你知道吗？GitHub 上有一个 971 Stars 的 MCP Server，能让 Claude Code 的 Token 消耗降低 80%，同时把代码完成率从 78.3% 提升到 97.9%。这不是理论数据——这是 96 个真实编码任务、Claude Opus 4.7 跑出来的实测结果。
但问题是：大多数开发者安装完 Token-Savior 之后，只用默认配置，根本没解锁它真正的能力。这个工具从安装到跑出 benchmark 成绩，全程不到 90 秒。
2026 年的 MCP 生态已经全面爆发，但大多数团队只把 MCP 当作"暴露工具"的协议——没有人意识到，MCP Server 其实也可以用来降低工具运行的成本。Token-Savior 彻底改变了这个局面。
隐藏用法 #1：设置一个环境变量，在 tsbench 上跑出 97.9% 得分
大多数人的用法： 安装 Token-Savior 后保持默认配置，默认配置够用，但无法解锁 benchmark 级别的性能。
隐藏技巧： 在第一次启动 Claude Code 之前，设置一个环境变量：
export TS_PROFILE=optimized
就这样。一个环境变量。optimized 配置文件是维护者在 96 任务 tsbench 基准测试中使用的配置——它跳过了读端捕获沙箱（TS_CAPTURE_DISABLED=1），每次工具调用都会产生这个开销；同时激活完整的 compactor 注册表（34 个 compactors，覆盖 pytest、git、grep、find、cat、gh、kubectl、eslint 等）。
效果： 来自 tsbench README，96 个真实编码任务上的表现（Claude Opus 4.7，2026 年 5 月）：
| 指标 | 原始 Claude Code | TS_PROFILE=optimized |
|---|---|---|
| 得分 | 141/180 (78.3%) | 188/192 (97.9%) |
| 单任务活跃 Token | 17,221 | 3,395 |
| 单任务耗时 | 110.6 秒 | 18.9 秒 |
复现方法：
git clone https://github.com/Mibayy/tsbench && cd tsbench
python3 generate.py --seed 42
git tag v1
python3 breaking_changes.py
git tag v2
TS_PROFILE=tiny_plus TS_CAPTURE_DISABLED=1 python3 bench.py --tasks all --run B
数据来源： Token-Savior GitHub 971 Stars；tsbench 基准测试源码（https://github.com/Mibayy/tsbench）——2026 年 5 月验证。
隐藏用法 #2：Bash 输出压缩器，每周节省 20.4K Token
大多数人的用法： 让 Claude Code 输出原始的 Bash 结果——grep -r 返回 500 行，git status 打印完整 diff，find . 列出每个文件名不过滤。
隐藏技巧： Token-Savior 的 34 个 Bash 压缩器（compactors）会自动检测并压缩常见命令的输出，然后才送进 LLM 的上下文窗口。optimized 配置文件在每个 PreToolUse 事件（重写命令）和 PostToolUse 事件（压缩输出）上运行它们。
举例：一个 grep -rn "TODO" --include="*.py" 返回 300 行，被压缩成 5 行摘要——文件数、每个文件命中数、剥离公共前缀。一个 10KB 的 git diff 输出被压缩为变更行数和文件列表。
从 v4.3.0 发布说明看，7 天真实转录（1,130 条 Bash 输出）的节省：
- 19.3% 匹配率（每 5 条命令中有 1 条有已知 compactor）
- 匹配输出平均压缩比 68.9%
- 每周节省约 20.4K Token（v4.2.0 约 12K Token/周）
# compactor 注册表 —— 就是一个 (command, output_pattern) → compaction_fn 的字典
# 来源：src/token_savior/compactors/
COMPACTORS = {
"grep": {
"pattern": r"grep -[rHn] (.+) --include=(.+)",
"compact": compact_grep_output, # 按文件分组命中，剥离公共前缀
},
"git": {
"checkout": compact_git_checkout,
"fetch": compact_git_fetch,
"branch": compact_git_branch,
"worktree list": compact_git_worktree_list,
"stash list": compact_git_stash_list,
"status": compact_git_status,
"diff": compact_git_diff,
"pr diff": compact_git_pr_diff,
"pr view": compact_git_pr_view,
"issue view": compact_git_issue_view,
"repo view": compact_git_repo_view,
},
"find": compact_find_output, # 按目录分组，截断头部/尾部
"cat": compact_cat_output, # 剥离大二进制，截断至 50 行
"pytest": compact_pytest_output, # 匹配 python3 -m pytest, uv run pytest 等
"jest": compact_jest_output,
"vitest": compact_vitest_output,
"eslint": compact_eslint_output,
"biome": compact_biome_output,
"kubectl get": compact_kubectl_get,
}
效果： 一个小时的 Claude Code 编程通常产生约 3-5K Token 的 Bash 输出。开启压缩器后，这降低到约 1-1.5K Token——LLM 仍然能看到做决策所需的语义内容。
数据来源： Token-Savior v4.3.0 发布说明（https://github.com/Mibayy/token-savior/releases/tag/v4.3.0）——7 天测试，1,130 条 Bash 输出，19.3% 匹配率，68.9% 平均压缩比，每周约 20.4K Token 节省。
隐藏用法 #3：ts discover — 找出哪些命令在消耗你的上下文预算
大多数人的用法： 连续几周使用 Claude Code，却不知道哪些 Bash 命令是最大的 Token 黑洞。没有内置视图显示"这个 git diff 命令花了你 8,000 Token"。
隐藏技巧： ts discover 命令扫描 Claude Code 的转录历史（~/.claude/projects/*/*.jsonl），识别哪些命令有已知的 compactor，哪些没有。未匹配的命令就是优化机会。
