长会话 Token 消耗失控？上下文管理的 5 个技巧
一场 Claude Code 会话开了三小时还在跑，回头看消耗已经几百万 Token。问题不是"用太多"，是上下文管理失控。这篇给出 5 个具体技巧把它压回来。
我有一次让 Claude Code 修一个棘手的 bug，会话开了三小时多。最后修好了，但当晚账单 +18 美元——同一个 bug 我同事手动找估计两三小时也找出来了，他时薪没我一晚上的 AI 账单贵。
那次之后我重视了一件事：长会话不是 Token 消耗的 enemy，失控的上下文管理才是。
长会话的 Token 怎么烧掉的
会话越长，每次新消息发出时实际的 input Token 越多。原因是 input 包含完整对话历史。
举例：
- 会话开始第 1 条消息：input 大约 5K Token（系统提示 + CLAUDE.md + 当前文件树）
- 第 10 条消息：input 大约 50K Token（前 9 条的对话内容都被纳入）
- 第 50 条消息：input 大约 300K Token（已经接近模型上下文上限）
- 第 100 条消息：input 已被自动 truncate，但 truncate 之前一定经历过 500K+ 的高位
每条消息都按当前完整 input 计费。50 条消息可能累计 input Token 达到 1000 万。即使按缓存价（10% 原价），也要好几美元。
技巧 1：定期 /compact
Claude Code 自带 /compact 命令——把当前会话历史压缩成几百字摘要，保留任务关键信息。
我的规则：
- 每 30-60 分钟一次——按时间，不按消息数
- 跨阶段时主动——比如"找完 bug，开始改代码了"，先 compact
- Output Token 突然变长——说明模型在长输出，下一轮把它压一下
/compact 本身要消耗 Token（让模型读完整历史 + 生成摘要）。一次 compact 大约 5-15K Token——但回本快，下条消息开始 input 直接降回 5-10K。
技巧 2：阶段性切 session
并不是所有事都要在一个 session 里完成。
- 调研阶段一个 session（让模型理解问题）
- 设计阶段一个 session（确定方案）
- 实施阶段一个 session（写代码）
每次切 session 损失的"前情提要"靠的是 CLAUDE.md / AGENTS.md 这种持续性文件——而不是临时的会话历史。
切 session 让缓存重新建，但比起带着一团 30 万 Token 的旧历史走完全程，新建反而便宜。
技巧 3：减少"模型读全仓"的频率
长会话最烧 Token 的瞬间不是聊天，是 Agent 调用工具读文件——尤其是大文件、多文件。
- 明确告诉模型只读哪些文件："只看 src/auth/ 下面的文件"
- 不让它再 grep——你已经知道相关文件，直接 @ 文件给它
- 大文件提前精简——把 5000 行的某个文件相关的 200 行单独抓出来给它
我有一段时间养成了"让 Claude Code 自己探索"的习惯——结果它每次会议都把 30 个文件读一遍。现在我改成提前定位，单次会话 Token 直接砍半。
技巧 4：警惕 Agent 循环陷阱
Agent 模式（让模型自己规划、读、写、验证）的循环最容易长期失控。
- 设置时间上限——大任务 30 分钟没出结果，停下来检查
- 看循环步数——如果 Agent 已经做了 50 次工具调用还在循环，说明走偏了
- Output Token 在涨但没新输出——模型在重复推理同一件事
我现在的习惯是 Agent 任务超过 20 分钟就主动 Ctrl+C，看一下进展。多数时候不是模型快做完了——是它困在某个细节里出不来。
技巧 5：把"会话历史"当成可丢弃资源
长会话最反直觉的优化：历史不重要。
很多人舍不得退出当前会话，因为"前面的讨论好不容易建起的上下文不能丢"。但其实那些讨论里 90% 是冗余——模型来回试错的过程不该被反复重读。
真正重要的是结论——任务怎么实施、关键决策是什么、文件改动方案。这些应该被你记下来（写到 PR 描述、commit message、设计文档），而不是依赖会话历史。
把结论保存好，会话历史就是消耗品。该 compact 就 compact，该重开就重开。
怎么知道自己的会话有多长
抽象讲容易。具体看自己的会话长度分布——
打开 Vibe Usage 看自己 Claude Code 的会话统计。它能告诉你：
- 你每次会话的中位数和 p90 累计 Token 数
- 哪些会话异常长（超过 p90 那种）
- 长会话主要发生在哪些项目上
- 你的会话长度趋势——是不是在变长？
我自己的数据：装 Vibe Usage 之前，我的 Claude Code 会话 p90 约 280 万 Token。系统性应用上面 5 个技巧之后，p90 降到 120 万。同样产出，消耗砍半。
不是为了省，是为了集中
控制上下文其实不光是省 Token——它是让模型给出更好结果的前提。50 万 Token 的会话里模型必然会忽略某些细节，注意力被稀释。
短而专注的会话，模型给的代码质量也更高。
Vibe Usage 装上看一下自己的会话长度分布，你会发现优化它有双重收益。