Token燒太快？官方給出4條Claude Code建議，這樣做降低額度消耗|數位時代 BusinessNext

Anthropic 近日針對「Claude Code 用量暴衝」的爭議做出說明。許多用戶反映，自己明明只是做了幾個操作，卻在短時間內用掉大量配額，甚至在升級到更昂貴的方案後，實際可用的時間與token用量反而大幅下降，引發不少不滿。

負責 Claude Code 的 Lydia Hallie 在 X 上表示，團隊這段時間蒐集了大量回報與數據後發現，發現多數 token「燒得特別快」的情況，其實來自幾種非常消耗額度的使用模式。同時，她也提出4個官方建議，希望用戶可以降低不必要消耗。

一、優先使用 Sonnet 4.6，避免 Opus 過度消耗

首先，在 Pro 方案中，Anthropic 建議預設改用 Sonnet 4.6，而不是更高階的 Opus。原因在於，Opus 的代幣消耗大約是 Sonnet 的兩倍，如果不是每一次都需要最強、最深度的推理能力，其實沒有必要全程使用 Opus，否則會很快碰到用量上限。

二、調整運算強度與延伸思考功能

其次，Claude Code 提供「運算強度」（effort level）與「延伸思考」（extended thinking）等參數，這些功能會讓模型進行更多步驟的推理，自然也會大幅增加token的使用量。官方建議，如果只是處理一般的程式輔助或輕量任務，可以適度調低運算強度，甚至在不需要深度推理時關閉延伸思考，把成本壓下來。

三、避免長時間續用巨大對話工作階段

第三，Lydia 提醒，用戶不要長期「續命」一個放著不動的大型對話。如果某個工作階段（session）已經閒置約一小時以上，且累積了龐大的上下文內容，繼續在同一個工作階段裡操作，模型每次都要重新處理這段長上下文，自然會讓一次互動就吃掉大量token。她建議改成重新開啟一個新工作階段，比較節省資源。

四、透過上下文視窗上限控制對話長度

第四，Anthropic 也在 Claude Code 中提供「上下文視窗」（context window）上限設定，例如使用環境變數（environment variable）‎CLAUDE_CODE_AUTO_COMPACT_WINDOW=200000 來自動壓縮過長的上下文。對常態開啟大型專案、讀取多檔案的開發者來說，這可以避免模型每次都帶著過量歷史內容一起運算。

Lydia 表示，團隊已經陸續推出多項效率優化，並在產品內加入提示視窗，幫助使用者避免觸發大型提示快取失誤（large prompt cache misses）等高成本情境。她也提醒，用戶務必確認自己使用的是最新版本。如果仍然遇到「明明只是個小操作，卻吃掉不成比例的大量額度」的狀況，可以在產品內執行 ‎/feedback 指令，讓團隊進一步調查。

Gemini 的額度其實也很容易被「用法」吃掉

前面幾點是 Anthropic 自己點名的 Claude Code 省 token 方式，但實際上，現在多數訂閱型 AI 服務的額度，都跟「怎麼使用」高度相關。以 Google AI 的 Gemini 為例，如果有訂閱相關方案，也要特別留意使用方式，才不會很快把每日額度燒光。

雖然官方文件沒有直接標註「哪些行為是浪費額度」，但從使用說明與各項功能限制中，其實可以整理出幾種特別容易消耗額度的使用模式，作為規劃使用策略的參考。

一、提問本身的長度與複雜度

提示詞越長、結構越複雜，模型在背後需要投入的運算資源就越高；如果在同一個對話串中，多次追加篇幅較長、層次繁複的追問，使用量會持續往上疊加。換句話說，能用精準語句表達清楚的問題，就應該盡量避免鋪陳過多背景與枝節內容，而在單一對話中無限制延伸討論，也會讓額度消耗速度明顯加快。

二、容易被忽略的來源

一口氣上傳數量眾多的檔案，會比事先精選少量關鍵檔案更快耗用額度；而且檔案容量越大，例如長時間影片、頁數龐大的 PDF 報告，模型為了讀懂內容所需的處理資源與上下文空間也會同步增加。較佳的做法，是先預先整理，只上傳「確實需要 Gemini 協助分析」的檔案，而不是把整個資料夾原封不動丟進去。

三、本身就屬於高成本的進階功能

Deep Research 會依方案不同設定每日或每月可產生的報告數量上限；圖像、影片、音樂生成等功能，也都有明確的每日張數或曲數限制，而且官方特別提醒這些需求量高的服務，限額未來可能因為成本壓力而調整；至於 Agent、螢幕自動化、簡報生成等功能，多半也設有每日可使用次數或同時執行數量上限。

若想實際降低額度浪費，可以從幾個面向著手調整。問題設計上，盡量聚焦核心需求，優先追求「精準與清楚」，而不是刻意拉長篇幅或追求華麗文采；在對話結構上，當討論主題已經大幅轉變，或是單一對話變得過長時，適度開啟新對話，有助於減少不必要的歷史上下文負擔；在檔案管理上，只上傳實際需要分析的檔案，避免一次性投入大量冗餘資料；至於生成內容，若是為了比較模型輸出品質而重生多個版本，事先替自己訂一個合理上限，避免無節制反覆生成，也能有效控制整體用量。

延伸閱讀：用Claude Code管理100篇研究筆記！前OpenAI共同創辦人公開LLM知識庫系統，貼一段指令就能建起來
 Claude送免費額度！這三種方案都能領，怎麼領？要注意什麼？教學一次看

