先说结论：1M上下文时代用Coding Agent省钱，核心就是做好会话管理——减少无效记忆、明确指令、避免重复和信息污染，让每一个Token都用在刀刃上。
先搞懂核心概念：1M上下文，就是一次会话（session）里，模型能读取的内容约100万个token。近期发布的GPT-5.5、Claude 4.6/4.7、Qwen 3.6-Plus、DeepSeek V4等，都原生支持1M上下文。但要注意，在Claude Code这类Coding Agent里，上下文不是简单的对话，而是个“大杂烩”：系统提示词、长期记忆、调用过的工具及输出、读过的代码文件、终端日志、所有用户指令，都会被塞进上下文。模型每一次回答，都要在这些海量信息里分配注意力，筛选有用内容。
1M上下文的优势很明显：以前用8K、32K、200K上下文，只能同时处理几份文件，现在相当于拥有一个“大仓库”，能装下整个代码库、长日志、多轮调试过程，模型可一次性“看穿”复杂任务，比如从零搭建全栈应用、完成复杂代码重构。但仓库再大，有两个核心问题没变：一是模型容易被无关信息（噪音）干扰，二是Token消耗速度极快——很多人用硅谷顶级模型，没完成多少任务，几小时的Token额度就消耗殆尽，陷入“任务未竟，Token已空”的尴尬。
所以，理性管理会话和上下文，既是给模型提效，也是给自己省钱。下面分享6个最实用的省Token技巧，亲测有效。
一、明确：1M上下文不是“无限记忆”，需警惕信息污染
以Claude Code为例，其上下文包含系统提示词、对话历史、工具调用记录及输出、文件读取内容、终端日志、所有用户指令。1M窗口虽能支撑长任务，但模型每次生成回答时，都要在这些内容中分配注意力——上下文越长，无关信息（比如旧的失败尝试、过期日志）越多，模型就越容易被干扰，陷入旧路径，变得“笨拙”。
很多人误以为1M上下文可以一直聊、一直堆内容，实则不然：所有任务都挤在一个会话里，无效信息会不断累积，既浪费Token，又会降低Agent的执行效率。1M上下文的正确打开方式，是根据任务阶段，选择不同的会话策略，而非“一聊到底”。
二、会话管理的5种选择，按需切换不浪费
每一轮对话结束后，不用盲目继续，可根据后续需求，选择以下5种会话策略，避免无效Token消耗：
1.  继续当前会话：适合做同一个任务，此时之前读取的文件、命令输出、分析路径，都是有效信息，继续会话能节省重复读取、重复说明的Token；
2.  压缩会话：当前任务未完成，但上下文已堆积大量调试过程、搜索结果、无用输出，可通过压缩会话，保留核心信息，剔除无效内容，继续推进任务；
3.  清空会话，开启新任务：适合进入全新任务（哪怕是同一个项目的不同模块），只保留自己筛选后的关键信息，避免旧会话的无关内容污染新任务；
4.  启动子Agent（Sub Agent）：适合需要大量中间操作，但最终只需要一个结论的任务（比如读代码库找用户认证实现、验证某个功能逻辑），让子Agent在干净的上下文里完成中间操作，最后只把结论返回主会话，避免主会话被海量中间信息填满；
5.  回退（rewind）：适合Agent走错执行路径，但前面的文件读取、核心分析仍有价值的场景，回退到错误发生前的状态，重新给出指令，避免带着错误路径继续消耗Token。
选择的核心逻辑很简单：下一步还需要当前上下文吗？需要就保留；只需要结论就压缩；做新任务就开新会话；中间过程繁杂就交给子Agent。
三、核心原则：新任务，新会话
这是最基础也最有效的省Token技巧。比如，你刚让Agent修完登录模块的bug，现在要让它优化阅读列表的交互——即便两个任务在同一个项目里，也属于两个独立任务。如果继续使用旧会话，Agent会带着登录模块的调试日志、失败路径、无关分析进入新任务，这些内容不仅没用，还会污染Agent的判断，同时浪费大量Token。
新会话的优势的是“干净”：启动新会话时，直接明确任务目标和核心信息，比如：“订阅源和feed介绍已持久化到数据库，后续第一个迭代仅完成XXX内容，系统启动时将这些数据加载到缓存，方便快速读取”。这种方式，比把几十万Token的旧会话历史全部塞给模型，更省钱、更准确。
例外情况：如果刚完成一个功能，需要Agent写对应文档或补充测试，旧会话中的功能实现细节、分析逻辑仍有价值，此时继续会话即可，无需新开会话。
四、善用rewind功能，剔除错误路径
Claude Code的rewind功能（回退功能），是省Token的关键工具。很多人在Agent犯错后，会反复提醒、“PUA”Agent，但此时错误路径、无效调试已经进入上下文，Agent后续每一步都要带着这些无用内容继续执行，既浪费Token，又容易走弯路。
正确做法：直接回退到Agent刚读完关键文件、但还没开始错误实现的位置，然后重新给出明确指令。这样既能保留有价值的上下文（比如读取的代码、核心分析），又能删除错误实现和无效推理，不仅省Token，还能提高Agent的执行效率，尤其适合复杂调试场景。
调试过程中，常会产生大量命令输出、错误日志和无效假设，一旦确定某条路径不可行，就不要让这些内容留在会话中，及时回退，避免Token持续浪费。
五、主动压缩会话，比自动压缩更高效
当上下文快满时，系统会自动触发压缩，将长会话总结成短摘要，再继续工作。但自动压缩往往发生在上下文最混乱、无效信息最多的时候，很可能会误删后续需要的核心信息，反而得不偿失。
更好的方式是主动压缩（compact），并给出明确的压缩方向，比如输入指令：“/compact 聚焦阅读模块的重构，保留数据同步的逻辑，不用保留之前的UI交互和调试信息”。这样既能剔除无效内容、节省Token，又能告诉模型下一阶段的任务目标，避免压缩时丢失关键信息。
六、子Agent（Sub Agent）：省Token的“大杀器”
很多任务会产生大量中间输出，但最终只需要一个结论——比如“读代码库，找到用户认证的实现逻辑”“验证某个接口的调用流程是否正确”。如果在主会话里做这些任务，主会话的上下文会被大量搜索结果、文件内容、终端日志填满，Token消耗极快，还会污染主任务的执行。
此时，启动子Agent是最佳选择：子Agent有自己干净的上下文，可独立完成读文件、跑命令、试错等中间操作，最后只把压缩后的核心结论返回给主会话。这样既不占用主会话的Token，又能保证主会话的干净，大幅提升效率、节省成本，这也是我日常使用Coding Agent最常用的技巧。
总结：省Token的本质，是“精简有效信息”
1M上下文让Coding Agent能处理更长、更复杂的任务，但不代表可以随意堆积信息。省Token、提效率的核心，其实就是4点：减少无效记忆、给出明确指令、避免重复操作、清除污染信息。
管理好你的会话，不用盲目追求“大上下文”，根据任务需求选择合适的会话策略，既能省下大量Token成本，也能让你的Coding Agent更“聪明”，高效完成各项编码任务。