Claude Code /usage 命令：第一次真正「看见」你的 AI 成本
本文最后更新于 2026-05-22，文章内容可能已经过时。
Claude Code /usage 命令：第一次真正「看见」你的 AI 成本
你上个月的 Claude 账单，你能说清楚每一笔吗？
大概率不能。
不是因为你不在乎钱，而是根本没有工具让你看清楚。你知道总数，但不知道结构。这种感觉不是「花多了」，而是失控——像在黑屋子里烧柴，只知道热，不知道烧的是什么。
/usage 命令的出现，第一次给了开发者一个真正的「电表」。
---
你有多少次不知道钱花哪了？
场景还原一下：
你花了一个下午搭了一套 Agent 工作流。GitHub MCP 负责拉代码、Notion MCP 写文档、Slack MCP 发通知、搜索 MCP 做资料检索、数据库 MCP 存结果。五个 MCP，一个 Agent 链路，跑起来感觉很爽。
然后账单来了。
你看到一个数字，心里咯噔一下。但更难受的不是数字本身，而是你完全不知道这钱是怎么花出去的。是 Notion 的文档生成太啰嗦？还是搜索 MCP 被反复调用了十几次？还是某段 Prompt 写得太差，导致 Agent 来回确认？
你不知道。你只能猜。
这就是「黑箱烧钱」的本质：不是钱多钱少的问题，是你对自己的系统完全没有掌控感。 这种感觉会让你下意识地收缩——少用、少搭、少尝试。结果是，AI 工具的潜力被你的焦虑提前截断了。
/usage 命令，正是为了解决这个问题而来的。
---
/usage 到底给你看什么？
直接说重点。/usage 命令在 Claude Code 的 Session 内运行，输出三层信息：
第一层：当前 Session 的累计消耗
Session Total
─────────────────────────────
Input tokens: 124,832
Output tokens: 18,204
Cache reads: 89,120
Cache writes: 35,712
Estimated cost: $0.87
这是总账，但只是起点。真正有价值的在下面。
第二层：每个 Agent 的 token 分布
Agent Breakdown
─────────────────────────────
orchestrator 42,100 tokens ($0.31) ████████░░ 36%
code-reviewer 38,400 tokens ($0.28) ███████░░░ 33%
doc-writer 28,600 tokens ($0.21) █████░░░░░ 25%
notifier 6,200 tokens ($0.07) █░░░░░░░░░ 5%
你第一次看到，原来 code-reviewer 这个 Agent 几乎和 orchestrator 一样贵。
第三层：每个 MCP 工具的调用次数与成本占比
MCP Tool Usage
─────────────────────────────
github_search 23 calls ~18,400 tokens
notion_write 8 calls ~12,800 tokens
web_search 31 calls ~24,600 tokens
slack_notify 5 calls ~3,100 tokens
database_query 12 calls ~9,200 tokens
这一层才是关键。 粒度到了工具级别，你才能真正做决策。
/usage 的核心差异不是「有没有账单」，而是分项账还是总账。总账只告诉你结果，分项账才告诉你原因。
---
实际影响 ① ——你终于知道该砍掉哪个 MCP
数据出来之后，很多人会有一个瞬间的「哦，原来是这样」。
比如，你发现 web_search 调用了 31 次，消耗了整个 Session 约 36% 的 token，但你回头看任务结果，这个搜索 MCP 真正贡献了多少？也许只是给 Agent 提供了几条背景信息，而这些信息完全可以提前整理成一个静态文档，一次性注入上下文。
这就是「MCP 性价比」的思维框架：
| 评估维度 | 问题 | | 调用频次 | 这个 MCP 被调用了多少次？ | | 单次消耗 | 每次调用平均消耗多少 token？ | | 任务贡献 | 它实际影响了多少个任务的完成质量？ | | 可替代性 | 能不能用静态数据、缓存或更轻量的方式替代？ |一个 MCP 占了 60% 成本但只贡献了 10% 的任务完成量，你才有底气做取舍——不是凭感觉说「这个好像没用」，而是数据支持的决策。
