赶在DeepSeek涨价前，我猛烧1千测了6个省token的Skills|deepseek|token|上下文|代码|显式标识|涨价

DeepSeek马上要涨价了。

我最近在狂算账，算得有点心慌。毕竟现在工作流里只要批量跑的需求都是V4 flash做的，也没怎么细看过账单，反正便宜，一周掏个一两百就也差不多了。

说要涨价也没说到底要涨的多少，又时不时听到点小道消息说会大幅度涨还不止两倍。我的心情就be like，

正好这段时间，省Token Skill扎堆冒出来，我就想趁现在便宜，先把功课提前做了。我收集了Caveman、Ponytail、Headroom、Graphify、Codex Token Skills、Codex Token Saver这六个Skill，看看到底哪个最省钱，省钱还不能降低质量的那种。

这六个skill的数字一个比一个猛。有的说输出能少65%，有的说400行代码能压到23行，还有的直接喊账单能砍70倍。70倍是一个什么概念？也就是说我跑完一个项目，梁圣说不定还得给我钱。

这六个Skills的省token的方向还是非常不同的。

先说Caveman，六个里最火的那个。

它干的事最好懂，让模型闭嘴。删掉寒暄的语句，删铺垫，删免责声明，删那种写完了还要把刚说过的话再总结一遍的毛病。只留结论，动作和代码。Github上的聊天基准给出的数据是平均输出从1214个Token降到294个，少65%。

另一个Ponytail（马尾辫）完全是另一个方向。

为了不重复造轮子，Ponytail会在Agent动手之前一层层盘问，已有实现能不能用，标准库能不能做，平台原生能不能做，已装的依赖能不能做，一行代码能不能解决。全都不行，才允许Agent写新的。传播最猛的数字是代码量能少92%到94%。

Headroom管得更上游一点，压缩我们给Agent的上下文长度，比方说重复的日志文件，大段大段的代码，有选择性的塞到对话框里，扔掉的部分先存在本地，要细节的时候再捞回来，据项目说的是能省60%到95%的token。

Graphify更狠，嫌弃Agent每次都在重读同一个项目。每开一个新会话就得把整个仓库从头读一遍。那不如提前把代码和文档解析成一张本地知识图谱，之后查图就行。就是它说能砍70倍账单的。

Codex Token Skills走又是另一条路子，它主打一个机制，把稳定不变的规则放在对话最前面，这样重复的前缀就有机会命中DeepSeek的上下文缓存，命中之后输入价格更低。这个说是能省60%到80%。

最后一个是Codex Token Saver，极致偷懒，每次回复一句话最多三条，能不截图就不截图，除非到改代码前不然不读文件，用户不要求的话不测试不构建，失败只重试一次。这样节省输出后能省50%到80%。

好，六个数字摆完了。

65%，94%，95%，70倍，80%，80%。

看着是挺爽的。全部安上估计100块能用一年的样子，所以我们直接上API来压力测试看看效果，每个Skill配一道编程题，六个Skill再加一个不装Skill的当对照组，然后用GPT和Claude盲评打分。

API全程固定DeepSeek V4 Flash，开thinking。

OKOK，Here we go，一个个吐槽。

01｜Caveman

先是Caveman，算是最火的一个，通过教Agent说文言文来省token。

我给它配的题是一句话生成一个新粗野主义网页，尽可能极具创意，带滚动动画和花哨配色，页面标题dorksense。

不装Skill，输出是533行29393个字符。装了Caveman，输出634行34027个字符。

行多了18.9%，字符多了15.8%。

拆开来看的话CSS规则从90条涨到119条，函数从16个涨到28个，连注释都从24处涨到29处。

左边没加Caveman右边加了Caveman

Caveman能删的是解释，可这道题要的是几百行HTML。没有解释可删，Skill那套规则就成了纯增量。而且它自己的规则也是占输入Token的。每轮大约增加1000到1500个输入Token。

