大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。



最近在各种AI编程社区里面逛，发现一个很有意思的现象——大家都在疯狂地折腾怎么省Token。

有人搞Prompt缓存，有人换便宜模型，甚至还有人专门写了一个省Token.skill，让大模型在回复的时候尽量精简。更夸张的是，有人为了省钱，把Claude换成了各种开源小模型，然后抱怨说效果变差了。

这些操作，怎么说呢，就像你家水龙头在哗哗漏水，你不去修水龙头，反而跑去超市买打折的矿泉水。

其实真正吃掉你Token的大头，不是大模型的回复太长，也不是你的Prompt写多了。是Skill本身。

先给不太熟悉的同学解释一下。Skill就是一段预定义的指令，告诉大模型应该怎么一步一步完成一个任务。比如你可以写一个Skill，让大模型帮你操作浏览器，上某个网站搜东西，然后把结果整理出来。

听起来很方便对吧？问题出在哪呢？

我们来看一个具体的例子。假设我要让AI帮我做这么一件事：

打开浏览器，访问Amazon，搜索”牛仔裤”，从第一页的搜索结果里找到最便宜的那条，把商品名称和链接返回给我。

这个需求很简单，对人来说，打开网页点几下就搞定了。我们用Skill来实现它。

我写了一个Skill，核心逻辑大概是这样的：

 Steps 1. 使用浏览器工具，导航到 https://www.amazon.com 2. 找到搜索框，输入"牛仔裤"并搜索 3. 等待搜索结果加载 4. 获取页面快照，分析第一页所有商品的名称和价格 5. 比较所有价格，找出最便宜的商品 6. 返回该商品的名称、价格和链接 

看起来清晰明了。我直接在Claude Code里面运行这个Skill，模型用的是Opus 4.6——没办法，要驱动浏览器工具做这种多步骤操作，小模型根本搞不定。

运行这个Skill，我足足等了12分钟。

跑完以后我去OpenRouter后台看了一下这次任务的消耗：

看到没有？几十次API调用，每次都携带将近10万tokens的上下文。最后一算总账，这个看似简单的任务消耗了我将近10美元。

我仔细看了一下每次API调用的内容，发现了一个非常离谱的事情：

大模型在用”智力”做不需要智力的事情。

举几个例子：

• 导航到Amazon首页 —— 大模型需要”思考”应该调用browser_navigate工具，传入URL。就这么一个简单的操作，一轮对话下来，系统提示词、工具定义、Skill内容、对话历史全部打包发送，直接吃掉将近10万tokens。
• 找搜索框并输入关键词 —— 大模型需要先调用snapshot获取页面结构，然后”思考”哪个元素是搜索框，再调用type输入文字。两轮对话，又是将近20万tokens。
• 点击搜索按钮 —— 又是一轮对话，大模型需要分析页面快照，找到搜索按钮的ref ID，然后调用click。又是10万tokens。
• 分析搜索结果 —— 这里是最夸张的。大模型需要获取整个页面的快照，这个快照本身就很长，然后它需要从里面找到所有商品的价格信息，进行比较。又是10万tokens。

你看出问题了吗？

打开一个URL，在搜索框里输入文字，点击按钮——这些操作需要大模型来”思考”吗？这就好比你请了一个数学教授来帮你按计算器，教授每按一个键之前都要在脑子里推演一遍偏微分方程。

几十次API调用里面，真正需要大模型”智力”的，其实只有一步：从搜索结果中判断哪个商品最便宜。 其他全是确定性的操作——打开网页、输入文字、点击按钮、提取文本——这些操作写几行Python就能搞定，根本不需要大模型参与。

想明白了这一点，我让Claude Code把这个Skill改造成Python脚本。原则很简单：

所有确定性的、不需要智力判断的环节，用代码实现。只有需要智力判断的环节，才调用大模型。

改造后的代码核心逻辑是这样的：

from playwright.sync_api import sync_playwright import openai def find_cheapest_jeans(): # ===== 第一部分：纯代码，不需要大模型 ===== with sync_playwright() as p: browser = p.chromium.launch(headless=True) page = browser.new_page() # 1. 导航到Amazon（确定性操作，不需要AI） page.goto("https://www.amazon.com") # 2. 搜索牛仔裤（确定性操作，不需要AI） page.fill('input[name="field-keywords"]', '牛仔裤') page.press('input[name="field-keywords"]', 'Enter') page.wait_for_load_state('networkidle') # 3. 提取搜索结果（确定性操作，不需要AI） results = page.query_selector_all('div[data-component-type="s-search-result"]') products = [] for result in results[:20]: # 只取前20个 title_el = result.query_selector('h2 span') price_el = result.query_selector('.a-price .a-offscreen') link_el = result.query_selector('h2 a') if title_el and price_el and link_el: products.append() browser.close() # ===== 第二部分：需要大模型的智力判断 ===== # 为什么这里要用大模型？因为价格格式可能不统一 # 有的写 $29.99，有的写 $29.99 - $35.99，有的有优惠券 # 还有的价格是"See price in cart"，这些需要AI来理解 client = openai.OpenAI( base_url="https://openrouter.ai/api/v1", api_key="your-key" ) product_text = " ".join( f"[{i+1}] {p['title']} | {p['price']}" for i, p in enumerate(products) ) response = client.chat.completions.create( model="minimax/minimax-m1", messages=[{ "role": "user", "content": f"下面是Amazon搜索牛仔裤的结果，请找出最便宜的一条。" f"只返回序号数字，不要其他内容。 {product_text}" }] ) idx = int(response.choices[0].message.content.strip()) - 1 cheapest = products[idx] return cheapest result = find_cheapest_jeans() print(f"最便宜的牛仔裤：{result['title']}") print(f"价格：{result['price']}") print(f"链接：{result['url']}") 

