Reduzir o uso de tokens no Claude Code

Para reduzir o uso do token Claude Code, controle o que o modelo deve processar em cada turno. Uma resposta curta ainda pode ser cara quando a solicitação envolve uma longa conversa, várias leituras de arquivos, saída de comando, instruções de projeto, definições de ferramentas e pensamento estendido por trás dela.

O alvo útil não é o menor número de tokens em uma resposta. É o menor custo total para uma mudança aceita: pesquisas, edições, testes, correções e revisão humana incluídas.

Este guia usa controles Claude Code atuais, como /usage, /context, /clear, /compact, /model, /effort e /mcp. Aplica-se mais diretamente às sessões cobradas por API. Os planos de assinatura usam janelas de franquia em vez de uma fatura por solicitação, mas os mesmos hábitos de contexto podem ajudar uma franquia a durar mais tempo.

Por que Claude Code usa mais tokens do que uma resposta de chat

Claude Code é um agente, não um único prompt seguido por uma única resposta. Uma sessão de trabalho pode incluir:

• seu prompt e todos os turnos anteriores relevantes;
• arquivos que Claude lê enquanto explora o repositório;
• comando, teste, compilador e saída de ferramenta;
• CLAUDE.md, regras de projeto aplicáveis e habilidades invocadas;
• definições de ferramentas e resultados de servidores MCP;
• planejamento, pensamento estendido, código gerado e explicações;
• resumos de subagentes e quaisquer correções de acompanhamento.

O contexto é cumulativo. Quando um registro obsoleto ou uma discussão de design não relacionada permanece na conversa, turnos posteriores podem processá-lo novamente. O cache imediato pode reduzir o preço do conteúdo repetido, e o Claude Code compacta automaticamente o histórico próximo ao seu limite de contexto, mas nenhum dos dois é motivo para manter material irrelevante para sempre.

Isso leva a uma ordem prática de operações:

1. medir uma tarefa representativa;
2. remova contexto não relacionado;
3. reduza as instruções permanentes e a sobrecarga da ferramenta;
4. evitar ampla exploração e saída ruidosa;
5. escolha modelo e esforço deliberadamente;
6. meça a tarefa concluída novamente.

Comece com uma linha de base, não um sentimento

Execute /usage antes de otimizar. Para usuários do API, seu bloco de sessão relata o uso de token por modelo e uma estimativa de custo local com taxas de lista padrão. Essa estimativa pode não incluir uma promoção de gateway ou tarifa contratada, portanto, use a fatura do provedor como fonte financeira da verdade.

Execute /context para ver o que está ocupando a janela de contexto atual. É aqui que um grande CLAUDE.md, uma habilidade invocada ou uma sobrecarga de ferramenta se tornam visíveis em vez de permanecerem como uma suposição.

Se a sessão usar OmniaKey, compare esses diagnósticos locais com o painel de uso. Ele registra o modelo solicitado, tokens de entrada e saída, metadados de cache, latência e custo real por chamada. O guia de saldo e uso explica o saldo da conta, limites de teclas e registros de uso.

Escolha uma tarefa repetível para a verificação antes e depois. Registro:

Não compare duas sessões não relacionadas. Uma correção de erro de digitação e uma migração desconhecida não fornecem um benchmark de token útil.

1. Limpar entre tarefas não relacionadas

O hábito de maior valor também é o mais simples: usar /clear quando a próxima tarefa não precisar da conversa atual.

Antes de limpar uma sessão que você possa precisar mais tarde, dê um nome a ela:

/rename auth-refresh-investigation
/clear

A sessão anterior permanece disponível por meio de /resume. O Claude Code atual também redefine os totais de sessões mostrados por /usage após /clear, o que torna a próxima tarefa mais fácil de medir separadamente.

Bons motivos para limpar incluem:

• passar de um bug de back-end para uma cópia de marketing não relacionada;
• finalizar uma feature e iniciar uma nova área de repositório;
• abandonar uma abordagem cujos pressupostos estavam errados;
• carregando vários troncos grandes que não afetam mais a decisão.

Não limpe apenas porque o medidor de contexto se moveu. Se a tarefa ainda estiver ativa, preserve primeiro os fatos e decisões verificados ou compacte a conversa com instruções explícitas.

2. Compacto deliberadamente durante trabalhos longos

/compact resume o histórico mais antigo para que turnos posteriores possam funcionar a partir de uma representação menor. Adicione uma instrução que nomeie o que deve sobreviver:

/compact Preserve the acceptance criteria, changed files, failing test output, and unresolved decisions.

Isso é mais seguro do que um resumo genérico para uma implementação longa. Você também pode colocar orientações curtas de compactação em CLAUDE.md quando a mesma regra de preservação se aplicar ao projeto.

A compactação não é o mesmo que uma redefinição de uso de assinatura e um aviso de contexto não é um aviso de limite de cobrança. A compactação gerencia o que resta na conversa. Não adiciona subsídio ao plano nem complementa o saldo API.

