前面 6 章里，我们选好了工具、装好了 Claude Code、学会了会请求、学会了脱困，还把扩展功能也拿到了手。最后剩下、却在长期使用中绕不开的一课，就是「成本与效率」。AI 编程越用，越会撞上费用和使用上限这些现实。这一章，我们从实务视角，梳理令牌与计费的机制、与使用上限的相处之道，以及用更低成本拿到同样成果的诀窍。这是本课程的最后一章。
目标是「不浪费、长久地，把 AI 当搭档用下去」
为什么成本管理很重要
AI 编程工具，并非免费无限量地用。它背后每次都由庞大的语言模型来处理你的请求，这份计算确实是有成本的。正因如此，月度定额套餐会设「可用量」的上限，而按量计费的 API 则用多少就累计多少费用。
这里要紧的，不是「为了省钱而克制 AI」。目标恰恰相反——用更低的成本，拿到同样、甚至更好的成果。不懂机制就上，会招来无谓的花销，或落到「关键时刻触到上限被卡住」的境地。懂了机制，就能把有限的额度用到极致，让 AI 长久地做你的搭档。
每次都拖着庞大历史对话，回过神来费用已经膨胀。截止前夕触到上限卡住，动不了手。
只递必要信息，按任务改变用力程度。同一额度能干出两倍的活。上限也能有计划地用尽。
令牌与计费的机制
理解成本的第一步是「令牌（token）」。令牌，是 AI 处理文字时的最小单位。单词或符号被拆成若干令牌，AI 以这个单位来读写。中文大致 1 个字 1～2 个令牌，英文大致 1 个词 1～2 个令牌——有这个印象就够了。
费用，就由这令牌的量决定。要点在于，计费对象分成「输入」和「输出」两种。
除了你的指令，还包括读入的文件、至今的对话历史、系统设置的全部。AI 智能体要读大量代码，输入容易膨胀。
AI 生成的说明·代码·修改差异。一般来说，输出令牌的单价往往比输入定得高一些。回答越长，成本越高。
这里容易漏看的，是「上下文越大越贵」这一点。对话持续变长，AI 每次都会把此前的全部来回当作输入重新读一遍。也就是说，历史越膨胀，一次来回所载的输入令牌就越多，同一个问题，对话后半段也会越发变贵。
💡 也了解一下「上下文窗口」。 AI 一次能处理的令牌有上限，这叫上下文窗口。装不进这里的旧信息会被遗忘。所以「一直拖着无关的历史」，在成本和精度两方面都吃亏。详见什么是上下文窗口。
准确的单价和各模型的资费会有调整。最新的参考值和省钱的具体做法，整理在节省 AI 令牌成本的方法和AI 编程成本优化指南里。这里只需把握「按输入＋输出的令牌量计费，历史越长越贵」这条原理就够了。
使用上限 —— 速率限制的思路
用定额套餐做 AI 编程时，比费用本身更早撞上的，是使用上限（速率限制）。它为「在一定时间·一定周期内可用的量」设了额度，超了就临时用不了。上限主要有两条时间轴。
按一定时间切分的额度。用尽了，只要额度切换就又能用。短时间集中跑重活时容易触到。
按周管理的、更大总量的上限。是给重度用户的安全阀。前半周用太猛会拖累后半周，节奏分配是关键。
触到上限时，最要紧的是「别慌」。多数情况下，上限过一段时间就会重置。看一眼显示的「距重置的时间」，在那之前转去做轻活、设计、评审等不太用 AI 的环节，才是聪明的安排。触到上限时的具体处理，请见「已达使用上限」的处理。
⚠️ 重置时机别凭感觉判断。 就算觉得「应该恢复了」，实际额度也许还没空，或者比设想更早/更晚重置。看一眼实际显示才靠谱。这一行为的实例与验证，整理在周上限比设想更早重置一事的验证里。
上限本身，和资费设定一样，会随套餐和时期而变。所以该记的不是「具体数字」，而是「有短额度和长额度，超了等等就回来，所以要提前分配节奏」这种相处之道。接下来讲的工数设置和成本优化诀窍，也都是让这份额度更耐用的手段。