注意看代码的结构——我用注释把它分成了两部分。第一部分是纯代码操作：打开浏览器、输入搜索词、提取商品信息。这些操作100%确定性，不需要大模型参与。第二部分才是调用大模型：让它从一堆商品里面判断哪个最便宜。

你可能会问，比较价格为什么还需要大模型？直接用代码排序不就行了？

因为Amazon的价格格式乱七八糟。有的商品显示$29.99，有的显示$29.99 - $45.99（价格区间），有的写See price in cart，还有的价格旁边带一个with coupon。要把这些情况全部用代码处理，你光写正则表达式就得写半天。但对大模型来说，理解这些格式是它的强项。

运行改造后的代码，17秒跑完，结果直接打印在终端里。

去OpenRouter后台一看——API调用次数：1次。Token消耗：约2.1K tokens。费用：$0.004。

我把两次运行的数据放在一起对比：

没有看错，费用从10美元降到了不到半美分，降了99%以上。运行时间从12分钟降到17秒，快了40多倍。

很多人没有意识到一个问题：大模型每做一次工具调用，都需要携带完整的上下文。

第一次调用，大模型需要接收系统提示词+工具定义+用户消息。光Claude Code的系统提示词和工具定义就有好几万tokens，加上Skill的内容，第一轮就将近10万tokens了。它返回一个工具调用，然后你把工具执行结果发回去。第二次调用，大模型需要接收之前所有的内容+第一次的助手消息+第一次的工具结果+……

看出来了吗？每多一轮工具调用，上下文就膨胀一次。 几十轮下来，累积的tokens量是天文数字。而这些历史消息里面，绝大部分是浏览器页面快照——那些密密麻麻的HTML元素和ref ID。

这就是为什么工具调用密集型的Skill特别费Token。不是大模型话多，是它每次说话之前，都要把之前所有的对话重新”读”一遍。

而改造成代码以后，浏览器操作全部由Playwright完成，大模型只需要在最后被调用一次。它接收到的输入就是一个简单的商品列表文本，2K tokens搞定。

上面的例子我用的是OpenRouter + Opus 4.6。但如果你有Claude Pro或Team订阅，还有一个更狠的玩法。

先说一个现实：Claude的官方API价格确实不便宜。Sonnet 4每百万输入Token 3美元，输出15美元。Opus就更不用说了。如果你用API来跑上面这种工具调用密集型任务，几十轮对话下来，光API费用就够你心疼的。

但订阅用户有一个巨大的优势——Anthropic提供了一个叫Claude Agent SDK的东西。这个SDK可以直接调用你本地的Claude Code，走的是你的订阅额度，不需要额外提供任何大模型API Key。

什么意思呢？就是说你每个月付的那20美元订阅费，本来就包含了5小时的Claude Code使用时间。现在你可以通过Agent SDK，在自己的Python脚本里直接调用Claude Code来完成那个”需要智力判断”的环节。不需要OpenRouter，不需要API Key，不需要额外花一分钱。

我们来看看改造后的代码：

import anyio from playwright.async_api import async_playwright from claude_agent_sdk import query, ClaudeAgentOptions, AssistantMessage, TextBlock async def find_cheapest_jeans(): # ===== 第一部分：纯代码，不需要大模型 ===== async with async_playwright() as p: browser = await p.chromium.launch(headless=True) page = await browser.new_page() await page.goto("https://www.amazon.com") await page.fill('input[name="field-keywords"]', '牛仔裤') await page.press('input[name="field-keywords"]', 'Enter') await page.wait_for_load_state('networkidle') results = await page.query_selector_all( 'div[data-component-type="s-search-result"]' ) products = [] for result in results[:20]: title_el = await result.query_selector('h2 span') price_el = await result.query_selector('.a-price .a-offscreen') link_el = await result.query_selector('h2 a') if title_el and price_el and link_el: products.append() await browser.close() # ===== 第二部分：调用Claude Code，走订阅额度 ===== product_text = " ".join( f"[{i+1}] {p['title']} | {p['price']}" for i, p in enumerate(products) ) prompt = ( f"下面是Amazon搜索牛仔裤的结果，请找出最便宜的一条。" f"只返回序号数字，不要其他内容。 {product_text}" ) result_text = "" async for message in query( prompt=prompt, options=ClaudeAgentOptions( system_prompt="你是一个价格比较助手，只返回数字。", max_turns=1 ) ): if isinstance(message, AssistantMessage): for block in message.content: if isinstance(block, TextBlock): result_text += block.text idx = int(result_text.strip()) - 1 cheapest = products[idx] return cheapest result = anyio.run(find_cheapest_jeans) print(f"最便宜的牛仔裤：{result['title']}") print(f"价格：{result['price']}") print(f"链接：{result['url']}") 

