如何节省 LLM Token 成本：6 个实战方法（2026 更新）
如何节省 LLM Token 成本：6 个实战方法（2026 更新）
LLM token 成本不是抽象概念。Claude Opus 4.7 input $15/M、output $75/M，一次失败的长上下文调用就是几美金。中文用户面临的情况更糟 — CJK 平均比英文多 50% token。
这是 6 个真实管用的节省方法，按 ROI 排序。
方法 1：Markdown 不要 HTML
最大杠杆点。直接给 AI 复制粘贴 HTML 浪费极多：
| 输入格式 | token 数（一篇 5000 词文章） | |---|---| | HTML（含 div / span / class） | ~10,000 tokens | | 纯 Markdown | ~6,000 tokens | | 节省 | 40% |
为什么差这么多：
- HTML 每个
<tag>是独立 token class="foo bar"这种属性也算 token- inline CSS / style 完全是噪声
工具：Web2MD Chrome 扩展一键把网页转干净 Markdown，预览能看到 token 估算。
方法 2：先剔除非内容
即使是干净 Markdown，通用浏览器复制仍会带：
- 网页导航（"Home > Blog > Article"）
- 推荐文章列表
- 评论区 / 反应表情
- 作者 bio 末尾的社交按钮列
- Cookie / GDPR 横幅
- 广告内嵌
这些通常占 15-25% 的 token。
智能提取器（Web2MD 内置 20+ 站点专用提取器）会识别主内容区，剔除其余。对 Reddit、Stack Overflow、知乎、微信公众号这类有固定模板的站点效果尤其明显。
方法 3：开启 Prompt Caching
Anthropic 和 OpenAI 都支持。首次调用付全价，5 分钟内同前缀重复调用只付 1/10。
适用场景：
- 同一份长文档上问多个问题
- Agent 工作流，system prompt 重复用
- 长对话历史
代码示例（Anthropic API）：
response = client.messages.create(
model="claude-opus-4-7",
system=[
{"type": "text", "text": "你是研究助理"},
{
"type": "text",
"text": LONG_DOCUMENT, # ← 这部分会被 cache
"cache_control": {"type": "ephemeral"}
}
],
messages=[{"role": "user", "content": user_question}]
)
5 分钟内你换不同问题继续问，每次只付 LONG_DOCUMENT 的 10% 缓存读取价。
方法 4：用 1M 上下文做"一次性研究"而不是流式聊天
1M 上下文窗口的真正用法是：
❌ 错的用法：每次提问都把全部历史 + 新内容贴一遍 ✅ 对的用法：一次性把 200 篇文献整理成 Markdown 喂进去，然后在同一个 conversation 里问 10 个问题，每次回答都靠 cache 命中
200 篇 Reddit + Wikipedia + 论文 ≈ 600k tokens 首次 input cost = 600k × $15/M = $9 之后每个问题（开 cache）= 600k × $1.5/M = $0.90
10 个问题总共 $9 + 9×$0.9 = $17，每问 $1.7 平均
如果每次都不开 cache：10 × $9 = $90，每问 $9
省 80%。这是 prompt caching 真正的回报。
方法 5：把 token 预算用在内容，不要用在格式
具体做法：
- 代码块：保留 fenced code（``` 包裹），剔除 highlight.js / Prism / Shiki 残留的
<span class="hljs-...">。Web2MD 会自动剔除。 - 表格：HTML table 转成 Markdown GFM table，token 至少省一半。
- 数学公式：KaTeX/MathJax 渲染产物超浪费，保留原始 TeX 源（
$...$）即可。 - 图片：换成 alt text，不要 base64。
- 链接：
[文字](url)比<a href="url">文字</a>短得多。
方法 6：CJK 用户特别策略
中文字符在大多数分词器里是 1.3-1.5 倍英文 token 数。同样一千词的中英文章，中文比英文多 30-50% tokens。
对策：
- 能用英文版就用英文版（如果原文有英译，研究英文版给 AI 看；让 AI 用中文回答）
- 小红书 / 知乎 / 微信公众号 全文 vs 摘要的取舍：Web2MD 提取的中文社交内容是干净文字，但仍比英文贵 30-50%。预算紧时先让 AI 总结，再追问。
- DeepSeek / 通义千问 中文友好：DeepSeek R2 输入约 $0.5/M tokens（远比 Claude 便宜），中文压缩比也更好。研究文献多时 DeepSeek 跑初稿，关键 synthesis 用 Claude。
一个真实例子
我做了一次"国内 Web Clipper 工具竞品调研"：
- 收集 30 篇知乎+小红书+微信公众号内容 → Web2MD 批量导出 = 80k tokens
- 直接复制粘贴同样内容到 Claude 测了一份对照 = 130k tokens
- 省 38% 即 50k tokens
按 Claude Opus 4.7 input $15/M 算，这一次研究节省 $0.75。听起来不多，但同样的工作流我一周跑 5 次，一个月省 $15。一年 $180，刚好 Web2MD Pro 年费两倍。
不要做这些事
- 不要为了省 token 截断内容。AI 拿到不完整文档会瞎猜，结果比省下的钱代价大。
- 不要把所有历史对话都贴在每次新提问里。开新对话或用 cache。
- 不要用 GPT-3.5 跑长文。便宜但准确度差，最后还得用 Claude 再跑一次，反而贵。
相关阅读
安装
免费 3 次/天。Pro $9/月解锁无限 + 队列 + 批量导出 + token 计数器 + 20+ 智能提取器。