一句话看懂：一位开发者分享了使用 Spotify 开源的 Portal 工具后，将 Claude Code 的 token 消耗降低了约 90%，核心做法是把“阅读大文件”这类高成本操作从顶级模型转移到更便宜的小模型上，从而大幅削减 API 成本。
事件核心：发生了什么
在 Hacker News 的讨论帖中，有开发者反馈称 Spotify 开源的 Portal 工具显著优化了 Claude Code 的 token 使用效率，用量减少了约 90%。Portal 本身是一个后端工具包，主要用于管理 AI 代理的执行流程，其关键思路是通过代理（Subagent）机制将任务拆解。该开发者提到，像 Codex 或 Claude 这类前沿模型本身在执行精确的 grep（文本搜索）时表现极佳，但这类操作会消耗大量 token，且并非必须使用最顶级的推理模型。
实践中的优化逻辑是：将“阅读代码库、检索上下文”这类任务分配给参数更小、成本更低的模型去做，而将“编写核心逻辑”这类高难度任务留给 Claude 等前沿大模型。开发者通过 OpenRouter 等接口甚至可以进一步替换为更便宜的模型，以实现细粒度的成本控制。
为什么重要
这一案例揭示了当前 AI 编程工具商业化进程中一个突出的痛点：推理成本。随着代码库规模变大，AI 代理在前置检索阶段消耗的 token 往往占总费用的很大比例，而这些步骤并不需要太高“智力”。传统做法是让一个强模型包办所有操作，容易造成资源浪费。
“用便宜模型做智能 grep，用贵模型做硬核编码”的思路，本质上是对大模型工作流的降本增效。它不再把所有请求都视为需要顶级算力的任务，而是引入了任务分级和路由（Routing）机制。这不仅对 AI 编程助手（如 Claude Code、Codex）的使用者有直接影响，也可能影响后续大模型 API 的定价策略与工具链架构设计，将优化方向从单纯提升模型能力转向优化调用策略。
对用户/开发者/创作者的影响
对重度依赖 AI 编程的开发者而言，这一案例具有较强的实操参考价值。如果你的 Claude Code 或类工具费用高企，且主要消耗发生在项目扫描和代码阅读阶段，那么通过配置代理（Subagent）让更轻量的模型处理检索任务，往往比直接更换主力模型更能压低成本。数据显示，这种方法在特定工作流中能带来接近 90% 的 token 缩减，对独立开发者和中小企业意味着更可承受的工具使用成本。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
同样值得注意的是，这提供了一种缓解“AI 越用越贵”的路线：不一定要等待大模型降价，而是可以通过外接 OpenRouter 等更开放的接口来替换内部执行特定任务的模型，以获得更低成本的推理能力。不过，这种架构也需要开发者自行承担配置复杂度与不同模型间的协调工作。
值得关注的后续
一是该套工作流是否会向更广泛的用户普及。Portal 来自 Spotify 开源项目，目前尚不清楚 Spotify 官方是否会推出更友好的配置界面或商业支持，以降低普通开发者的使用门槛。
二是主流 AI 编程工具是否跟进此类优化。若 Claude Code 或 Codex 后续在底层直接提供“检索模型”与“决策模型”分离的选项，将直接改变开发者的成本结构。
三是关注此类“Token 瘦身”方案的实际可复制性。目前的案例属于特定项目场景，是否适用于所有代码库类型或大型企业级项目，仍需更多应用验证。市场若出现更多类似数据，将加速推动 API 分层计费或任务路由类中间件的普及。
来源：hackernews
