Claude Code 混用子代理类型可能推高缓存成本
作者检查 Claude Code 会话日志后发现,工具列表或系统提示的变化会截断可复用的提示前缀。日志中,接在通用代理之后启动的自定义代理未命中缓存,每次写入约 5.9 万个令牌。
AI 深度解读
Claude Code 的子代理会听从 CLAUDE.md 里的省钱规则吗?作者翻了一周日志,发现自己要求构建、测试和提交使用便宜模型,最终只有约 14% 的子代理请求落到了 Sonnet。缓存也有类似问题:看似并行协作的代理,可能正在各自重复支付启动成本。
这篇记录最有用的地方,是把「应该会生效」拆成了可检查的配置、Token 数和请求日志。但缓存优化只有四轮实验,费用也是按 API 标价折算,不能直接当成订阅套餐的省钱承诺。
并行启动子代理,为什么可能重复付费?
提示缓存(prompt cache)能复用请求中相同的前缀,减少重复处理。按照原文给出的价格,缓存写入需要支付普通输入的 1.25 倍,Opus 5.5 的缓存读取则只需普通输入的二十分之一。
因此,五个代理启动时,如果第一个写入缓存,后四个复用,就有节省空间。但前提是请求前缀相同。缓存依次匹配工具、系统提示和消息,任何位置变化,都会打断后续匹配。
作者的日志里,在 general-purpose 代理之后启动的自定义代理,首次请求读取缓存为 0,写入约 59K tokens;一次已有部分缓存的启动仍写入约 30K。按 Opus API 标价折算,作者估计混用类型时每个代理的这类成本约为 14 美分。
他们在 OmnisSwarm 0.7.0 中采用的办法很直接:同类型代理分批起跑,先启动一个,等它开始回答,再放行其余代理。
11 月 15 日上线后,作者在 15 至 18 日做了四轮实验:
- 被延迟启动的代理,首次请求全部读取到 19K 至 33K tokens 的缓存,命中情况为 7/7。
- 先启动的代理,每次缓存读取都是 0。
- general-purpose 代理首次请求的缓存写入,从 60K 降到 27K。
代价是等待。第一轮约等了 2 秒;如果先启动的代理卡住,其他代理会在 4 分钟后放行。作者没有测试同类型超过 3 个代理同时启动,也没有测量这对订阅额度的实际影响。
这项优化依赖同类型代理共享前缀,也需要用启动延迟换缓存复用。
缓存时间越长,就越划算吗?
作者统计了 11 月 1 至 10 日的流量:主会话向 1 小时缓存写入 21.7M tokens,子代理向 5 分钟缓存写入 62.4M tokens。按 API 价格计算,缓存写入分别对应 $174 和 $288。
问题出在等待。子代理等一个慢构建,超过缓存有效期后再继续,就可能重新写入整段内容。
但延长有效期也要加钱:1 小时缓存写入价格是普通输入的 2 倍,而 5 分钟缓存是 1.25 倍。Claude Code issue #110403 中的 sindrehenriksen,根据自己四周的流量计算,结果接近盈亏平衡。按照原文转述,只有约 40% 的写入发生在间隔 5 至 60 分钟之后,延长缓存才开始划算。
所以要先统计请求间隔。频繁连续调用的代理,未必需要长缓存;经常等待构建完成的代理,才更值得检查。这份阈值来自他人的流量分析,不能直接套到所有项目。
写进 CLAUDE.md,为什么仍然管不住模型?
作者此前建议用 CLAUDE_CODE_SUBAGENT_MODEL 把子代理交给 Sonnet。有人随即指出:研究任务也降级,会不会失去使用 Fable 的意义?
原文列出的模型选择优先级,从高到低是:
- Claude 启动子代理时显式传入的模型。
- 代理文件里的
model字段。 CLAUDE_CODE_SUBAGENT_MODEL环境变量。- 主会话当前使用的模型。
环境变量可以兜底,研究代理则在自己的文件中设置 model: fable。但代理文件仍可能被启动时的显式参数覆盖。
如果要统一锁定,Claude Code v2.1.257 及以后提供了 CLAUDE_CODE_SUBAGENT_MODEL_FORCE=1,让所有子代理使用环境变量指定的模型。运行中的实际模型可以通过 /tasks 查看。
作者自己的问题恰好在这里:没有固定模型,只在 CLAUDE.md 中要求主会话对构建、测试和提交使用便宜模型。11 月 13 至 20 日,共 1,799 次子代理请求,其中 Sonnet 256 次、Opus 1,537 次、Haiku 6 次。作者据此把规则的执行情况概括为约 14%。
不过,原文没有进一步列出各模型承担了哪些任务,因此这个比例能证明 Sonnet 使用较少,不能严格证明每一项符合降级条件的任务是否违规。
自然语言规则是给模型的指示,强制配置才限制它能做出的选择。
我的判断
作者最值得借鉴的是检查实际行为,而不是继续往提示词里补要求。
但几组数字必须分开看。11 月 13 至 20 日的请求,按 API 价格折算是 $501,其中 Opus 5.5 占 $475;作者实际支付的是固定订阅费。这些数字能描述模型用量结构,不能证明改配置后每月就能省下相应现金。
固定模型也有取舍。按任务在代理文件里配置,能保留研究与机械执行的差异,但仍受更高优先级参数影响;强制环境变量更确定,却会统一覆盖所有子代理。原文没有给出降级后的质量、重试次数和完成时间对照,因此「便宜模型足够完成哪些任务」仍是待验证的经验判断。
评测部分同样提醒人别只看分数。发布 OmnisRouter 1.3.0 前,作者发现 LiveCodeBench 上一份 Opus 5.5 答案被误判失败,实际不到 1 秒就能通过全部测试,修正后成绩从 92% 变成 94%。此外,Python 3.14 相比 3.12 多通过了 9 份答案,原因涉及注解延迟求值:缺少 from typing import List 不再触发同样的失败。作者随后记录 Python 版本,路由选择没有变化。
文章还带有产品推广目的。OmnisRouter 一周新增 79 次下载,累计 371 次,但通往 OmnisVigil 注册页的可归因点击为 0。链接藏在日志里,Windows 托盘版又没有控制台;托盘按钮还缺少来源标记。因此,这个零无法单独证明用户没需求,连入口曝光和归因都没做好。外部注册连续 47 天为 0,则是另一项独立结果。
能拿来做什么
- 给 Claude Code 子代理调整模型前,先用
/tasks和日志确认实际选择;如果需要统一锁定,再检查版本是否支持CLAUDE_CODE_SUBAGENT_MODEL_FORCE=1。 - 对构建、测试和研究分别记录模型、完成结果与重试情况,再决定哪些代理适合 Sonnet,避免只比较单次 Token 单价。
- 如果同类型子代理经常同时启动,可以小范围测试错峰启动,同时记录缓存读取量和总耗时;不要把四轮实验直接推广到大规模并发。
- 复查自己的 AI 编程评测时,把运行时版本纳入记录。Node 项目也可以沿用这个检查思路,确保不同批次的成绩具有可比性。