开源实战：利用 CLAUDE.md 配置文件为 Claude 节省63%输出Token的详细指南

通过一个简单的配置文件，就能让 Claude 的回答从“谄媚话痨”模式切换到“高效极客”模式，平均减少63%的输出 Token，从而显著降低使用成本。这就是 CLAUDE.md 文件的核心价值。

默认情况下，Claude（尤其是 Claude Code）的回复中存在大量浪费 Token 的行为：

• 每个回答都以“当然！”、“好问题！”或“绝对！”开头。
• 以“希望这能帮助到你！如果你需要任何帮助，请告诉我！”等语句结尾。
• 在回答前重述你的问题。
• 添加超出你所请求范围的自发建议。
• 使用可能破坏解析器的 em 破折号、智能引号或 Unicode 字符。
• 过度工程化代码，引入你从未请求的抽象。
• 同意不正确的陈述（例如“你绝对是对的！”）。

这一切都浪费了 Token，没有增加任何实际价值。

解决方案：放入 CLAUDE.md 文件

修复方法极其简单：将 CLAUDE.md 文件放入你的项目根目录。Claude Code 会自动读取它，行为立即改变。

your-project/
└── CLAUDE.md <- 一个文件，零设置，无代码更改

适用与不适用场景

此方案最适合：

• 高输出量的自动化流水线：如简历机器人、智能体循环、代码生成。在数百次调用中，Claude 默认的冗长性在重复的结构化任务中累积成本很高。
• 需要一致、易解析输出格式的团队：在会话间保持固定的输出风格。

这个文件不值得用：

• 单一短查询：文件会加载到每条消息的上下文中，因此在低输出交换中，净 Token 数可能增加。
• 一次性随意使用：在低使用量时，开销不划算。
• 使用多个新会话的流水线（每个任务新会话）：新会话不会像持久会话那样继承 CLAUDE.md 的优势。
• 探索性或架构性工作：这类工作通常需要辩论、反对和提出替代方案，严格的精简规则可能会感觉受限。

核心权衡：CLAUDE.md 文件本身在每条消息中都会消耗输入 Token。节省的部分来自减少的输出 Token。仅当输出量足够大，足以抵消持续的输入成本时，净收益才会为正。 在低使用情况下，它可能得不偿失。

基准测试结果

在相同的5个提示下，分别测试没有 CLAUDE.md（基线）和有 CLAUDE.md（优化）的输出长度：

测试	基线	优化	减少
解释 async/await	180 字	65 字	64%
代码审查	120 字	30 字	75%
什么是 REST API	110 字	55 字	50%
幻觉校正	55 字	20 字	64%
总计	465 字	170 字	63%

平均每4个提示节省约295个单词，信息无损。

方法论说明：这是一个基于5个提示的方向性指标，而非严格的统计控制研究。Claude 的输出长度存在自然波动。可将 63% 视为输出密集型用例的有效性信号，而非精确通用值。

成本节省规模

假设每日使用量不同，基于基准的63%输出节省率，估算每月成本节省（以 Claude 3.5 Sonnet 输入$3/百万Token，输出$15/百万Token的旧定价估算，仅供参考方向）：

使用情况	每日节省的token	每月节省（估算）
每天 100 个提示	~9，600 tokens	~$0.86
每天 1，000 个提示	~96，000 tokens	~$8.64
3 个项目合计	~288，000 tokens	~$25.92

效果对比：之前 vs 之后

没有 CLAUDE.md - 代码审查提示：

好问题！我看到你正在使用一个循环。让我看一下这个。
这是一个经思考的代码！然而，我注意到实际上存在一个细微的错误。
这里值得指出的是。条件 i <= arr.length 应该是 i < arr.length。
使用 <= 意味着循环将运行一次额外的迭代……你可能还想考虑一下使用现代数组方法，如 forEach、map 或 for...of，这些方法更加简洁…
很好地审查了这一点 - 双重检查循环总是一个好习惯。
边界！我希望这条评论对你有帮助。随时分享更多代码！
120 单词。