小结论： 看见成本结构，才能做有依据的 MCP 取舍。装了就不管，是最贵的用法。
---
实际影响 ② ——Agent 编排从「感觉对」变成「数据对」
多 Agent 协作是 Claude Code 的核心玩法，但也是成本最难控制的场景。
一个典型问题：你的 orchestrator 为什么这么贵？
在没有 /usage 之前，你只能猜。有了分项数据，你可以定位到具体环节：
用户输入
→ orchestrator（分析任务，生成子任务列表）
→ code-reviewer（每个文件单独调用一次）
→ doc-writer（基于 review 结果写文档）
→ notifier（发 Slack 通知）
/usage 显示：code-reviewer 被调用了 12 次，每次都是独立的上下文，没有任何缓存复用。
优化后的链路：
用户输入
→ orchestrator（批量整理文件列表，一次性传入）
→ code-reviewer（批处理，单次调用处理多文件）
→ doc-writer（基于缓存的 review 结果写文档）
→ notifier（合并通知，单次调用）
结果：同样的任务，code-reviewer 的调用次数从 12 次降到 3 次，整体 token 消耗体感上下降明显——而且输出质量没有任何损失，因为批处理让 Agent 有了更完整的上下文视角。
这个优化不是靠直觉做出来的。是因为 /usage 告诉你「code-reviewer 调用了 12 次」，你才知道问题在哪。
/usage 最大的工程价值。
小结论： 哪个 Agent 是成本大头，哪段 Prompt 导致了反复调用——可见性让优化有了着力点。
---
实际影响 ③ ——用量可见之后，你才能真正「预算化」AI 开发
这是很多开发者没有意识到的心智跃迁。
「用多少算多少」和「我计划花多少」，是两种完全不同的开发心态。前者是被动的，后者是主动的。
成本可见之后，你可以开始做月度 AI 预算规划。下面是一个简单的模板思路：
## 月度 AI 开发预算表（示例）
| Agent / MCP 类型 | 预计月调用次数 | 单次 token 估算 | 月度预算上限 |
| 代码审查 Agent | ~200 次 | ~3,000 tokens | $15 |
| 文档生成 Agent | ~50 次 | ~5,000 tokens | $8 |
| 搜索 MCP（web） | ~300 次 | ~800 tokens | $6 |
| 数据库查询 MCP | ~150 次 | ~500 tokens | $3 |
| 通知类 MCP（Slack等）| ~500 次 | ~200 tokens | $2 |
| 月度总预算 | | | $34 |
这个表格不需要很精确，但它强迫你做一件事：在花钱之前，先想清楚这钱要花在哪。
有了 /usage 的实测数据，你可以在第一个月跑完之后，回来校准这个表格。第二个月，你的预估会更准。第三个月，你开始真正掌控自己的 AI 开发成本。
/usage 给了个人开发者同样的能力。
---
如果你想在建立成本意识的同时，灵活控制 API 支出，可以看看 [api.884819.xyz](https://api.884819.xyz)——按量计费，没有月租和订阅，支持 Claude、GPT、Deepseek 等主流模型，国产模型完全免费。在你摸清自己的用量习惯之前，这种「用多少算多少」的方式，正好配合你刚刚建立起来的预算意识。新用户注册即送体验 token。
小结论： 从「用多少算多少」到「我计划花多少」，是开发者用 AI 的成熟标志。/usage 是这个跃迁的起点。
---
现在就去跑一次
不用等到下次账单来了才后悔。
在你当前的 Claude Code Session 里，输入 /usage，看看你的 MCP 成本结构。
你可能会发现一个让你意外的数字。那个意外，就是优化的起点。
---
/usage 解决了「看见成本」的问题。
但下一个问题是：看见之后，怎么系统性地压缩它？
下一篇我们会拆解——在不降低 Agent 完成质量的前提下，有哪些 Prompt 结构和 MCP 调用策略，能让同样的任务少烧大量 token。不是靠降质量换成本，而是靠更聪明的调用方式。
关注，不错过。
---
本文由8848AI原创，转载请注明出处。关注8848AI，带你从零开始学AI。#Claude #AIAgent #MCP #Claude Code #AI开发 #成本优化 #8848AI #AI工具
