Tiết kiệm token khi dùng Claude Code: 10 cách để hạn mức đủ cả ngày
Vì sao Claude Code tiêu nhiều token và 10 cách giảm: /clear, /compact, chọn model, /effort, CLAUDE.md gọn, subagent dùng Haiku, theo dõi usage theo key.
Cập nhật 25/10/2026
Gói RocketKey cho bạn một hạn mức USD mỗi ngày, reset lúc 00:00 (GMT+7). Hết hạn mức, request nhận lỗi 402 tới ngày hôm sau. Cách nhanh nhất để hạn mức đủ dùng cả ngày là hiểu Claude Code tiêu token vào đâu, rồi cắt phần lãng phí.
Vì sao Claude Code tốn token nhanh?
Mỗi lần Claude trả lời hoặc dùng một tool (đọc file, chạy lệnh), Claude Code gửi toàn bộ hội thoại của phiên lên model. Một phiên mở từ sáng tới chiều, dù câu hỏi cuối chỉ một dòng, vẫn kéo theo cả lịch sử phía trước. Ba thứ hay làm hạn mức cạn:
- Ngữ cảnh dài: phiên làm nhiều việc không liên quan, file lớn được đọc vào, log dài dán vào.
- Model đắt cho việc dễ: dùng Opus hoặc Fable cho việc Sonnet hay Haiku làm được.
- Token suy luận: các model đời 5.5 luôn suy luận trước khi trả lời, phần này tính như token output.
Các cách dưới đây dựa trên tài liệu quản lý chi phí của Claude Code và áp dụng cho key RocketKey.
1. /clear khi chuyển sang việc khác
Làm xong một việc, gõ /clear để bắt đầu phiên mới. Ngữ cảnh cũ không còn bị gửi lại ở mỗi request. Muốn quay lại sau: đặt tên phiên bằng /rename trước khi clear, rồi mở lại bằng /resume.
2. /compact có hướng dẫn khi phiên đã dài
Cần giữ mạch làm việc nhưng hội thoại đã quá dài, gõ /compact kèm điều cần giữ, ví dụ /compact giữ lại các thay đổi code và kết quả test. Lưu ý: compact đọc toàn bộ hội thoại để tóm tắt nên bản thân nó là một request lớn. Nếu không cần giữ mạch, /clear rẻ hơn.
3. Chọn model đúng việc
Sonnet 5.5 đủ cho phần lớn việc code và rẻ bằng một nửa Opus 5.5. Gõ /model để chuyển sang Opus cho phần khó rồi về lại Sonnet. Bảng so sánh có ở Chọn model Claude cho lập trình.
4. Giảm mức suy luận bằng /effort
Với việc đơn giản, hạ mức effort bằng lệnh /effort (hoặc trong /model). Theo tài liệu của Claude Code, Opus 5.5, Sonnet 5.5, Haiku 5.5 và các model Fable không tắt được suy luận, nên hạ effort là cách giảm token suy luận trên các model này.
5. Giữ CLAUDE.md ngắn
File CLAUDE.md được nạp vào mọi phiên. Anthropic khuyên giữ dưới khoảng 200 dòng, chỉ ghi điều thiết yếu. Hướng dẫn cho từng quy trình riêng (review PR, migration…) nên chuyển thành skill, vì skill chỉ được nạp khi dùng tới.
6. Tắt MCP server không dùng
Gõ /context để xem cái gì đang chiếm ngữ cảnh, /mcp để tắt server không dùng. Khi có công cụ dòng lệnh tương đương (như gh cho GitHub), dùng nó thường tốn ít ngữ cảnh hơn MCP.
7. Đẩy việc nhiều output sang subagent chạy Haiku
Chạy test, đọc log dài, tra tài liệu tạo ra nhiều output. Giao các việc này cho subagent để output nằm trong ngữ cảnh của subagent, phiên chính chỉ nhận bản tóm tắt. Đặt model: haiku trong cấu hình subagent cho việc đơn giản: Haiku 5.5 rẻ hơn Sonnet 5.5 khoảng 20 lần.
Ngược lại, chế độ agent teams theo Anthropic dùng khoảng 7 lần token so với phiên thường, nên chỉ bật khi thật cần.
8. Viết yêu cầu cụ thể
"Cải thiện codebase này" khiến Claude quét rộng nhiều file. "Thêm kiểm tra đầu vào cho hàm login trong auth.ts" để Claude đọc đúng chỗ. Với việc lớn, bấm Shift+Tab sang plan mode để Claude đề xuất cách làm trước khi sửa code. Thấy Claude đi sai hướng, bấm Esc để dừng ngay, và dùng /rewind để quay về điểm trước đó.
9. Lọc output trước khi Claude đọc
Một file log 10.000 dòng có thể tốn hàng chục nghìn token. Lọc trước bằng grep (hoặc dùng hook của Claude Code) để Claude chỉ thấy các dòng lỗi.
10. Theo dõi usage để biết tiền đi đâu
- Trong Claude Code,
/usagecho ước tính token và chi phí của phiên hiện tại. Con số này tính theo giá niêm yết của Anthropic, nên chỉ để tham khảo. - Số liệu RocketKey thực trừ nằm ở Dashboard → Usage, cập nhật mỗi 2 phút. Mục Phân bổ có chế độ Theo model và Theo key, cho biết model nào, máy nào tiêu nhiều nhất. Xem Quản lý API key.