Use-o quando a tarefa ainda estiver coerente, mas o caminho para o estado atual for ruidoso. Use /clear quando o próprio trabalho for alterado.

3. Reduza o contexto que carrega antes do início do trabalho

Claude Code lê as instruções do projeto no início da sessão. Instruções úteis evitam erros; um manual copiado em cada sessão consome contexto, quer a tarefa precise dele ou não.

A orientação atual de Anthropic recomenda manter CLAUDE.md conciso e mover fluxos de trabalho especializados para habilidades que são carregadas sob demanda. Um bom arquivo raiz contém:

• comandos que verificam uma alteração;
• limites de arquitetura específicos do repositório;
• restrições ambientais não óbvias;
• convenções que diferem dos padrões de linguagem normais.

Mova longos tutoriais API, runbooks de migração únicos e material de referência de domínio para outro lugar. Vincule-os ou empacote-os como uma habilidade focada em vez de incorporá-los em todas as sessões.

Os servidores MCP criam uma compensação semelhante. Execute /mcp e desative os servidores que você não está usando. Claude Code adia definições completas de ferramentas por padrão, mas nomes e esquemas invocados ainda ocupam contexto. Para uma operação simples, um CLI focado, como gh, aws ou sentry-cli, pode ser mais eficiente em termos de contexto do que carregar uma ampla superfície de ferramenta.

Verifique /context novamente após a poda. Se o espaço inicial não mudou, encontre o grande contribuidor real antes de editar mais configurações.

4. Torne a tarefa estreita o suficiente para evitar loops de descoberta

"Melhorar este repositório" convida à digitalização. Um prompt limitado pode ir diretamente para a evidência:

Fix the 401 after token refresh in src/api/auth.ts.
Preserve the public response shape.
Add a regression test for an expired access token with a valid refresh token.
Run the focused auth test and the type checker.

O prompt identifica o sintoma, arquivo provável, contrato e prova. Claude ainda pode inspecionar dependências quando necessário, mas há um motivo para não ler toda a base de código.

Para trabalhos genuinamente complexos, planeje antes de editar. Uma curta fase de pesquisa e planejamento pode evitar uma implementação cara na arquitetura errada. Para uma correção de uma linha e bem localizada, o planejamento pode ser complicado. Use-o quando a incerteza for real.

Corrija o curso mais cedo. Se Claude estiver resolvendo o problema errado, pare o turno em vez de deixá-lo gerar um patch grande e então explique por que o patch deve ser desfeito. /rewind pode restaurar uma conversa anterior e um ponto de verificação de código.

Um contrato de produção também ajuda:

• liderar com a decisão;
• lista apenas arquivos alterados e resultados de verificação;
• não repita o prompt;
• solicitar informações faltantes antes da implementação;
• limitar um artefato somente quando o truncamento não ocultar as evidências necessárias.

Uma prosa mais curta economiza alguns tokens de saída. A exploração e o retrabalho evitados geralmente economizam mais.

5. Mantenha a ferramenta e o resultado do teste focados

A saída de comando grande entra no contexto de trabalho. Prefira o comando mais restrito que possa comprovar a mudança:

pnpm vitest run tests/unit/auth.test.ts
rg -n "FAIL|ERROR" test-output.log
git diff --check

Não esconda falhas apenas para reduzir tokens. Mantenha a asserção com falha, os quadros de pilha relevantes, o status de saída do comando e a saída circundante suficiente para diagnosticar a causa. Elimine barras de progresso repetidas, listas de testes bem-sucedidos e milhares de linhas de registro não relacionadas.

O pré-processamento estável pertence a um script ou gancho. O guia de custos do Anthropic dá o exemplo de como filtrar um log de teste muito grande antes que Claude o veja. Um filtro pequeno e revisado é mais confiável do que pedir ao modelo para redescobrir o mesmo padrão de ruído em cada execução.

Para pesquisas que exigem muitas leituras de arquivos, um subagente limitado pode manter a exploração detalhada fora da conversa principal e retornar um resultado curto. Isso isola o contexto; isso não garante menos tokens totais, porque o subagente possui seu próprio contexto. Use-o quando o resumo impedir a leitura repetida na tarefa principal.

6. Combinar modelo e esforço com a decisão

A escolha do modelo altera a taxa e o número de tentativas necessárias. Claude Sonnet 5 é um ponto de partida diário prático, Claude Haiku 4.5 se adapta a trabalhos repetíveis restritos e Claude Opus 5 é mais fácil de justificar quando a arquitetura, a ambiguidade ou o custo de um erro são altos.

Use /model para mudar intencionalmente. O guia do modelo Claude Code fornece uma política de roteamento de tarefas mais completa.

Os tokens de pensamento estendido são cobrados como tokens de saída nos caminhos API. Para uma tarefa simples e bem especificada, reduza o esforço com /effort e meça se o resultado ainda é aprovado. Para um planejamento rigoroso ou depuração desconhecida, muito pouco esforço pode criar novas tentativas que apagam o salvamento.

