Brain (business/) và Context Engineering—đây là ba thành phần của phương pháp đó.

Khi nào chuyển sang Sonnet hoặc Haiku hữu ích hơn dọn ngữ cảnh?#

Anthropic viết về các mô hình trong tài liệu:

Bảng giá gần đúng cho token đầu vào (tính đến ngày 27 tháng 5 năm 2026):

Thiết lập của tôi:

1. Mặc định—Sonnet 4.5. Đây là /config → default model. Nó đáp ứng 80% nhiệm vụ.
2. Chạy /model opus thủ công khi nhiệm vụ thực sự khó (lựa chọn kiến trúc, chẩn đoán lỗi khó hiểu, sản phẩm mới).
3. Dùng /model haiku cho kiểm thử và định dạng. Hoặc chỉ định rõ model: haiku trong cấu hình subagent.
4. Tách riêng /effort khỏi mô hình. Bạn có thể dùng Opus với /effort low—được mô hình mạnh nhưng suy nghĩ tối thiểu, phù hợp để trả lời nhanh các nhiệm vụ có độ khó vừa phải.

Khi nào dọn ngữ cảnh đáng làm hơn chuyển mô hình:

• Ngữ cảnh đầy hơn 50%—hãy dọn trước.
• Ngữ cảnh ổn, nhưng nhiệm vụ phức tạp—dùng Opus với mức nỗ lực bình thường.
• Ngữ cảnh ổn và nhiệm vụ thường lệ—dùng Haiku.

Để xem bảng phân tích chi tiết về mô hình và mức nỗ lực, xem “Sonnet hay Opus 4.7 trong Claude Code: Chọn mô hình và /effort năm 2026”.

Mẹo nào làm tăng mức sử dụng thay vì tiết kiệm?#

Phản mẫu 1. “Xóa hết MCP; chúng làm hao token”

Lười biếng là sai lầm phổ biến nhất. Đúng là MCP từng làm hao tới 49% ngữ cảnh—nhưng sau Tool Search, mức này giảm còn 8-15%. MCP còn cung cấp các công cụ thực tế mà nếu không có, bạn sẽ phải tự xây dựng. Xóa hết MCP đồng nghĩa quay lại làm thủ công, việc này sẽ “ngốn” nhiều thời gian hơn số token tiết kiệm được.

Cách đúng: chỉ giữ các máy chủ MCP bạn thực sự dùng thường xuyên. Tôi giữ Playwright (để kiểm thử landing page) và shadcn (để tạo giao diện). Mọi thứ khác chỉ bật cho từng nhiệm vụ.

Phản mẫu 2. “Đừng dùng CLAUDE.md; đưa tất cả thẳng vào câu lệnh”

Nghe có vẻ “hợp lý”: nếu CLAUDE.md được tải trong mỗi yêu cầu, vậy thì đừng tải nó nữa. Trên thực tế, nếu không có CLAUDE.md, bạn bắt đầu mỗi tin nhắn bằng cách tự gõ lại cùng một hướng dẫn, còn Claude thì quên ngữ cảnh giữa các tin nhắn. Điều đó có nghĩa là nhiều token hơn, chứ không ít hơn—chỉ là chúng đi qua một kênh khác.

Cách đúng: giữ CLAUDE.md gọn (100-200 dòng), với nội dung cốt lõi bên trong và tài liệu chuyên biệt trong Skills. Chi tiết có trong “Cách cấu hình CLAUDE.md năm 2026”.

Phản mẫu 3. “Luôn làm việc qua Plan Mode”

Plan Mode là công cụ tuyệt vời cho nhiệm vụ phức tạp, khi bạn cần khảo sát mã nguồn và đề xuất kế hoạch trước. Nhưng khi làm việc qua nhóm agent, tính năng này dùng trung bình nhiều hơn 7x token (tài liệu Anthropic). Với nhiệm vụ đơn giản như “sửa lỗi chính tả trong README”, Plan Mode tốn gấp 7 lần so với chỉnh sửa trực tiếp.

Cách đúng: dùng Plan Mode cho nhiệm vụ phức tạp kéo dài từ 30 phút trở lên. Với nhiệm vụ ngắn, hãy yêu cầu trực tiếp mà không dùng Plan Mode. Khi nào dùng từng chế độ được trình bày trong “Plan Mode trong Claude Code: Hướng dẫn từng bước và 4 giai đoạn trong năm 2026”.

Tìm thêm tài liệu trên Ailoot.