这就像为了让同事少说两句，先给他发一份1500字的以后说话要简洁的书面通知。还是来看看效果吧，

【没加Caveman】

【加了Caveman】

离谱的是我抽了三次，加了Caveman的效果都不没有下滑，反而比裸Prompt好了不止一点。

画面不偏移了，稳定度也上来了，代码整体的解析也是稳了很多。

02、03｜Codex Token Skills和Headroom

这两个skill踩的是同一个坑，能省多少，取决于输入里有多少可以省。

我给Codex Token Skills出的题，是按照一份详细设计稿实现深色 Hero。

写的非常详细啊，背景色，模糊元素偏移215px宽801px高384px模糊77.5px，标题Inter中等76px字距负2px，副标题Manrope 18px行高26最大宽613px，按钮背景。规格密密麻麻写了一大段。

这种任务其实很难减少输入Token，因为每个数字都是实现要求，必须读完，少看一条，最后的页面就可能不一样。

实际数据也说明了这一点，没用之前，输入是42.1kToken，输出是12.8k Token，花费约 0.56 美元，API 用时 1 分 15 秒。

用了之后，输入增加到46.7k Token（因为skill本身也占token），输出降到了4.4k Token，花费降到约0.365 美元，API 用时也缩短到 29 秒。最终生成的代码从 356 行增加到 387 行，页面效果却几乎看不出差别。=

左边没加Codex Token Skills右边加了

我是看不出区别，Skill用了缓存保了要实现的页面规则也出来了，爽翻了简直。

安装的时候还有个小坑顺带提一句。这个仓库的memory Skill里写死了作者自己的Windows路径，C盘用户名都还在，要改成本机路径才能跑。

那Headroom的作用很像是帮模型整理资料。

如果交给模型的内容本来就很短、很干净，它几乎帮不上忙。我们用几个简单任务测试时，三次全部判定no-op（不启动），0Token压缩，因为里面本来就没有多少可以删掉的内容。

但当输入非常长，而且夹杂着大量日志、重复代码和工具返回结果时，它的效果就比较明显了。

第一个任务是让模型检查一份很长的 CSS 文件。原始材料大约有1.65万 Token，其中包含报错信息、重复内容和工具输出。Headroom 整理之后，只剩下约 8500 Token，减少了大约 48.5%。

第二个任务是让模型阅读大量日志，找出最值得修复的三个问题。

没有使用 Headroom 时，两次测试的输入分别是16,533 Token，模型输出分别用了4,000和2,309Token。第一次还碰到了输出上限，回答被中途截断。

用了Headroom 后，输入分别降到8,505 和 8,505 Token，减少了约 48.6%。模型输出只用了1,536 和1,606 Token，两次都完整写出了三个问题、对应证据和修复方案。

也就是说，Headroom不只是把输入压短了。它还减少了模型在重复日志和无关信息中找重点的消耗，模型可以用更少的输出 Token，给出更完整更集中的答案。

04｜Ponytail马尾辫

它的思路是拦住模型那种「我可以顺手给你搭一个完整系统」的冲动。动手之前一层层往下问，标准库能不能做，平台原生能力能不能做，已装依赖能不能做，一行代码能不能做。都不行才开始造新东西。

我给它配的是做一个卡通激光眼，一道要调MediaPipe做人脸关键点，再把激光束画出来的题。

不装Skill，675行21404个字符，装了Ponytail，488行14916个字符。行少27.7%，字符少30.3%。CSS规则从69条降到35条，砍了一半。函数从22个降到12个，砍了45%。script标签从2个变成1个，注释从70处降到31处。

规则少了一半，但功能一个没少。

我自己做UI的时候就经常踩这个坑。明明只要一个小交互，最后多出一套状态管理，一组重复组件，几个用不上的工具函数。Ponytail就像一个会在你按回车之前问一句「真的需要吗」的同事。

不过他们项目自己说的能省92%到94%的token得单独拎出来说一下。那两个数对应的是代码行数，不是平均Token降幅，这怎么不算数字的艺术呢。

05｜Codex Token Saver

六个里省得最猛的那个。

它的规则包括改代码前不读文件，非用户要求不测试不构建，默认零验证，失败只重试一次。

作者宣称能省40%到70%，不过跟前面那个Codex Token Skills一样，仓库里也没有任何公开基准。

我给它的题目是TOONHUB，一个3D角色轮播UI，要求四个角色卡片式切换展示。不装Skill的话，509行18695个字符，装了token-saver，61行5396个字符。行少88%，字符少71.1%。

