转译：
译自 Claude Blog 原标题：Reducing cost, and the improving performance with Claude Platform
作者：Lance Martin（@RLanceMartin）、Brad Abrams（@brada）、Isabella He（@IsabellaKHe）、Ben Lehrburger（@benlehrburger）。
调好提示缓存、指令和 effort，就能在不牺牲应用性能的前提下把 Claude 的 token 消耗降下来。
性能和成本常被看成是二选一的取舍：想少花钱，就得接受更差的结果。但是，实践里我们发现，很多跑在 Claude Platform 上的应用其实不是这样。只需要做处调整，就能降本、性能还不丢：提高提示缓存（prompt cache）命中率；升级到前沿 Claude 模型时，清掉提示词里的反模式（anti-pattern）；按任务复杂程度校准 effort（努力程度）。这些做法我们已经写进 claude-api skill。这篇文章会展示：Claude Code 配上这个 skill，往往能找到既降成本、又保住甚至提高效果的办法。
提示缓存
Claude 在生成回复之前，会先把提示词处理成一份内部工作状态。这一步叫预填充（prefill），也是处理输入里最贵的部分。提示缓存会把这份状态存下来（也就是 KV 缓存）：当下一次请求以相同前缀开头，Claude 直接读缓存，而不是重新算一遍。缓存读取按完整输入价的一小部分计费。
要让提示缓存真正管用，有几条实务约束。第一，缓存绑定到具体模型。第二，缓存读取要求整个前缀逐字节完全一致。第三，缓存有有限的存活时间（TTL）。
记住这三点，有几条能落地的建议：
对话中途改 effort 要小心。 这些设置会渲染进提示词、排在你的内容前面，它们也是缓存前缀的一部分。目前只有部分 Claude 模型（包括 Opus 5 和 Fable 5.1）能在对话中途更新 effort而不打断缓存。
别把易变的值放进前缀。 系统提示词里的动态时间戳或 ID，在不同模型调用之间一变，缓存就会失效。
避免工具定义自己重排顺序。 用 Claude Messages API 时，提示词按固定顺序组装，工具定义排在最前面。工具定义任何改动都会打断缓存。
对话分叉时要小心。 子智能体和分支只有在分叉后的前缀字节级相同、同一模型、同一 effort 时，才能共用父级缓存。
怎么改
我们在提示缓存管理上积累了几条经验：
盯紧缓存命中率。 Claude Console 和 cache diagnostics API 能给出提示缓存诊断，包括未命中原因（图 1），以及两次请求究竟从哪一分叉。
图 1 | Claude Console 对比请求，找出提示词前缀从哪一分叉，用来诊断意外的缓存未命中。
低频工具延后加载。 工具可以一次性全部声明，但把很少用到的标成
defer_loading：它们不进缓存前缀，只有 Claude 用工具搜索找到时才追加进对话，缓存就能保住。系统提示词的更新改用消息追加。 部分 Claude 模型允许你在对话中途把系统指令当成一条消息加进去，而不是去改系统提示词本身，这样缓存还在。
请求布局要让稳定的部分一直稳定。 静态上下文（工具定义和系统提示词）放前面，往后增长的对话放后面（图 2）。
图 2 | 组织提示词时把缓存考虑进去。
等提示缓存本来就要失效的时候，再改模型或 effort。 有些操作，比如 compaction（压缩），本来就会重写缓存里的大部分对话。这是换模型或 effort 的好时机——反正这次未命中的钱已经要付了。
对话变长时，把缓存断点往后移。 在 Claude Platform 上，可以打开自动缓存，把缓存断点打在最后一个可缓存块上。
预热缓存。 想降延迟，可以发一个
max_tokens: 0、带显式缓存断点的请求，effort 与真实流量相同。这样会处理提示词并写入缓存，但不会生成任何内容。如果在会话开始时就做（比如用户还在打字），第一条真正的请求就能命中热缓存。别超过提示缓存的 TTL。 5 分钟 TTL 从请求开始计时。如果智能体在工具调用或子智能体请求上阻塞超过 5 分钟，父级缓存会在结果回来之前过期。这种情况下，考虑给前缀设 1 小时 TTL。
指令
提示词里会慢慢堆上一些指令，专门拿来补模型的短板。这些指令可能跟最新 Claude 模型的能力脱节。下面这些常见的提示反模式，会拖累前沿 Claude 模型，还可能无意中把成本抬上去：
核验仪式。 「double-check your work」或「verify twice before responding」这类指令，前沿模型往往会照字面做，白白烧掉 token。
「务必详尽」类强调助推。 「Be maximally thorough」「CRITICAL: YOU MUST ALWAYS…」用在前沿模型上，容易写太长、多调工具。