Não encaminhe todas as tarefas para o modelo mais barato e chame a política de otimizada. Compare o custo por resultado aceito, incluindo correções e analise a dívida.

7. Adicionar uma proteção financeira após reduzir o uso

Um limite de gastos não reduz o consumo de tokens. Ele limita os danos financeiros se um loop, uma chave vazada ou uma carga de trabalho inesperada continuar enviando solicitações.

Com OmniaKey, crie chaves separadas para desenvolvimento local, automação e cargas de trabalho compartilhadas no painel de chaves API. Dê a cada chave um limite que corresponda à sua função e revise o uso antes de aumentá-lo. Chaves separadas tornam a atribuição e a revogação mais claras do que uma credencial ilimitada em todos os lugares.

A sequência é importante:

1. remova contextos e tentativas desnecessárias;
2. medir o custo normal da tarefa;
3. definir um limite acima da variação legítima;
4. alertar ou parar quando a carga de trabalho ultrapassar esse limite.

Um limite demasiado baixo apenas transforma um problema de custos num fracasso a meio da tarefa. Um limite sem revisão de uso informa apenas que o teto foi atingido.

Uma auditoria de token Claude Code de minuto 10

Use esta lista de verificação em uma sessão real:

1. Execute /usage e registre o uso por modelo.
2. Execute /context e identifique o maior contribuidor evitável.
3. Use /clear se a tarefa atual não estiver relacionada à conversa anterior.
4. Encurte CLAUDE.md; mover instruções especializadas para habilidades sob demanda.
5. Desative servidores MCP não utilizados com /mcp.
6. Substitua prompts amplos por uma verificação de arquivo, sintoma, limite e aceitação.
7. Execute testes focados e filtre resultados repetitivos sem ocultar falhas.
8. Use /model e /effort de acordo com a dificuldade da tarefa.
9. Repita a mesma classe de tarefa e compare o custo da tarefa concluída.
10. Adicione um limite por tecla depois de conhecer o intervalo normal.

Altere uma ou duas variáveis de cada vez. Se você encerrar a sessão, alterar o modelo, diminuir o esforço e reescrever a tarefa simultaneamente, não saberá qual mudança ajudou.

Erros comuns

Pedindo apenas respostas mais curtas

Isso reduz a saída visível, mas deixa leituras de arquivos, histórico, ferramentas e pensamento intactos. É útil, mas raramente é a alavanca maior.

Excluindo o contexto que a tarefa ainda precisa

Restrições ausentes causam suposições e retrabalho. Preserve as decisões verificadas antes de limpar ou compactar.

Tratar ocorrências de cache como uso zero

O cache imediato pode reduzir o preço da entrada repetida, mas os tokens armazenados em cache ainda aparecem na contabilidade de uso. Mantenha o contexto repetido útil e verifique o registro de faturamento real.

Usando um subagente para cada pequena questão

Cada subagente tem seu próprio contexto de inicialização e trabalho. Delegar exploração limitada e de alto volume; responda a uma pequena pergunta local na sessão atual.

Confundindo limite com otimização

Um limite de chave interrompe os gastos em um limite. Isso não torna as solicitações abaixo desse limite mais eficientes.

Perguntas frequentes

Por que o uso do token Claude Code é alto quando a resposta é curta?

A solicitação pode incluir histórico de conversas, instruções do projeto, arquivos, saída de comandos, ferramentas e pensamentos que são muito maiores que o texto final. Verifique /context e /usage em vez de julgar pelo comprimento da resposta.

/clear exclui minha sessão Claude Code anterior?

Inicia uma nova sessão. Renomeie primeiro o trabalho importante e use /resume para retornar à sessão preservada posteriormente.

/compact sempre reduz minha fatura?

Reduz o histórico transportado para turnos futuros, o que pode diminuir o uso de entradas posteriores. O efeito líquido depende de quanto tempo a sessão continua e do que o resumo preserva, portanto, verifique-o com /usage e seu painel de faturamento.

Devo sempre usar o Haiku para salvar tokens?

Não. Um modelo mais barato pode ser econômico para trabalhos restritos, mas repetidas tentativas fracassadas podem custar mais do que uma virada bem-sucedida do Sonnet ou Opus. Encaminhe por tarefa e meça os resultados aceitos.

Um limite de gastos com chave API pode reduzir o uso de token?

Não. Ele limita os gastos depois que as solicitações consomem o uso. Combine limites com contexto menor, prompts focados, esforço deliberado de modelo e revisão por chamada.

Fontes

• Anthropic: gerenciar custos de Claude Code
• Anthropic: explore a janela de contexto Claude Code
• Anthropic: práticas recomendadas de Claude Code
• Anthropic: configurar modelos e esforço Claude Code
• Anthropic: cache de prompt
• Documentação de uso e equilíbrio OmniaKey

Comandos verificados em 8 de agosto de 2026. Claude Code, comportamento do modelo e alterações nas superfícies de faturamento; verifique a documentação original vinculada e seus registros de uso reais antes de definir um orçamento de produção.