用工数（effort）调节深度
大大左右成本的，是「一个任务，让 AI 想到什么程度」。AI 推理得越深，越容易给出好答案，但反过来思考本身也耗令牌，成本和时间随之上升。这里的正解不是「永远全力」。难任务才深想，简单任务就轻放——这份张弛，是减少浪费最大的诀窍。
这个「思考的深度」，在很多工具里能作为工数（effort）来调。打个比方，就像做菜的火候。炖煮用大火、汆烫用小火，换着来是一个道理。
改错别字、简单替换、定型追加等，无需深想。调低工数就更快更省地搞定。
设计、复杂 bug 的溯因、大的设计变更等，值得让它深想。在这儿抠门，反会因返工而更贵。
难判断时先用中间档试，看结果再上下调。先轻着丢，不够再调高，最稳妥。
📊 工数设置的具体操作，其名称和档位会因工具和版本而异。Claude Code 里的设置方法、各档位的含义、取舍实例，在Claude Code 的工数（effort）设置里有详解。不是「永远最高档」，而是随任务上下调，才是聪明的用法。
成本优化·提效的诀窍
基于以上机制，把日常作业里立竿见影的实务诀窍汇总起来。它们都不是「忍」，而是「削浪费」的思路。越是组合起来用，同一额度能做的活就越多。
只给相关的文件。别把整个项目都塞给它读。递的信息越少，越省·越快·越准。
轻活用轻量·低价的模型，只在难点切到高性能模型。不把一切都用最高档跑，就已大不一样。
若反复用同一前提（长指令或规格），用提示缓存复用，能压低第二次起的输入成本。
别一次性大块地丢，切小、按序推进。就算失败影响也小，重做耗的令牌也少。
话题一变就重置对话，或只留要点压缩（/compact 式的思路）。不拖着无用历史很管用。
「不用解释，只要代码」等指定想要的形式。输出令牌单价偏高，防住冗长回答就有效。
✅ 有效的做法，是让「递的量·返的量·想的深度」贴合情形。 省钱的本质，就是把这三者调到与任务轻重相称的大小。难点毫不吝惜地投，轻活就削。更细的步骤和检查清单，整理在AI 编程成本优化指南里。
另外，第 5 章讲的常见错误里，其实不少也是因上下文塞太满而起的。收窄信息既是省成本，同时也直接提升精度——请记住这一举两得的效果。
为了长久坚持 —— 课程收尾
辛苦了。至此，「AI 编程实践」课程全 7 章，全部走完了。最后，再把这一路走过的路回顾一次。
理解了工具的三种类型，装好 Claude Code 并下了第一条指令（第 1～2 章）。
学会了与 Cursor·Copilot·Codex 的取舍，掌握了会请求的方式（第 3～4 章）。
脱了困，用扩展功能拓展了能力，又在本章拿到了控成本的本事（第 5～7 章）。
这里学到的知识，光读是记不住的。最好的学习，是真正动手。先挑一个小任务，试着交给 Claude Code。下指令、读它给出的代码、必要时调成本和工数——在这样的反复中，AI 才会真正成为你的搭档。
🚀 下一步是「做出自己的作品」。 既然已经会用工具了，接下来就是用它去创造什么。把点子落成实物、公开、再养大，一气呵成——正好有一门姐妹课程，为你指引这之后的路。
- AI 编程按输入＋输出的令牌量计费，历史（上下文）越长越贵。
- 使用上限有短额度和周额度。超了等等就回来，所以别慌，做好节奏分配。
- 工数（effort）要难点才深，轻活就轻。别永远全力，才是聪明。
- 提效的核心，是让「递的量·返的量·想的深度」贴合任务。收窄了既省钱又更准。
此刻的你，已经拿到了把 AI 编程工具用到实战水平的能力。这里不是终点，而是你创作的起跑线。接下来，何不用这份能力，把自己的产品推向世界呢。