YouTube 影片筆記
拆解 AI 額度燒錢邏輯，實測六招省 token 方法與工具成效
原片標題：技術同溫層｜你買的 AI 額度常常用光嗎？搞懂 context 帳單，6 招省 token
原片說明
每次看到 AI 額度用光都覺得莫名其妙，明明也沒聊幾句，錢到底燒去哪了？維維這集直接把帳單拆給你看：錢根本每一輪都把整段對話從頭重送一次。他拿「規劃五天四夜大阪加京都」當例子，一路講到六招省 token 的方法，還順便吐槽了幾個社群上很紅的工具。
影片時間軸
- 00:00開場先破題：額度常爆，問題出在哪
- 01:09模型本身沒記憶，每輪把整段 context 重新打包按 input token 計價
- 02:08解釋 KV cache 跟 prompt caching，cache read 只要原價 5%
- 02:57Cache 很脆弱，中途換模型或開 fast mode 就整段重算
- 03:37第一招 caveman，實測 output 只省 8.5%，但 output 本來就只佔 0.3%
- 04:44第二招 /clear、/compact、/rewind，最無聊但最有效
- 05:54第三招開場選好模型，雜事丟 subagent 用 haiku
- 07:44第五招 RTK 跟 ponytail，號稱省幾 % 但實測不一定買單
- 09:32最後一招 /autocompact 400K，一行設定最有CP 值
caveman 省的是零頭，不是大頭
社群最紅的 caveman 叫 AI 用原始人講話，作者宣稱 output 省 65%，但 JetBrains 拿 82 個任務實測只少 8.5%。更關鍵的是有網友統計自己 662 個 session，output 只佔全部 token 的 0.3%，大頭全在每輪重送的 context。維維的結論很直接：回覆變短比較好掃，喜歡這風格就開，但要靠它省錢很難。
換模型反而更貴，subagent 才是正解
很多人聊到一半把模型切成便宜的，以為在省錢，結果每個模型有自己的 cache，整段對話全部用原價重讀一次，可能反而更貴。正確做法是把雜事丟給 subagent，設定檔直接寫 model 用 haiku，它有自己的 context 跟 cache，跑完只帶回前三名跟價錢，主對話的 opus 只負責拍板。維維說這比較像分配工作，讓主 agent 不會塞一堆雜象。
/autocompact 400K 是今天最有CP 值的一招
網友回推上週用量發現 autocompact 設 400K 可省 29% 週用量，Claude Code 團隊的 Lydia 隔天直接背書：1M 模型預設要到大約 967K 才觸發，在那之前每句都把整段對話送一次。設 400K 讓它提早摘要，同樣額度撐得更久。代價是 compact 變多、細節會被匯掉，重要決定記得寫進 Claude.md。維維也老實說這是網友自行回推的估算，不是官方數字。
號稱省幾 % 的工具，先自己量再說
RTK 是 hook，agent 跑 bash 指令時先攔下來把輸出壓成精簡版，號稱省 60% 到 90%，但那是指令輸出變少，不是帳單少這麼多，而且 Claude Code 自己用 read 讀檔不會經過它。JetBrains 實測 thinking 低時反而貴了 7.6%。ponytail 作者自測 cost 少 26%，但測的時候 bash 是關掉的，跟平常使用情況不一樣。維維的態度很清楚：拿同一組問題裝之前跑一次、裝之後再跑一次，打 /usage 比用量跟 cache 命中率，沒量到就沒有省。
值得下載嗎：值得，尤其你有在用 Claude Code 或 Codex 的話。它把 token 帳單的計算邏輯講得很清楚，六招裡 /clear 跟 /autocompact 400K 馬上就能用，其餘工具也給了「先量再信」的判斷標準，不會讓你白裝一堆東西。