AI 编码工具成本居高不下？PrismoDev 定位 6 大 Token 浪费场景

你的 AI 编码工具可能正在偷偷烧钱

如果你每天都在用 Claude Code、Cursor 或 Codex 帮助写代码，大概率遇到过这种场景：Agent 加载了很长时间，回复却慢得令人抓狂，月底一看账单——token 消耗远超出预期。

这通常不是模型的能力问题，而是上下文污染（Context Pollution）——你不知不觉间让 AI 编码工具把大量无关文件塞进了对话窗口。lockfile、编译产物、旧日志、缓存目录……这些文件每一次被加载都在燃烧你的 Token 预算，却对实际开发产出没有任何帮助。

最近 GitHub 上一个叫做 PrismoDev 的开源工具（15 stars，MIT 许可）正是为了解决这个问题而生。它是一款纯本地的 CLI 工具，无需任何 API Key 或远程服务，一条命令就能诊断仓库里的 Token 浪费情况。

PrismoDev 是什么

PrismoDev 是一个针对 AI 编码场景的 Token 成本控制工具。它覆盖 AI 编码的完整生命周期：

• 编码前：诊断仓库，发现 Token 浪费源头
• 编码中：实时监控上下文压力
• 编码后：分析会话记录，持续优化

它通过一条命令 npx getprismo doctor 就能完成仓库诊断。无需登录、无需 API Key、所有数据留在本地。

6 个最常见的 Token 浪费场景

根据 PrismoDev 的分析能力，以下是 AI 编码工具最常见的 Token 浪费来源：

1. 缺少 .claudeignore 和 .cursorignore

这是最严重也最容易被忽略的问题。很多开发者不知道，Claude Code 和 Cursor 各自有独立的忽略文件机制（.claudeignore 和 .cursorignore），它们不像 .gitignore 那样自动排除 node_modules、构建产物等目录。

没有这些忽略文件，AI 编码工具会把 node_modules 里的几千个依赖文件、dist 里的构建产物、coverage 里的测试报告全部读入上下文。一次会话就能多消耗几十万 Token。

PrismoDev 的做法：运行 npx getprismo doctor 后，它会自动扫描仓库结构，生成包含最佳实践的 .claudeignore 和 .cursorignore，并根据实际会话日志提取需要排除的额外文件模式。

2. Lockfile 污染上下文

package-lock.json、yarn.lock、pnpm-lock.yaml 这些文件动辄数千行。AI 编码工具如果把它们读入上下文，等于把整本电话簿喂给了模型。

开发者往往不会想到要排除 lockfile，因为它们很小（几 KB），但展开后 token 数却非常可观。

PrismoDev 的诊断：它会标记所有进入上下文的 lockfile，并自动将其加入忽略文件。

3. 构建产物和生成代码泄露

__pycache__、dist/、.next/、coverage/、build/——这些目录中的文件是机器生成的，对 AI 编码工具理解你的业务逻辑没有任何帮助。

但如果没有正确的忽略规则，AI 编码工具会在搜索文件时不断读到这些产物。每一个被索引的文件都是一次不必要的 Token 消耗。

PrismoDev 的优化：它会识别常见的生成产物目录，创建忽略规则，同时在需要时通过 prismo-dev-report.md 保留关键的结构化摘要供 Agent 参考。

4. 过大的指令文件

CLAUDE.md 或 AGENTS.md 是指导 AI 编码工具的指令文件。但如果它们超过 500 Token，反而会降低 Agent 的效率——模型需要先处理冗长的指令，才能开始理解代码。

PrismoDev 的建议：将大的指令文件拆分为按场景区分的独立上下文文件（如 frontend-context.md、backend-context.md），仅在需要时通过 npx getprismo context 加载。

5. 重复的文件读取和命令执行

观察 AI 编码工具的会话日志会发现，它们经常在循环中重复读取同一个文件，或在反复执行同一个命令。每次读文件和命令执行的结果都会被追加到上下文中，导致会话的 Token 使用量线性增长。

PrismoDev 的 cc timeline 命令：它可以重建整个 AI 编码会话的时间线，显示哪些文件被反复读取、哪些命令被循环执行，帮助开发者识别和优化 Agent 的行为模式。

6. 工具输出淹没上下文

当 AI 编码工具执行 npm test 或 pytest 这类命令时，整个测试输出的数千行内容会被一股脑塞进上下文。如果 Agent 接着又问了一个不相关的问题，之前的测试输出就成了纯粹的 Token 浪费。

PrismoDev 的 shield 命令：npx getprismo shield -- npm test 可以在运行噪声命令的同时，屏蔽掉完整输出回灌，只保留 Agent 需要的关键摘要。节省的 Token 量通常非常可观。

实际使用流程

第一步：快速诊断

npx getprismo doctor

输出示例：

Before: 79/100 - Medium risk - 5 token leaks
After:  91/100 - Low risk - 3 token leaks (+12)
Local usage: 976k tokens across 3 recent session(s)
Estimated exposed context reduction: 100%

它会自动创建忽略文件、生成项目摘要、给出针对性建议。一次诊断往往就能解决仓库中 80% 以上的 Token 浪费问题。

第二步：编码中实时监控

npx getprismo watch

在 AI 编码过程中持续监控上下文压力，当检测到上下文膨胀或反复读文件等问题时主动告警。

第三步：会话后复盘

npx getprismo cc timeline

查看刚刚结束的 AI 编码会话的完整时间线，了解哪些操作消耗了最多的 Token，哪些操作可以优化。

最佳实践总结

值得注意的特点

PrismoDev 最特别的地方在于它完全本地运行。没有数据传输到云端、不需要任何 API Key、不涉及第三方服务。对于有安全合规要求的团队来说，这比依赖云端分析工具更可靠。

它还支持通过 MCP 协议暴露为工具，让兼容的 AI 编码 Agent 可以直接调用它的扫描、搜索和上下文请求功能——形成一个良性循环：Agent 自己就能检查上下文是否高效。

总结

AI 编码工具能大幅提升开发效率，但如果 Context 管理不当，Token 成本很容易失控。PrismoDev 提供了一套完整的工具链——从诊断到监控到复盘——帮助开发者在享受 AI 编码便利的同时，不让 Token 账单成为负担。

而且它不需要任何配置就能上手。如果你正被 AI 编码工具的 Token 消耗困扰，今晚就可以试试：

npx getprismo doctor

项目地址: https://github.com/shanirsh/prismodev

许可证: MIT