强制流程和草稿纸脚手架。 固定步骤（比如「think step by step in a scratchpad」）或推理模板，是前沿模型不需要的仪式。这层脚手架会叠在模型自带的推理之上，多用没有必要的 token。
过时示例。 针对旧模型失败模式调过的 few-shot 示例（少样本），可能教会前沿模型在根本不需要的请求上，也去模仿很长的推理链。
互相矛盾的规则。 前沿模型更擅长遵循指令。互相打架的规则（「always refund within policy」对上「never issue refunds without escalation」）会被执行得更死，效果反而变差。
过时配置。 给上一代 Claude 写的设置（比如手动思考预算），在较新模型上可能被 Claude Platform 直接拒绝。
怎么改
我们给 claude-api skill 加了一条新命令，专门盯这些反模式。在 Claude Code 里，对你的提示词、skill 或工具描述跑 /claude-api prompt-audit。审计范围覆盖工作目录里的所有东西，包括调用 Claude API 的应用代码，以及 Claude Code 自己的配置（例如 CLAUDE.md 或 skill）。
举个例子。我们在一份客服评测上，测了从 Opus 4.8 迁到 Opus 5。起点是一条干净提示词，然后一次只埋进一种反模式（已废弃的思考设置、一对互相矛盾的退款规则、手动草稿纸、「verify twice」、「be maximally thorough」，以及强制六步流程），得到六条遗留提示词。
每条都跑三遍：Opus 4.8；只改模型 ID 的 Opus 5；以及每条提示词跑一次 /claude-api prompt-audit 之后的 Opus 5（图 3 是六条的平均值）。
图 3 | 从 Opus 4.8 迁到 Opus 5 时，提示反模式的影响。
在 Opus 5 上，核验仪式（「verify twice」）会在每笔退款里重复查一遍订单，多用没有必要的 token。「务必详尽」类强调（「be maximally thorough」）会变成几十次用不上的知识库搜索。
跑完 /claude-api prompt-audit，反模式被清掉，成本平均降了 14.6%，准确率平均升了 5.3%。成本下来，是因为多余的工具调用和重复推理没了。准确率上去，有三个原因。已废弃的思考设置会让 API 把每一条路由请求直接拒掉。互相矛盾的退款规则让 Opus 5 扣住了四笔本该退的款，同时去让客户确认。手动草稿纸和 Opus 5 自带的思考撞车：有三张工单，它把工具调用写进了推理过程，却从来没有真正执行。
Effort
Effort 告诉 Claude「这件事要下多大功夫」。low effort 下，Claude 通常更快得出结论。high effort 下，它会先斟酌、核验、把替代方案摸一遍，再回答。
同一模型在不同 effort 档位上，成本与性能可以差得很开。例如 Claude Fable 5 在 FrontierCode Diamond（最难的 50 个任务）上，low effort 得分 11.5%，每个任务 $5.35；max effort 得分 30.9%，每个任务 $19.00。改 effort，分数大约提到 2.7 倍（+19 个百分点），成本大约变成 3.5 倍（图 4）。
在 Claude Fable 5.1 上，Humanity's Last Exam（人类最后的考试）（无工具）曲线很陡，最后一档收益却在变少。low effort 大约 53%，每题约 $0.30；max effort 大约 61%，每题约 $2.23。升到 max 的最后一步只多大约 0.5 个百分点，成本却多 46%。这点增益落在评测的两次运行噪声里，等于多花钱、质量不会好太多。
图 4 | Fable 5 在 FrontierCode Diamond 上，不同 effort 档位的性能与成本。
effort 两个方向都可能校不准：
默认越高越好。 high effort 会过度思考。Claude 花在斟酌上的时间超过任务所需，成本和延迟都上去，答案质量还可能变差。斟酌只有在还有证据可挖的时候才有用。
习惯性压到 low。 设太低，Claude 会在证据还不够时就停。工具调用变少，可能看完第一条搜索结果就答，而不是看到第三条。难步骤上想得更少，也跳过它本来会自己做的检查。答案看起来写完了，其实建立在不完整的信息上。
怎么改
有一些校准 effort 的实用办法：
用更强的模型跑更低的 effort。 更强模型的 low effort，可以比弱模型高投入跑 high effort 更便宜。例如在 CursorBench 3.2 上，Claude Fable 5.1 的 low effort 打平 Fable 5 的 high effort，成本只有三分之一（图 5）。新模型更便宜，有两件事在起作用：low effort 下每个任务干的活更少；Fable 5.1 的提示缓存读取价是每百万 token $0.25，Fable 5 是 $1.00。就算按 Fable 5 的价格算，Fable 5.1 的 low effort 也大约便宜 40%。
