Claude Code 的 AI Token 會燒很快，通常不是因為你問太多，而是因為 context 太長、模型選太貴、任務明明很小卻用了過高 effort。 如果沒有先管理 slash command、模型選擇、input token 與 output token 的成本差異，再加上 repo 結構本身又不夠乾淨，Claude Code 很容易在你還沒注意到之前，就把 AI Token 成本一路拉高。真正有效的省法，不是單純少打字，而是控制 context、選對模型、調整 effort，並減少 AI 不必要的讀取、推理與修改。 這也是很多人在用 AI Coding 工具時最常忽略的地方。表面上看起來只是請 Claude Code 幫忙改幾個檔案，但實際上它每次都可能重讀前面的對話、目前的 repo 內容、相關檔案上下文，以及你現在這一輪的新指令。前面的任務拖得越長、聊天越雜、模型越高階、輸出越長，AI Token 成本就會一起變高。也因此，Claude Code 的省 Token 關鍵，其實更接近一套工作流管理，而不是一般聊天習慣調整。 Cl

很多人剛開始接觸 AI 模型 API 時，最常看到的兩個詞就是 Input Token 和 Output Token。這兩個名詞看起來很像技術用語，但其實概念不難，而且只要你開始用 AI API、接觸模型計費、想搞懂為什麼帳單比想像中高，你就一定要先弄懂它們。 先講最簡單的結論。Input Token，是你送進模型裡的內容；Output Token，是模型回傳給你的內容。也就是說，AI 成本通常不是只算你問了什麼，還會一起算模型回了多少。這也是很多新手第一次看計費頁時最容易忽略的地方：你不是只在為提問付錢，也在為回答付錢。 這篇文章的重點，不是教你換算字數，也不是講哪個模型比較便宜，而是幫你先把 Input Token 跟 Output Token 的差別看懂。因為只要這個基本概念沒有分清楚，後面不管你是在看 AI Token 計費、AI Token 成本、AI Token 怎麼算，還是企業導入時的 Token 管理，幾乎都會卡住。 如果你是第一次接觸這個主題，也可以先把這篇當成一篇基礎的 AI Token 概念文章來看。先看懂 Input 和.