LLM成本

实测9款Token节省工具：输出砍65%、输入省80%，组合拳最高省80%

作者
实测9款Token节省工具：输出砍65%、输入省80%，组合拳最高省80%

调研日期：2026-08-22 | 数据来源：GitHub awesome-claude-skills / awesome-claude-code / awesome-agent-skills / GitHub Search

为什么重要

LLM API 按 token 计费，Claude Opus $5/M input, $15/M output。开发者平均每月花 $100+，其中 30-50% 是浪费的 token（无关文件读取、冗余上下文、冗长输出）。一个 200 行配置文件 = 800 token = $0.004/次；一天读 100 次 = $0.4/天 = $12/月。

生态全景速览

分类 代表工具 核心机制 节省幅度
**输出压缩** caveman 风格压缩（删填充词/冠词） 65% output
**输入/上下文压缩** lean-ctx session caching + 压缩代理 50-80% input
**上下文优化器** claude-context-optimizer 追踪读取模式，学习有用文件 30-50% input
**框架级优化** token-diet 全流程管道（检索→剪枝→缓存→压缩） 最高 20x
**指南/模板** CCTCRG 最佳实践 + prompt 模板 随用法而异
**Skill 优化** skill-optimizer 优化 SKILL.md 本身减少 token 间接节省
**泄漏检测** cc-probeline / Ctxlint 检测 token 浪费/过时引用 检测工具

Tier 1 — 必收（成熟 + 实用 + 有数据）

1. caveman — 输出超压缩

仓库：https://github.com/JuliusBrussee/caveman

星标：99,628★

定位：砍掉 65% output token，保持技术准确性

核心能力：

  • 6 级强度：lite / full / ultra / wenyan-lite / wenyan-full / wenyan-ultra
  • 输出压缩 65%（10 任务 benchmark）
  • 输入压缩 33%（54 次运行）
  • Pixel 模式：79% token 节省
  • 按类型压缩：JSON 70-90% / 日志 85-95% / 代码 40-70%
  • CCR 恢复机制（防止信息丢失）

适用场景：

  • ✅ 日常对话式开发（bug fix、快速迭代）
  • ✅ 输出密集型任务（生成代码、写文档）
  • ✅ 预算敏感场景（个人开发者、学生）
  • ❌ 需要详细解释的场景（新手教学、code review 解释）

2. lean-ctx — 上下文代理

仓库：https://github.com/yvgude/lean-ctx

定位：MCP server + context runtime，智能压缩 + 缓存

核心能力：

  • Session caching：重复读取同一文件，2000 token → 13 token
  • Git status 压缩：800 token → 120 token
  • 代理压缩：每个请求自动压缩，prompt-cache-safe
  • 跨会话持久化 session memory
  • 实时 dashboard + budget 控制

适用场景：

  • ✅ 大型代码库开发（频繁读取同一文件）
  • ✅ 长会话编程（累积上下文多）
  • ✅ 团队协作（共享 session memory）
  • ❌ 简单任务（overkill）

3. claude-context-optimizer — 上下文优化器

仓库：https://github.com/egorfedorov/claude-context-optimizer

星标：在 awesome-claude-code 推荐

定位：追踪文件读取模式，学习哪些文件真正有用

核心能力：

  • 追踪每个 Read/Edit/Search 调用
  • 学习文件使用模式（哪些文件真正被用到）
  • 生成 profile，指出 token 浪费点
  • 模型感知：自动检测 Claude 版本（Fable 5/Opus/Sonnet/Haiku）
  • 零配置

适用场景：

  • ✅ 个人开发习惯分析
  • ✅ 优化 CLAUDE.md / 项目上下文文件
  • ✅ 识别”读了但从没用”的文件
  • ❌ 需要团队协作场景（目前是本地优化）

4. token-diet — 生产级框架

仓库：https://github.com/VDADev2022/token-diet

版本：v3.0

定位：全流程 token 优化管道

核心能力：

  • 完整管道：Query → Retrieve → Prune → Cache → Route → Build → Compress → Measure
  • 检索剪枝（dedupe → sentence-trim → topK）：30-60% reduction
  • 有状态记忆（JSON 结构化上下文，防止上下文漂移）
  • 手术级语言压缩（仅处理自然语言，保护代码/JSON/URL）
  • 工程护栏：必须追踪 tokens_in / tokens_out / latency_ms
  • 最高 20x reduction