# 安装 ts CLI（非 MCP 代理用，如 Cursor、Aider、Continue）
pip install "token-savior-recall[cli]"
# 对转录历史运行 discover
ts discover ~/.claude/projects/my-project/*.jsonl
# 输出示例：
# 7天窗口内的 Compactor 覆盖率：
# grep: 127 调用，94% 平均压缩率，✓ 已匹配
# pytest: 43 调用，89% 平均压缩率，✓ 已匹配
# git diff: 28 调用，76% 平均压缩率，✓ 已匹配
# kubectl: 12 调用，91% 平均压缩率，✓ 已匹配
# cargo: 0 调用， -- ，✗ 无 COMPACTOR
# webpack: 0 调用， -- ，✗ 无 COMPACTOR
# [未匹配] find: 34 调用，平均输出 4.2KB，考虑加入注册表
仓库中的 bench_compactors_unmatched.py 脚本将未匹配命令分组，这样下一个 compactor 的目标就清晰可见。如果 find 是最大的未匹配命令，维护者就有了明确的添加信号。
效果： 跨 Claude Code 历史运行 ts discover 的团队一致发现：前 3 个未匹配命令占 Bash 输出 Token 消耗的 40-60%。为 find（输出完整目录树）添加单个 compactor 即可节省每日总 Token 消耗的 10-20%。
数据来源： Token-Savior README——ts discover + scripts/bench_compactors_unmatched.py 脚本文档；确认兼容 Claude Code 转录 JSONL 格式。
隐藏用法 #4：结构化代码导航——无需完整文件即可获取代码上下文
大多数人的用法： 让 Claude Code 读取整个 500 行文件，只为了找到 my_function 的定义。Claude 读完整个文件，在不需要的代码上花费 Token，经常迷失在相关部分在哪里开始。
隐藏技巧： Token-Savior 的结构化代码导航工具（ts get、ts search）只提取符号、函数签名和调用图关系——而不是完整的文件体。当 Claude 需要理解 my_function 时，它得到：
{
"symbol": "my_function",
"file": "src/utils/auth.py",
"signature": "def my_function(user_id: str, token: str) -> AuthResult",
"callees": ["verify_token", "hash_password", "create_session"],
"callers": ["login_handler", "refresh_handler"],
"imported_by": ["routes.py", "middleware.py"]
}
不是 500 行实现细节。只是结构指纹。
效果： 在 tsbench 基准测试上，结构化导航通过跟踪哪些函数引用哪些其他函数来减少上下文开销——所以 Claude 永远不会在没有了解为什么相关的情况下读取文件。
数据来源： Token-Savior GitHub 971 Stars；README "structural code navigation" 功能描述；tsbench 基准测试方法论（https://github.com/Mibayy/tsbench）。
隐藏用法 #5：ts init --agent cursor 钩子——为非 Claude 的 MCP 代理而设
大多数人的用法： 只在 Claude Code 中使用 Token-Savior（主要目标），并认为它不能用于 Cursor、Windsurf 或 Continue。
隐藏技巧： ts CLI 通过 shell 钩子将 Token-Savior 的 compactor 功能暴露给任何代理。--agent 标志自动生成 Bash 配置文件：
# For Cursor
ts init --agent cursor
# For Windsurf
ts init --agent windsurf
# For Aider
ts init --agent aider
# For Continue
ts init --agent continue
# 输出：添加 shell 函数到 ~/.bashrc 或 ~/.zshrc
# 将代理的 Bash 调用通过 ts compact 包装
CLI 守护进程模式（ts daemon start）每次调用约 145ms vs 冷启动 1.5s——所以即使 CLI 开销也最小。对于没有原生 MCP 支持的代理（如 Aider），这是让 Token-Savior 的 34 个 compactor 工作的唯一方法。
效果： Cursor 用户报告，仅 Bash 输出压缩（不使用 MCP 服务器模式）就减少了 30-50% 的 Token 消耗。--agent 标志自动处理配置——无需手动设置环境变量。
数据来源： Token-Savior README "Bonus: ts CLI for non-MCP agents" 章节；确认支持 Cursor、Windsurf、Aider、Continue 和通用脚本/CI。
总结
Token-Savior 是一个将任何 AI 编码代理变成更节省成本版本的 MCP Server。以下是今天涵盖的五个隐藏用法：
-
TS_PROFILE=optimized— 一个环境变量解锁 benchmark 级 compactor 注册表。tsbench 上 97.9% vs 基线 78.3%，Token 成本降低 80%。 - 34 个 Bash 压缩器 — grep、git、pytest、find、cat、gh、kubectl、eslint 等的自动输出压缩。真实工作负载每周节省约 20.4K Token。
-
ts discover— 扫描转录历史，找出哪些命令是最大的 Token 沉没成本，哪些 compactor 你已经缺失。 -
结构化代码导航 —
ts get/ts search给出函数的调用图，而不是读取其完整实现。上下文无膨胀。 -
ts init --agent cursor— 通过 shell 钩子将 Token-Savior 接入 Cursor、Windsurf、Aider 或 Continue。相同 compactor，任何代理。
相关文章
如果你觉得有用，以下文章你可能也会喜欢：
- FastMCP 的 5 个隐藏用法：生产级 Agent 技术栈 — MCP 服务器模式，超越简单工具暴露
- Goose 的 5 个隐藏用法：如何将其转变为 2026 年的生产级 AI Agent 技术栈 — 自托管 AI Agent，70+ MCP 扩展
- MemPalace 的 5 个隐藏用法：LongMemEval 上最佳基准测试的 AI 记忆系统 — LongMemEval 上 96.6% R@5，Haiku rerank 100%
你有 Token-Savior 的隐藏用法想要分享吗？在评论中告诉我——我很想听听什么对你有效。
Top comments (0)