資料來源：Anthropic、Google

本文初稿為AI編撰，整理．編輯/黃若彤

隨著生成式 AI 與 AI Agent 的快速發展，企業導入 AI 應用，早已不是「要不要」的是非題，而是「如何選對解決方案」的決策題。

以 AI 客服為例，市場上雖然有眾多解決方案，但真正能夠拉開差距的，不是技術本身，而是對產業場景、服務流程與顧客需求的理解，這是決定AI 能否改善營運效率、提升顧客體驗，並創造實際商業價值的關鍵。

深耕客服領域多年的宏華國際，憑藉著長期累積的第一線服務經驗，以及對產業應用場景的深刻洞察，打造出適用多元產業的 AI 客服代理人，透過將客服經驗模組化、場景化，協助企業降低 AI 導入門檻與試錯成本，讓 AI 不只是技術工具，而是真正能快速落地、創造營運效益的虛擬助手。

有溫度的 AI 服務，成為企業競爭力的新關鍵

宏華國際資深技術顧問李宗遠指出，對企業、尤其是服務業而言，客服的價值早已不只是接聽電話或回覆訊息，而是建立顧客信任、優化服務體驗的重要平台。透過客服，企業不僅能維持對外溝通的一致性與完整性，也能延伸服務時間與服務範圍，進而即時掌握顧客需求，有效承接每一次商機。

然而，過去要打造全天候客服，企業往往需要投入大量人力與管理成本。如今，AI大幅降低了建置與維運成本，24 小時服務不再是大企業的專利。透過 AI 客服代理人，即使是資源有限的中小企業，也能在不額外增加人力的前提下，快速建立客服機制，提供更貼心、更有溫度的服務，而這也將成為未來服務業的重要競爭力。

以餐飲業為例，消費者有聚餐需求時，通常會透過網路訂位系統同時向多家餐廳預約，等到接近用餐日時，再做出最終選擇。此時，餐飲業者若能在網路訂位流程中整合 AI 客服代理人，主動提供完整且貼心的一條龍服務，例如：推薦適合餐點、提醒停車資訊、確認特殊飲食需求，甚至提前規劃包廂與慶生活動等，讓顧客到店前就有好的服務體驗，自然有機會打動顧客的心、成為最終選擇。

李宗遠認為，AI 的價值不只是提升效率，更在於協助企業打造更有溫度的服務，這不僅有助於降低臨時取消率、提升訂單轉換率與顧客黏著度，更能建立差異化競爭優勢，讓 AI 從工具真正成為企業夥伴。

AI 客服下一階段，比的不是技術，而是誰更懂服務場景

然而，AI 要打造有溫度的服務，關鍵不在於採用了哪些技術，而是 AI 能否真正理解不同產業的服務場景與顧客需求。為此，宏華將多年來服務不同產業、不同場景所累積的第一線經驗，轉化為開發 AI 客服代理人的重要基礎，讓 AI 不只是回答問題，更能理解企業的服務流程，以及客戶的情緒與潛在需求，提供更貼近人性的互動體驗。

李宗遠認為，宏華 AI 客服代理人可以為企業帶來三項價值。第一項是將原本仰賴人工處理的流程自動化。AI 客服代理人不僅能線上服務客戶，完成訂位、預約、報修等流程，還能自動執行後續作業，例如：生成維修派工單，並通知師傅前往服務。

第二項則是優化顧客體驗。AI 客服代理人以多模態 AI 作為核心，可以進行語音、文字與影像的互動，因此，顧客透過電話、LINE、社群平台、網站或實體門市等留下的互動記錄，都能整合至同一平台，避免在服務過程中產生斷點。

第三項是延長服務時間與擴大服務範圍，承接更多商機。AI 客服代理人支援國語、台語、英語 24 小時應答，無論顧客在任何時間、透過何種管道聯絡，甚至使用外語，都能獲得即時回覆。

十多年客服經驗，如何成為宏華 AI 的護城河？

當 AI 客服的技術能力逐漸成熟，真正難以複製的，不是模型，而是背後累積的服務經驗，而這正是宏華最大的競爭力。

宏華國際新事業處協理曾世忠指出，宏華國際深耕客服領域超過十年，累積全台數一數二的服務量能與顧客互動經驗。從客服、門市到到府服務，這些第一線服務經驗，不僅讓團隊更理解真實客服情境，也更熟悉不同產業的服務流程與需求，成為 AI 客服代理人得以持續優化的關鍵。

這些第一線經驗讓宏華非常清楚顧客互動過程中的各種變數，包括臨時修改需求、跳躍式提問、說話帶有情緒等。曾世忠表示，真實世界的客服互動很少按照既定腳本進行，許多AI在面對顧客突然改變想法或偏離原本的對話流程時，容易陷入重複問答或無法理解語意的困境，進而影響使用體驗。
也正因此，宏華訓練的不只是 AI 的智商（知識理解、順暢對話），更重視服務情商（情緖分析），讓 AI 能理解對話情境、顧客情緒與需求變化，可以「秒問秒答、邊聽邊想」，而非只是依照固定腳本機械式回應。

除了理解真實客服互動情境外，長期服務不同產業客戶的經驗，也讓宏華更了解各產業面臨的服務情境與需求差異，並將這些產業 Know-how 模組化，發展出餐飲、技術服務、專業服務等產品包，企業只要完成需求完成設定，便能快速導入，大幅降低建置時間與試錯成本。

「AI Agent 的價值不只是協助企業服務客戶，更將成為企業營運的重要基礎設施。」曾世忠認為，未來，AI Agent 除了協助企業回應外部客戶需求，也將進一步應用於員工服務、人資諮詢等內部場景，成為串聯企業內外部溝通的重要角色。而宏華國際也將持續投入相關技術發展，協助企業在 AI 時代建立更穩定、更具韌性的營運能力。

Token燒太快？Anthropic官方給出4條Claude Code建議，這樣做降低額度消耗