省 Token 的 AI 编码工具怎么选

AI 编程助手跑一个任务要烧多少 Token，已经不是小钱。Claude Code 用 Sonnet 4.6 跑一次 Bug 修复（累计输入 40 万 Token、缓存命中 75%）约 0.54 美元，做一个功能实现约 2.28 美元；如果换成 GPT-5.5，单次功能实现涨到 3.7 美元。一个每天修 5 个 Bug、做 2 个功能的开发者，单在 Claude Code 上每月要花 145 到 236 美元。

更麻烦的是，这笔钱里有相当大一部分并没有花在"写代码"上，而是花在让智能体反复熟悉你的代码库：grep 关键词、cat 文件、沿着 import 追踪、退回来、再试一次。NanoNets 开源的 Graft 想解决的就是这个问题——但它不是唯一选项，更不是所有场景下的首选。当前降低 AI 编码 Token 消耗的方案已经分化成多条路线，本文从"免费优先"的角度，把主流路线摆到一起对比，帮你按自己的仓库规模和预算做选择。

为什么省 Token 是个工程问题

大模型处理上下文是无状态的：每一步推理，都要把前面的整个对话历史重新附加到 prompt 上。加上工具描述（每个 200-500 Token）、完整文件读取、模型自身的冗长输出，一个中等任务在大型代码库上轻松突破几十万 Token。

各家编码智能体的计价结构高度一致——以 Cursor 官方公布的价格为例：

注：数据来源 Cursor 官方文档。

两个关键事实：

• 输出 Token 比输入贵 4 到 5 倍。让模型重写整个文件，远比让它输出一个 diff 昂贵。

• 缓存命中的输入只有原价的 10% 左右（如 Claude 缓存读取 0.3 美元 vs 输入 3 美元）。所以"让前缀稳定"本身就是最大的杠杆。

理解了这两点，就能看懂下面所有工具在省什么。

免费优先：五条省 Token 路线对比

当前降低 AI 编码 Token 消耗的方案，按省 Token 的环节可以分成五类。每一类下都有免费或开源的代表工具。

路线一：零成本的"使用习惯"优化（免费，无需装任何工具）

不改变工具，只改变用法，往往就能砍掉 30%-50% 的浪费：

• 善用 prompt caching：Anthropic、OpenAI 都对前缀匹配的缓存输入打 1 折。Claude Code 已自动标记断点；关键是别让前缀失效——超过 5 分钟没动、频繁切模型都会触发昂贵重建。

• 任务切换就开新会话：别在超长会话里硬续。

• 精确投喂而非漫读：Cursor 用 @file、@symbol 精确指定；Claude Code 用 /compact 压缩陈旧上下文。

• 用项目规则文件固化约定：把团队规范写进 CLAUDE.md、AGENTS.md、.cursorrules，每轮不用复述。

这条路不花一分钱，却是"单模型会话"场景下杠杆最大的优化。

路线二：仓库打包与一次性摘要（免费开源）

适合"我要把一个仓库扔给 Cursor/ChatGPT/Claude 做分析"的场景：

• Repomix（yamadashy/repomix，MIT 协议）：一行 npx repomix 把任意仓库打包成 AI 友好文件。--compress 用 Tree-sitter 提取函数/类/接口等关键结构，--token-count-tree 找出 Token 大户，--token-budget 限制输出大小，可移除注释和空行。内置 Secretlint 防密钥泄露，原生支持 MCP server，Claude Code / Cursor / Cline 可直接调用。体积减少约 70%。

• Gitingest（coderamp-labs/gitingest，MIT 协议）：把 Git 仓库转成 prompt-friendly 文本摘要，输出目录结构、提取大小、Token count，可作为 CLI 或 Python 包使用。支持 include/exclude 模式与文件大小阈值（默认 50KB），公有仓库免费使用，私有仓库通过个人访问令牌临时克隆、用后丢弃。

两者都免费开源，适合一次性任务，不适合"智能体在会话里反复探索"的动态场景。选型上，临时让 AI 看一个小仓库优先用 Repomix；想先估一下仓库多大、会吃多少上下文，Gitingest 更顺手。

路线三：代码库语义检索与符号级理解（免费开源）

• Continue.dev：开源编码助手（Apache 2.0），IDE 扩展支持 VS Code 和 JetBrains，2026 年 5 月跨过 250 万次 VS Code 安装、33000 GitHub stars。自带 API key 或本地模型（Ollama）按 provider 原价计费，Cursor Pro 不让你调模型层级，Continue 可以让 Qwen2.5-Coder 7B 本地跑补全、Sonnet 跑 Chat，成本可控。它的 @codebase 用 embedding 做检索式上下文拉取，只把相关片段送进模型。适合已经用 Continue 或在 IDE 里想要开源方案的用户。

• Serena MCP（oraios/serena）：通过 MCP 接入 Cursor/Claude/Codex，基于 LSP 做符号级理解，大项目里少读文件、少浪费 Token。

这条路线的优势是"按需检索"，与代码库图谱的思路相近，但更轻——不需要预先构建完整图。

路线四：输出压缩（免费开源，只省输出 Token）

• Caveman：面向 Claude Code、Cursor 等 AI 编程助手的轻量级开源插件，核心原理是强制模型采用"极简表达"，剔除冗余词汇。社区实测平均节省 65% 输出 Token，最高到 87%，技术准确率 100%；举一个具体对比，普通 Claude 回答 React 重渲染问题要 69 Token（含"我来帮你看"等套话），Caveman 模式下仅需 19 Token 直接给原因和方案。支持 30+ AI 工具，安装后自动生效。支持 /caveman lite/full/ultra 强度切换，一条命令安装。