图 5 | Fable 5 与 Fable 5.1 在 CursorBench 3.2 上、不同 effort 档位的对比。
看清任务形态。 在一档档 effort上测应用表现，能看清你这个任务自己的成本-性能取舍。如果评测还没饱和，而成本-性能曲线在各档 effort 上是平的，说明任务并不受思考算力约束；加 effort 没有好处。
这种校准，通常要在不同模型和 effort 档位上跑评测。在 Claude Code 里，/claude-api hillclimb（爬山搜索）会替你做这次搜索：把评测拆成训练集和测试集，提出配置改动，并读失败的训练样本，按找到的问题改。
我们在一份客服评测上跑过。起点是 Opus 4.8、默认（high）effort。爬山搜索器先试 Opus 5 的 low effort，并用 prompt-audit 清掉强制工具调用仪式、草稿纸步骤和互相矛盾的规则。这一步就超过了 Opus 4.8 基线：训练集准确率 98.9%，成本降到每张工单 2.6 美分（图 6）。
图 6 | 爬山搜索同时改善成本和性能。
接着降到 Sonnet 5 的 low effort，更便宜，每张工单 1 美分，但准确率掉到 88.9%。读过失败的训练工单后，Claude 往提示词里加了路由规则和退款上限对照，Sonnet 5 回到 98.9%，成本没变。
在搜索从未见过的 14 张留出工单上，最终配置得 90.5%，原配置是 78.6%，成本大约是原来的五分之一。
把降本自动化
提示缓存、指令和 effort，是常见的降本杠杆。我们的文档里还有更多。要对调用 Claude API 的应用代码做一次整体成本审计，我们加了 /claude-api cost-optimize：它会摸清钱花在哪、落实降本措施，如果你提供评测，还会展示省下的钱和性能怎么换。
cost-optimize 先找 token 花在哪：有 Claude Admin API key，就读组织的用量和成本报告；应用如果记下了每次 API 响应里的 usage 对象，就用它；两样都没有，就读你的请求组装代码来估算。
然后给能省的钱排优先级：从提示缓存开始，再精简每条请求携带的内容（包括一次 prompt-audit），限制输出，并把无人值守的活走 Batch API。如果你提供评测，它会再往前走一步，算出不同 effort 档位和模型选择下的成本与性能。我们以 Sonnet 5 为基线，在四个公开评测上跑过（图 7）：
LegalBench（成本约低 58%）： cost-optimize 建议跨任务缓存共享前缀、设 low effort、用 Batch API 处理任务。思考 token 从 102,779 降到 8,284，通过率落在噪声范围内，成本大约降了 58%。
tau2-bench retail（成本约低 73%）： 用显式断点落地提示缓存后，cost-optimize 把花费降了 72%，通过率持平。
OfficeQA Pro（成本约低 52%）： 加上批处理和文档缓存，成本从 $136.20 降到 $64.87。
SWE-bench Verified（成本约低 55%）： cost-optimize 发现默认配置已经缓存正确。省下来的钱来自把 effort 设成 medium，并把智能体输出限制成几句短话。每个任务的中位步数从 29 降到 17，提示 token 从 75.2M 降到 33.7M。
图 7 | 跑 /claude-api cost-optimize 后，各评测上的成本与性能变化。
怎么开始
已经迁到前沿 Claude 模型、想检查现有提示词，从 /claude-api prompt-audit 开始。它会扫工作目录里的提示词、skill 和工具描述。对象可以是调用 Claude API 的应用代码，也可以是 Claude Code 的配置（CLAUDE.md、skill）。它会清掉那些拖累前沿模型的常见反模式。
应用在用 Claude API、想做一次成本审计，就用 /claude-api cost-optimize。它会摸清 token 花在哪，再试不同杠杆：会跑 prompt-audit，也会看提示缓存、无人值守批处理、限制输出能不能把成本压下去。如果你提供评测，它会衡量 effort 和模型选择的取舍。
最后，用 /claude-api hillclimb 在成本和性能上做一次搜索。给一份评测，Claude 会拆成训练集和测试集，再提出旨在降本、同时保住基线性能的应用改动。Claude 会读失败的训练样本来引导搜索，最终配置在留出测试集上打分。
延伸阅读：