Claude Code这招太狠!砍掉80%提示词反而更聪明,省90%费用就靠这一招
砍掉八成提示词,模型反而更听话了
Anthropic把Claude Code的系统提示词从800 token砍到164 token,降幅达到80%。官方说法是新一代Fable 5够聪明了,喂太多指令反而框住它。实际操作下来确实如此——原来那些“禁止生成暴力内容”“不要泄露密钥”类的硬性规则,新模型不吃这套了。1
本质变了:以前靠规则约束,现在靠语义引导。模型自己能从上下文判断边界,不需要你列一堆禁止项。这对写提示词的影响最大——少即是多,别把自己的经验硬塞给AI。2
Claude Code场景下,Prompt Cache是成本大头
普通LLM API调用,输入输出大致1:1,缓存收益有限。但Claude Code不一样——一次“修bug”请求,输入14K token,输出只有400 token,输入输出比36:1。每个输入token的实际单价决定总账单。3
Prompt Cache提供的优惠是90%折扣——缓存命中的部分只收基础输入价的10%。这不是小幅优化,是数量级差异。想省钱,先把缓存机制搞清楚。4
前缀匹配原理:改一行,全盘失效
Prompt Cache不是“检测重复内容就打折”,而是前缀完全匹配。服务端保存最近请求的prompt前缀,下次从头开始完全一致才命中。CLAUDE.md改一行,从它开始往后所有内容缓存全部失效。5
这才是真正的坑:CLAUDE.md每改一次,缓存从头重建,费用翻倍。应该在项目启动前把CLAUDE.md写完整,运行中尽量不动它。6
让缓存多命中几轮的实战策略
CLAUDE.md保持稳定是最有效的优化。把构建命令、测试命令、分支规范这些Claude读代码读不出来的东西写进去,不要把能从代码推断的信息也塞进去。控制在60行以内,硬性上限300行。规则太多模型反而会忽略末尾的指令。7
另外,用/plan 模式探索和规划,把研究和实现分开——避免在普通模式里反复修改CLAUDE.md来试错,那样缓存会反复失效。8
当前文章无评论,是时候发表评论了