这条路只省输出，不省输入，但安装成本极低、对所有主流编码智能体生效，是个人开发者性价比最高的起点。

路线五：代码库上下文图谱（开源，但深度构建需消耗 Token）

• Graft（NanoNets/Graft，MIT 协议，无遥测）：给代码库建一张"认知地图"。它用 tree-sitter 做零成本的结构层解析，再调用你指定的模型为每个源文件写摘要，生成"Summary（人话摘要）+ Crux（承载逻辑的关键代码）+ Sources（来源文件 + 哈希）+ Links（带类型 wikilinks）+ Notes（你自己写的备注）"的节点。

Graft 官方公布的 162 次受控基准（同一个 Claude Sonnet 智能体、同样的文件工具，只有上下文不同）：

注：数据来源 Graft README。"最高 4 倍更便宜、3 倍更快"是 PocketBase、ollama、Excalidraw 等真实仓库 sweep 中单个任务的最好成绩，不是平均值。

Graft 的深度构建要花钱调模型，大仓库首次建图的成本需自行评估；但它接入 Claude Code 后无守护进程、无额外服务，图就是磁盘上的一组 Markdown 文件，每次编辑后后台静默增量重建。

综合对比

怎么选：按场景的决策路径

个人开发者，预算敏感

第一步：先改使用习惯——稳定前缀让缓存命中、/compact 清理陈旧上下文、任务切换开新会话、用 @file 精确投喂。这一步零成本，通常能砍掉 30%-50% 浪费。

第二步：装 Caveman。一条命令、对所有主流编码智能体生效，输出 Token 平均省 65%，且不影响推理质量。

如果这两步做完还不够，再考虑下一步。

仓库较大（5 万行以上），智能体每次都要重新探索

首选 Graft，它专门解决"Agent 每次任务都从零熟悉代码库"的问题。两条命令装完，Claude Code 会话里多出一行状态栏：402 个节点 / 977 条边 / 79% 已充实 / 已同步。它的图里存的是"意思"不是"地址"——节点里有人话摘要、有承载逻辑的几行关键代码（存代码本身而非行号，避免行号漂移）、有带类型的关系连接。结果是"再打开源文件读一遍"这一步常常根本没发生。

如果只想做轻量的语义检索而非建完整图，可以用 Serena MCP​ 或 Continue 的 @codebase——它们更轻，不需要预先构建完整图，但每次仍依赖检索质量。

临时要分析一个外部仓库

Repomix 和 Gitingest 二选一：

• 想直接拿到一份 AI 容易读取的上下文包 → Repomix（npx repomix 一行命令，输出结构化 XML/Markdown，内置 Token 计数和安全扫描）

• 想先估算仓库规模、Token 量，再决定怎么喂 → Gitingest（把 github.com 换成 ingest.github.com 即可拿到摘要，公有仓库免费）

这两个工具解决的是"这一次喂什么"，不负责"下一次怎么记住"，所以不适合持续开发的长期项目。

想在 IDE 里控制成本

Continue.dev​ 的开源 IDE 扩展值得考虑。它的核心优势是"自带 key、按 provider 原价计费"——配置 Qwen2.5-Coder 7B 本地跑补全，Sonnet 跑 Chat，Cursor Pro 做不到这种模型层级分流。2026 年 5 月已跨过 250 万次 VS Code 安装。代价是 agent mode 在长任务上落后于 Cursor Composer，黑盒程度更高。

企业团队，多智能体协作

Graft 明确支持多仓（multi-repo）场景，图的节点可以跨仓库建立联系，团队成员各自 graft build 生成自己的图，共享 .claude/ 里的接线配置。但企业落地前务必自己做基准测试——Graft 的跑分是作者自测（162 次受控任务），企业级结论需要内部验证。

一个容易被忽略的事实

Graft 的 42% Token 减少，是建立在"受控基准、同一个 Sonnet 智能体、两个仓库"上的平均值；"4 倍更便宜"是真实仓库 sweep 里单个任务的最好成绩。两者不是一回事，引用时不要混。

更重要的是：省 Token 的本质是"先搞清楚你的 Token 花在了哪里"，再选对应的工具。盲目装 Graft，未必比先改使用习惯收益更大：

• 如果你的 Token 主要花在"输出冗长解释"上，Caveman 这类输出压缩工具的收益比 Graft 更直接；

• 如果你的 Token 主要花在"反复读取大文件"上，prompt caching + /compact 的使用习惯优化可能比装任何工具都管用；

• 如果你的 Token 主要花在"每次都要重新熟悉代码库"上，Graft 或 Serena 才真正对症下药；

• 如果你只是临时想让 AI 看一个外部仓库，Repomix 或 Gitingest 就够，不值得为此搭一套长期基础设施。

写在最后

2026 年省 Token 的 AI 编码工具生态已经分化成多条路线，免费开源方案覆盖了从输出压缩（Caveman）、仓库打包（Repomix/Gitingest）、语义检索（Continue/Serena）到上下文图谱（Graft）的完整光谱。Graft 的出现标志着"代码库级基础设施"的成熟——给智能体一张持久的、随代码变动自动更新的认知地图；但它不是起点，也不是所有团队的终点。

建议的演进路径：

1. 今天就开始：改使用习惯，零成本省 30%-50%。

2. 装 Caveman：一条命令，输出 Token 省 65%。

3. 临时分析外部仓库用 Repomix 或 Gitingest：免费、开源、一行命令。

4. 当仓库大到智能体每次重新探索成为瓶颈时，再上 Graft 或 Serena。

5. 想在 IDE 里精细控制模型成本，Continue.dev 的开源扩展是 Cursor 之外的值得考虑的选择。

这四步走下来，你在"省 Token"上的投入是渐进的、可逆的、每一层都有明确收益。比起一开始就装一套重型基础设施，这种路径更适合大多数个人开发者和中小团队。