核心变化就一个——把OpenRouter的API调用换成了claude_agent_sdk的query函数。安装也很简单：

pip install claude-agent-sdk 

这个SDK会自动调用你本地装好的Claude Code。只要你登录了Claude订阅账号，它就直接走你的订阅额度，不走API计费。

这意味着什么？上面那个”需要智力判断”的步骤，从花钱变成了花$0。对，零额外费用。你唯一消耗的，是5小时额度里面的几秒钟而已。

而且还有一个隐藏的好处——既然大模型调用的部分已经不花钱了，你甚至可以在脚本里多调几次Claude。比如让它先判断哪些搜索结果是真正的牛仔裤（排除广告和配件），再从里面找最便宜的。之前用API的时候，多调一次就多花一次钱，你会下意识地省着用。现在走订阅额度，心理负担一下就没了。

所以最终的方案就是：Playwright负责干活，Claude负责动脑，订阅负责买单。 三者各司其职，效率拉满，额外开销为零。

这里我要特别强调一点，因为我知道肯定有同学会搞混。

我说的”把Skill改成代码”，不是让你在Skill的Markdown里面嵌入代码片段。类似这样：

 Steps 1. 运行以下Python代码来打开浏览器并搜索： python from playwright.sync_api import sync_playwright # ...一堆代码... 2. 分析返回的结果，找出最便宜的商品 

这种写法，本质上还是Skill。大模型读到这段Skill以后，它还是会一步一步地调用工具——调用终端执行你写的代码片段，然后读取输出，然后”思考”下一步该干什么。每一步照样携带完整上下文，该膨胀的Token一个都不会少。你只是把浏览器操作从browser工具调用换成了terminal工具调用，换汤不换药。

我说的是，把整个任务逻辑写成一个真正的.py文件。比如find_cheapest_jeans.py，保存在你的电脑上。这个脚本从头到尾自己跑，中间需要大模型判断的地方，通过Agent SDK自己调用Claude，最后把结果打印出来。

下次你想用的时候，在Claude Code里面说一句：

帮我运行 find_cheapest_jeans.py

就完事了。Claude Code收到这句话，调用一次终端执行python find_cheapest_jeans.py，脚本自己跑完，结果直接打印出来。整个过程对Claude Code来说，就是一次工具调用——执行一个命令，返回输出。

对比一下：

• Skill方式： Claude Code读取Skill → 思考第一步 → 调用工具 → 读取结果 → 思考第二步 → 调用工具 → …… → 几十轮对话，烧掉10美元
• .py文件方式： Claude Code执行一条命令 → 脚本自己跑完 → 返回结果。1轮对话，不到1K tokens

看到没有？连之前那2.1K tokens都省了。因为脚本内部调用Agent SDK时，走的是一次独立的Claude会话，不会叠加到Claude Code的主对话上下文里。

所以记住：Skill是给大模型看的说明书，.py文件是给Python解释器跑的程序。 一个要烧Token，一个不用。别搞混了。

我上面举的这个例子可能不是特别好，有人可能会说，如果我不仅仅要爬亚马逊，还要爬虾皮，淘宝，小红书这些呢？每一个网站都手动写代码吗？

其实你可以第一次运行的时候让大模型操作浏览器走完全程，并生成playwright的代码，后面从第二次开始，所有操作都通过代码进行。

除此之外，你日常使用的很多Skill，是完全固定的，毫无变化的流程，例如自动发送小红书帖子。就一个网站，同一个流程，这种就非常适合写代码。

其实道理很简单，你日常用的很多Skill，仔细想想就会发现——大部分步骤都是确定性的操作。

比如：

• 打开某个网站 → 代码搞定
• 在搜索框输入关键词 → 代码搞定
• 点击按钮 → 代码搞定
• 提取页面上的文字 → 代码搞定
• 读取文件内容 → 代码搞定
• 调用某个API → 代码搞定
• 格式化输出结果 → 代码搞定

真正需要大模型的，往往只有中间那一小步”判断”或”理解”的环节。

所以下次当你觉得Token花得太多的时候，不要急着去折腾缓存、换模型、写省Token.skill。先看看你的Skill，问自己一个问题：

这个Skill里面，有多少步骤其实不需要大模型？

然后让大模型帮你把那些确定性的步骤改写成Python代码。保留需要智力的部分给大模型，把不需要智力的部分还给代码。

这才是真正的降本增效——不是逼大模型少说话，而是别让大模型做不该它做的事。