适用场景：

  • ✅ 生产环境 LLM 应用
  • ✅ 成本敏感的 API 调用
  • ✅ 需要可度量的优化
  • ❌ 简单对话场景（框架太重）

5. CCTCRG — Claude Code 优化指南

仓库：https://github.com/gino2013/CCTCRG

定位：综合优化方案（指南 + 模板 + 配置）

核心能力：

  • 一键安装脚本
  • Token 节省策略文档
  • 现成 prompt 模板
  • 项目级配置（CLAUDE.md）
  • 快速开始 5 分钟上手

适用场景：

  • ✅ Claude Code 新手入门优化
  • ✅ 需要最佳实践指导
  • ✅ 想快速开始但不想折腾配置
  • ❌ 已经有优化经验的高级用户

Tier 2 — 精选（有特色）

6. context-engineering-kit（NeoLabHQ）

仓库：https://github.com/NeoLabHQ/context-engineering-kit

定位：上下文工程技能套件（含压缩/优化子技能）

包含 skills：

  • context-compression — 上下文压缩
  • context-optimization — 上下文优化
  • write-concisely — 精简写作
  • prompt-engineering — prompt 工程

适用场景：

  • ✅ 想要一揽子解决方案
  • ✅ 学习上下文工程概念
  • ❌ 单独使用每个 skill 星标不高

7. skill-optimizer

仓库：https://github.com/hqhq1025/skill-optimizer

定位：优化 SKILL.md 本身，减少加载 token

三个子技能：

  • skill-miner — 挖掘可复用工作流
  • skill-personalizer — 适配本地环境
  • skill-generalizer — 泛化为可发布 skill

适用场景：

  • ✅ 维护多个 skill 的开发者
  • ✅ 想让 skill 加载更高效
  • ❌ 只用一两个 skill 的用户

8. cc-probeline — Token 泄漏检测

仓库：https://github.com/labzink/cc-probeline

定位：状态栏，实时显示每个 turn 的 token 消耗

核心能力：

  • 每个 turn 定价（输入/输出/cache 重建）
  • 子 agent 的 token 也追踪
  • 无网络请求，本地计算
  • 隐私安全

适用场景：

  • ✅ 想知道钱花在哪
  • ✅ 对比不同 prompt 的成本
  • ❌ 不提供优化，只提供可见性

9. Ctxlint — 上下文文件 Linter

仓库：https://github.com/ctxlint/Ctxlint

定位：检测 AGENTS.md / CLAUDE.md 等上下文文件的问题

核心能力：

  • 检测过时文件引用
  • 检测死构建命令
  • 检测硬编码 secrets
  • 检测 token 浪费
  • 118 个测试用例

适用场景：

  • ✅ 维护大型上下文文件
  • ✅ 团队协作时确保上下文文件健康
  • ❌ 简单项目

场景推荐矩阵

场景 推荐工具 理由
**个人开发者日常** caveman + CCTCRG caveman 砍输出，CCTCRG 指导最佳实践
**大型代码库开发** lean-ctx + claude-context-optimizer caching + 学习读取模式
**生产环境 API** token-diet 完整管道 + 工程护栏 + 可度量
**预算敏感（学生/新手）** caveman (full) + CCTCRG 零配置，立即见效
**团队协作** lean-ctx + Ctxlint 共享 session + 上下文文件健康检查
**Skill 开发者** skill-optimizer 优化 SKILL.md 本身
**成本可见性** cc-probeline 实时追踪每个 turn 的花费
**综合优化** lean-ctx + caveman + token-diet 输入+输出+全流程覆盖

组合拳推荐

方案 A：最小配置（立即见效）

caveman (full) + CCTCRG
  • 5 分钟安装
  • 输出立即砍 65%
  • 总 token 节省：30-40%

方案 B：深度优化（开发者）

lean-ctx + claude-context-optimizer + caveman
  • 输入压缩 50-80%
  • 输出压缩 65%
  • 学习你的使用模式
  • 总 token 节省：60-70%

方案 C：生产级（团队/企业）

token-diet + lean-ctx + caveman + Ctxlint
  • 全流程管道
  • 工程护栏 + 可度量
  • 团队上下文健康
  • 总 token 节省：70-80%

已知局限

工具 局限
caveman 过度压缩可能影响可读性（ultra/wenyan 模式）
lean-ctx 需要 MCP server 运行环境
claude-context-optimizer 目前仅本地优化，无团队协作
token-diet 框架较重，简单场景 overkill
CCTCRG 指南性质，不自动执行
cc-probeline 只提供可见性，不自动优化

后续调研方向

  1. 对比 caveman vs token-diet 的 linguistic compression 效果
  2. 测试 lean-ctx 在不同代码库大小下的表现
  3. 探索 prompt caching（Anthropic Cache）与这些工具的协同
  4. 关注 ContextIQ 等新框架的发展