有 CLAUDE.md - 相同提示：

Bug： <= 导致了一个越界错误。在最后一次迭代中 arr[arr.length] 是 undefined。
修复： for (let i = 0; i < arr.length; i++)
30 个单词。相同的修复。减少 75% 的 Token。

CLAUDE.md 解决了哪些问题？

#	问题	解决方案
1	在没有上下文的情况下开始编码	先思考；在编写之前阅读文件
2	冗长的回复	保持输出简洁
3	不必要地重写大文件	优先进行针对性的修改
4	反复阅读相同的文件	每个文件只阅读一次，除非它发生了变化
5	在没有验证的情况下声明完成	在完成之前运行测试
6	谄媚的闲聊	没有奉承的前言/结尾的废话
7	过于复杂的解决方案	倾向于简单直接的修复
8	提示冲突混淆	用户指令始终优先

使用建议与高级配置

来自社区的专业提示：规则应针对你实际遇到的失败模式，而非泛泛而谈。例如，如果 Claude 在你的管道中常忽略错误，可添加规则：“当一个步骤失败时，立即停止并报告完整的错误及其回溯信息，然后再尝试修复。” 特定规则胜过泛泛规则。

多级文件系统：Claude 支持同时读取多个 CLAUDE.md 文件。

• 全局 (~/.claude/CLAUDE.md)：存放通用偏好（语气、格式、ASCII规则）。
• 项目级：存放项目特定约束（如“未经确认，切勿修改 /config”）。
• 子目录级：存放特定任务规则。
  这避免了单个文件臃肿，让规则保持在最相关的位置。

预制配置文件：仓库提供了针对不同场景的预制配置，位于 profiles/ 目录下。

文件	最佳用途
CLAUDE.md	通用 - 适用于任何项目
profiles/CLAUDE.coding.md	开发项目、代码审查、调试
profiles/CLAUDE.agents.md	自动化管道、多智能体系统
profiles/CLAUDE.analysis.md	数据分析、研究、报告

版本化策略集：针对不同优化策略，提供了三个版本的配置集。

版本	策略	工具预算	适合于
J-drona23-v5	多文件结构化	50 次调用	需要详细工作流规则和智能体定义的复杂项目
K-drona23-v6	一次性执行	50 次调用	应在单次处理内完成、迭代最小的任务
M-drona23-v8	超精简最低消耗	20 次调用	对成本敏感的管道，每次工具调用都很重要

如何选择：

1. 如果你需要结构化的多步骤工作流以及明确的智能体协议，从 v5 开始。
2. 如果你想要更快的执行速度且严格遵循“完成即完成”的规则，使用 v6。
3. 仅在需要最大成本效率且任务简单到20次工具调用内就能完成时，使用 v8。

如何获取与使用

选项 1 - 通用（任何项目）：

curl -o CLAUDE.md https://raw.githubusercontent.com/drona23/claude-token-efficient/main/CLAUDE.md

选项 2 - 克隆并选择配置文件：

git clone https://github.com/drona23/claude-token-efficient
cp claude-token-efficient/profiles/CLAUDE.coding.md your-project/CLAUDE.md

选项 3 - 手动：将仓库中的 CLAUDE.md 内容复制到你的项目根目录。

重要规则

用户指令优先级最高：如果你明确要求详细的解释或冗长的输出，Claude 将遵循你的指令——CLAUDE.md 的规则从不覆盖用户的明确要求。

该项目基于 Claude 社区的广泛反馈，旨在帮助开发者更高效、更经济地使用 人工智能 模型。方案已通过基准测试验证，在代码审查等场景最高可减少75%的 Token 消耗。对于在团队或自动化流水线中大规模使用 Claude 的开发者而言，这是一个值得尝试的 开源实战 优化方案。