我第一反应是它偷工减料了，逐条去对功能。但是功能一个都没少。只看压缩率，这确实是所有测试中最夸张的一组。但把四张角色卡片放大后，问题就出现了。

【没加Token Saver】

【加了Token Saver】

不装Skill那版，画了4个SVG，四个角色造型各不相同。token-saver那版，只写了1个SVG模板，然后用JS循环四次，换四种颜色。

所以这次测试更准确的结论是，Token Saver的代码压缩率确实高，基本交互也保留了，但它把原本应该独立设计的四个角色过度合并成了一套模板，牺牲了角色差异和设计质量。

06｜Graphify

是反转最多的一个。

它太容易被误读了。71.5倍的省token是来自一个旧版项目在一个特定大型混合语料上的每次查询对照，不是总token账单减少71.5倍。我给它造了一个79文件的TypeScript仓库，src下面有auth，billing，api，ui，db，utils，再加四篇文档，里面埋了真实的跨文件调用链。然后出了20个必须跨文件才能回答的问题。

一组是每次重读相关文件，一组是先建索引之后只查索引。20个问题跑完，单查询输入平均从583.5降到163.8。3.56倍。

所以说，不是70倍，也不是10倍，是3.56倍。

Graphify的逻辑其实就是先花一笔Token建图，建索引，再靠后面的查询慢慢把成本摊回来。

单看查询阶段确实省很多，因为不用每次重新扫整个仓库。但问题是，建图本身也很贵。

这次 79 个文件全读一遍，大约就花了3万Token。问了十几个问题以后，不建图总共用了28,586 Token。建图那组加上索引成本，反而用了42,281 Token，多了 48%。

按这个降幅推，大概要在同一份索引上问到 36 次左右才开始回本。

所以一次性项目大概率划算，只有长期，复杂，而且会被反复查询的仓库，前面的建图项目大了成本才摊得回来。

最后的最后，

前面六个Skill各做各的题，有的确实省了，有的反而加了。可题目不一样，难度不一样，天然对不同方向的Skill有利有弊，横向没法比。

所以我换了一种打法，开目标模式，把六个Skill全拉到同一道题上重新跑。这次的题目是电影感FIFA世界杯网站，要求做一个有电影质感的世界杯落地页，48支球队104场比赛，带倒计时。

模型统一DeepSeek V4 Flash开thinking，输出上限64K。评分交给GPT-5.6-sol和Claude Opus 4.8各来一遍，七个版本匿名映射成A到G，评审只看需求原文加截图加HTML，看不到哪个是哪个。六个维度加起来100分，视觉25，需求符合25，交互20，稳健15，响应式和可访问性10，实现效率5。

效果是这样的，

六个号称省Token的项目，一个都便宜。

Headroom是平的，因为这道需求只有280个Token，压不动。剩下五个全在加钱，最少的加33.5%，最多的加222.8%。

六个的质量分数，全部持平或者更高，一个降的都没有。

分最高的是Graphify，93.5分。不装Skill那版是一张平的深色页，标题加倒计时加两个按钮。Graphify那版直接把整个球场看台做成背景，ONE WORLD ONE GAME ONE DESTINY三行大字压上去，底下铺了48队104场16城1座奖杯的数据条。Codex Token Saver那版走的是另一个方向，左边文案右边奖杯，衬线大标题WHERE LEGENDS RISE，底部一条跑马灯。81K的HTML，全场最大。

它俩都没有在省token的，反而是猛加。

到这我就有点想不通了，钱到底加在哪了。页面是更好看了，但也没多出这么多代码啊。

然后我去翻了使用额度里那个叫reasoning_tokens的字段，可以理解成模型的思考过程。

不装Skill那版，模型想了12420个Token，写出来18098个。装了Codex Token Skills那版，模型想了36217个，写出来18728个。它多花的24717个Token里，有23797个是thinking，可见的输出只多了630个。

96%的新增开销，是模型多想了一会。交到你手上的东西，几乎一个字没多。