Claude Code 用户必看！你可能在浪费 80% 的积分

用 Claude Code 写代码，就像开着豪车上班：

一边享受着 Claude 这个"亲儿子"带来的强大能力——自动分析代码库、智能修 Bug、甚至独立完成开发需求，效率拉爆；

另一边又看着积分余额心惊胆战，感觉还没怎么用，积分就快见底了。

更夸张的是，我们大部分时候 超过 80% 的积分，都被浪费在了完全无关的"臃肿上下文"上！

如果你也有这种感觉，那这篇文章就是为你准备的"保姆级省积分攻略"。

揭秘黑洞：你的积分是怎么被"偷走"的？

要学会省积分，首先得知道积分是怎么消耗的。

Claude Code 的 Token 计算机制，比普通聊天机器人复杂得多。其核心问题可以归结为一个概念：上下文稀释（Context Dilution）。

上下文稀释率 = 不相关 Token / 总 Token

这个比率越高，意味着你的积分花得越冤。

1. 看不见的"起步价"：MCP 插件的上下文占用

哪怕你是新窗口，Claude Code 上来啥都不干，直接带上几十万 Token 的上下文！

这些上下文主要来自：

• 系统提示（System Prompt + Tools）：16.9K Token
• MCP 插件的功能描述和工具定义：每个插件 5,000 - 15,000 Token
• 环境配置信息、示例代码等

真实案例：

我之前安装了 7 个 MCP 插件（chrome-devtools、context7、fetch、filesystem、firecrawl-mcp、playwright、sequential-thinking），结果发现：

打开 Claude Code，什么都不做，就占用了 67.7k 的上下文！

这意味着：

• 🩸 还没开始工作，积分就在流失
• 🧠 Claude 的"注意力"被稀释，代码质量下降
• 💰 同样的任务，比别人多花好几倍积分

这两天Claude官方Anthropic也发文反思了MCP上下文过长的核心问题

具体链接：https://www.anthropic.com/engineering/code-execution-with-mcp

2. 滚雪球的"对话历史"

为了"记住"上下文，Claude 必须在每次请求时重新加载全部对话历史和文件内容。

对话越长，这个"雪球"就滚得越大，成本呈指数级增长。

真实案例：

我做一个复杂功能时，与 Claude Code 进行了数十轮的迭代调试。我发现越到后面：

• Claude 响应越慢
• 输出质量开始下降（开始"说蠢话"）
• 积分消耗速度飙升

这正是"上下文窗口滚雪球"的恶果。

3. 冗余信息的四大"污染源"

• 完整文件读取：你只想改一行，它却读了整个文件
• 超长聊天历史：几个小时前的对话还在占用上下文
• 无关文件扫描：甚至会去读取 node_modules、日志和二进制文件

省积分即正义：两个 1 分钟优化，效果立竿见影

优化 1：关闭用不到的 MCP（30 秒搞定）

第一步：查看你的"成本黑洞"

/context

这个命令会显示当前上下文占用了多少 Token。你可能会被吓一跳。

第二步：关闭今天用不到的 MCP

/mcp

在弹出的列表中，关闭今天用不到的插件。

我该关哪些？

原则很简单：只保留当前任务需要的。

举例：

• 今天写前端代码？只开 filesystem 就够了
• 今天写 Python 后端？开 filesystem + sequential-thinking
• 今天不碰 Docker？果断关掉 docker 相关的

我的实测数据：

关闭 6 个用不到的 MCP 后：

• 上下文从 67.7k → 6k（减少 93%！）
• 代码质量肉眼可见提升
• 积分消耗直接砍掉 80%

第三步：再次查看效果

/context

看看优化后的上下文占用，享受"减负"的快感。

优化 2：定期 /clear 清理对话（10 秒养成习惯）

什么时候清理？

• ✅ 完成一个独立任务后
• ✅ 切换到新话题时
• ✅ 感觉 Claude 开始"不在状态"时
• ✅ /context 发现上下文超过 50k 时

不用担心丢失上下文

Claude Code 很聪明，90% 的情况下，/clear 完全不影响工作。

因为它可以：

• 随时读取你的项目文件（通过 @文件名）
• 理解代码结构
• 继续之前的工作

真的需要保留上下文怎么办？

用这个 20 秒的方法：

步骤 1： 让 Claude 总结

把当前我们讨论的问题和解决方案，精简总结成一个 Markdown 文档

步骤 2： 清理对话

/clear

步骤 3： 继续工作

@summary.md 继续刚才的工作

这样可以把几十轮对话（占用几十 k）压缩成一个小文档（只占几 k）。

进阶技巧：从入门到精通

基础篇（人人必会）

1. 一事一议，用完即焚
   为每个独立任务开一个新的对话窗口。任务完成后，立刻 /clear。

2. 定期查账，心里有数
   养成定期执行 /context 的习惯，监控上下文占用。

3. 编辑代替追问
   别一错就再加一句"你刚才错了，试试这个"。直接编辑原始提示，避免记住所有历史错误。

工作流优化篇

1. 划定禁区，善用 .gitignore
   Claude Code 会尊重你项目中的 .gitignore 文件。把 node_modules、日志、构建产物等无关文件夹都加进去。

2. 文档驱动，让 AI 先做计划
   不要随意对话。先让 Claude Code 生成一个任务清单（TODO List），然后引导它逐一完成。这种"先规划，后执行"的模式，能让每次交互都更精准。

3. 随时存档，git commit 是你的后悔药
   每次 Claude 完成一个独立的小任务，立刻 git commit 保存当前状态。万一后续出现 Bug，可以轻松回溯。

高阶篇（极限优化大师）

1. 精简输入，只喂"干货"
   不要给 Claude 整个文件，只给它预期会更改的代码，外加周边 20-40 行的相关上下文。传递文件路径而非原始内容，让模型按需请求。

2. 强制约束，给 Claude 上"紧箍咒"
   在项目配置或初始提示中，用规则强制约束 Claude 的行为。例如：

   • 禁止读取日志文件、锁文件、二进制文件
   • 除非明确要求，否则禁用某些工具
   • 设置 Token 预算、每次获取最大行数等硬性限制

行动清单（现在就做！）

第 1 步（30 秒）

1. 输入 /context 看看自己的上下文占用
2. 输入 /mcp 关闭今天用不到的插件
3. 再次 /context 看效果

第 2 步（养成习惯）

• 每次换任务前，执行 /clear
• 每隔一段时间，检查 /context
• 根据工作内容，动态开关 MCP

第 3 步（可选，进阶）

为不同工作场景，配置专属的 MCP 组合：

• 前端模式：只开 filesystem
• 后端模式：filesystem + sequential-thinking
• 全栈模式：根据当前任务灵活调整

记住这三个命令

/context  # 查看上下文（定期检查）
/mcp      # 管理 MCP（只开需要的）
/clear    # 清理对话（养成习惯）

投入：1 分钟
回报：代码质量提升 + 积分消耗减半
难度：零

最后

如果你还在用默认配置，你可能正在：

• ❌ 浪费 80% 的积分
• ❌ 得到质量更低的代码
• ❌ 体验更慢的响应速度

现在就试试吧！

输入 /context 看看你的上下文占用了多少。

你可能会惊讶地发现，一个简单的优化，能带来如此巨大的改变。