别再盲目追逐那些所谓的 AI 新技巧了

说实话，我之前也陷入过那种“技术焦虑”里，每天盯着 X 上各种新出的 MCP Server 或者奇奇怪怪的提示词技巧，结果搞得自己特别忙，但公司业务一点没往前推进。到头来发现，我根本不需要学会一百种技能，我只需要搞清楚几个核心问题：这个模型到底烧了我多少钱？它写的代码我真的用得上吗？那些所谓的“大神技巧”是在帮我提高效率，还是只是在让我产生一种“我很努力”的错觉？

很多人觉得用 Claude 只是发个 Prompt、拿个代码、然后 Ship 的过程，但这只是“使用”层面的事。真正的“运营”是你要在模型周围构建一套能让你快速信任并大规模交付的工作流。

我总结了一下，其实 Claude 提供了三个维度的能力，你得学会根据场景去选：

• Extend（扩展）： 给 Claude Code 本身做配置。
• Call（调用）： 直接调 API 处理特定的小任务。
• Embed（嵌入）： 把 Claude 作为 Agent 逻辑写进你自己的代码里。

分享两个我实操中觉得最硬核的避坑经验。

第一，盯着你的钱和“采纳率”

别只看每个月的订阅费，如果你开始用 Claude Code 了，一定要看它的 JSONL 日志。我最近在用一个叫 ccusage 的小工具，它可以直接读取本地日志，瞬间把你的支出和缓存命中率（Cache-hit rate）算清楚。

npx ccusage@latest daily

但比起钱，我更在意一个指标：代码采纳率。如果 Claude 写的代码你频繁点击 Reject，那你就是在花冤枉钱买垃圾。你可以通过开启 OpenTelemetry 来监控这个数据，在配置里这么改：

// .claude/settings.json
{
 "env": {
 "CLAUDE_CODE_ENABLE_TELEMETRY": "1",
 "OTEL_METRICS_EXPORTER": "otlp"
 }
}

如果 Reject 率很高，别犹豫，赶紧去调优你的上下文或者指令，别在那儿硬烧 API 额度。

第二，别让一个变量毁掉你的 Prompt Caching

Prompt Caching 是省钱的神器，缓存读取的价格只有正常输入的 10% 左右。但这里有个极其容易踩的坑：缓存匹配必须是完全一致的前缀。

很多人的 Context 顶端会带上时间戳、Session ID 或者乱序的工具定义。只要最顶上的一个 Token 变了，后面哪怕有 100k 的内容，缓存全部失效，你得按全价重新付钱。

我写了个简单的 TypeScript 脚本来探测缓存效果，大家可以拿去实测一下：

// cache-probe.ts
import Anthropic from "@anthropic-ai/sdk";
import { readFileSync } from "node:fs";

const client = new Anthropic(); 
const stablePrefix = readFileSync("sample-context.md", "utf8");

async function call(label: string) {
 const res = await client.messages.create({
  model: "claude-3-5-sonnet-20241022",
  max_tokens: 128,
  system: [
    {
      type: "text",
      text: stablePrefix,
      cache_control: { type: "ephemeral" } // 显式标记缓存点
    }
  ],
  messages: [{ role: "user", content: "Hello" }]
 });
 console.log(`${label} 响应:`, JSON.stringify(res._cache_creation_input_tokens, null, 2));
}

async function run() {
 await call("第一次调用（写入缓存）");
 await call("第二次调用（测试命中）");
}

run();

一定要保证那些稳定的、长篇大论的 System Prompt 或文档放在最前面，并且别在它们前面加任何动态变量。