一句话看懂：开源项目 Token Saver 以 MCP 扩展形式，在本地使用混合 RAG 技术预处理 PDF 文档，可将 Claude 处理 PDF 时的 token 消耗削减 92%–99%，大幅降低 API 费用，同时保护数据隐私。它直接回应了当前大模型应用“token 烧钱”的痛点。
事件核心：发生了什么
Token Saver 是一个开源的 MCP（Model Context Protocol）扩展，专门针对 Anthropic 的 Claude 模型设计，用于优化 PDF 文档的推理成本。其原理是在本地部署混合 RAG（检索增强生成）管道：先对 PDF 进行 OCR、解析、结构化，再通过本地向量检索筛选出最有价值的上下文片段，只将精炼后的内容发送给 Claude，从而避免将整篇 PDF 的原始 token 逐字传输。项目方宣称，该方法能将 PDF 相关的 token 消耗降低 92% 至 99%，具体取决于文档复杂度和冗余度。该项目已经开源，意味着开发者可以直接集成、修改或审计其代码。
为什么重要
当前，PDF 仍然是企业知识库、学术论文、法律文书、合同等场景的核心载体。但大模型处理长 PDF 时，API 费用与文档长度成正比，动辄数百万 token 的消耗让许多中小团队望而却步。Token Saver 从“预处理”而非“推理侧”切入，用本地混合 RAG 做了一次可选、可插拔的“token 瘦身”。这种思路不仅降低了 Claude 的使用门槛，也推动了 MCP 生态向“代理工具”方向发展——AI 不再直接读取原始文件，而是由本地中间件按需过滤。如果效果稳定，它将促使更多企业接受“本地预处理 + 云端推理”的混合架构。
对用户/开发者/创作者的影响
对于频繁使用 Claude（尤其是 Claude API）处理 PDF 的用户——如律师、研究人员、分析师——这项工具可直接节省 90% 以上的 token 费用。以一次处理 100 页 PDF（约 2.5 万 token 原始内容）为例，若削减 95%，实际付费 token 仅约 1250，成本从数美元降至几美分。对于开发者，Token Saver 提供了一条清晰的参考路径：如何用本地向量检索平衡上下文完整性与 API 成本，并可直接复用或修改其 RAG 管道。此外，由于所有 PDF 解析和检索均在本地完成，数据不出本地端，显著降低了敏感文档上传云端带来的隐私风险。
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。
值得关注的后续
目前公开信息显示，Token Saver 仅在项目文档中公布了削减比例，实际效果有待社区独立验证，尤其是在多语言、扫描件、复杂表格等场景下的表现。值得关注三点：第一，Anthropic 官方是否会在未来推出类似的内置 token 压缩机制，从而影响第三方工具的生存空间；第二，竞品（如 Google Gemini 或 OpenAI）是否会针对 PDF 场景推出类似的本地预处理插件；第三，Token Saver 能否获得足够的开发者贡献，成为 MCP 生态中的基础组件，并长期维护兼容性。
