ทำไมโทเคนถึงหมดเร็วกว่าที่คิด ภาพรวมรูรั่วที่คนมองไม่เห็น
Claude token optimization คือการจัดการการตั้งค่าและพฤติกรรมการใช้ Claude เพื่อให้ใช้โทเคนเท่าที่จำเป็น ลดข้อความส่วนเกินในพรอมต์ ลดคำสั่งระบบที่ล้าสมัย และหลีกเลี่ยงบทสนทนาที่ยืดยาวโดยไม่ช่วยงาน เป้าหมายคือทำให้แต่ละเซสชันตอบโจทย์งานได้มากที่สุดต่อโทเคนที่ใช้ ช่วยลดการใช้ token ประหยัดค่า AI และรักษา AI productivity budget ให้ไปกับงานสำคัญแทนคำสั่งที่ไม่จำเป็น ความเข้าใจผิดใหญ่คือคนส่วนมากคิดว่าโทเคนหมดไปกับพรอมต์ที่ตนเองพิมพ์เท่านั้น แต่การตั้งค่า Claude Code หลายอย่างกินโทเคนตั้งแต่เริ่มเซสชันแม้ยังไม่ได้พิมพ์อะไรเลย การไม่สนใจส่วนนี้คือการปล่อยให้มีรูรั่วในงบ AI productivity budget แบบเงียบๆ มุมมองสำคัญอีกข้อคือคำสั่งระบบและสคริปต์ scaffolding ไม่ได้เป็นข้อกำหนดนิรันดร์ แต่เป็นบันทึกข้อบกพร่องของรุ่นโมเดลเก่าที่ถูกอ่านซ้ำทุกครั้งที่เรียกใช้งาน เมื่อโมเดลฉลาดขึ้น บางส่วนกลับกลายเป็นภาษีหรือ scaffolding tax ที่เสียโทเคนไปเรื่อยๆ โดยแทบไม่ได้เพิ่มคุณภาพคำตอบเลย
ตัวดูดโทเคนลับจากการตั้งค่า Claude Code ที่ต้องรีบอุด
ใน Claude Code มีตัวดูดโทเคนที่ทำงานอัตโนมัติโดยผู้ใช้ส่วนใหญ่ไม่รู้ตัว ตั้งแต่ไฟล์ CLAUDE.md ไปจนถึง MCP servers และงานที่ตั้งเวลาล่วงหน้า ทุกอย่างนี้ถูกโหลดเข้า context ตั้งแต่เริ่มเซสชันและกินโทเคนทันที หากไม่เคยตรวจสอบเลย คุณกำลังเสียโทเคนไปกับข้อมูลที่ไม่ได้ช่วยงานตรงหน้าอย่างเงียบๆ ตัวอย่างชัดคือ CLAUDE.md ที่เก็บ custom instructions ซึ่ง Claude Code โหลดทั้งหมดในทันทีที่เปิดเซสชัน ไม่ว่าพรอมต์นั้นจะเกี่ยวข้องกับคำสั่งในไฟล์หรือไม่ ผลคือทุกงานต้องจ่าย “ภาษี” โทเคนให้ไฟล์นี้เสมอ ทางออกคือออดิทเนื้อหาใน CLAUDE.md เอาสิ่งที่เป็นงานหรือโปรเจกต์เฉพาะออกไปแปลงเป็น skills แทน เพื่อลดข้อมูลถาวรที่ต้องอ่านซ้ำทุกครั้ง MCP servers ก็เป็นอีกจุดที่แอบกินโทเคน เพราะเซิร์ฟเวอร์เหล่านี้เริ่มทำงานตั้งแต่ก่อนคุณพิมพ์ข้อความแรก การติดตั้งเพิ่มตามงานและลืมปิดทีหลังทำให้มีหลายเซิร์ฟเวอร์รอฟังตลอดเวลา แม้บางงานไม่ได้ใช้เลย การสั่ง /mcp เพื่อดูแล้วปิดเซิร์ฟเวอร์ที่ไม่จำเป็นคือวิธีลดการใช้ token ที่จับต้องได้โดยไม่ทำลายเวิร์กโฟลว์หลัก
ภาษีจากระบบพรอมต์และ scaffolding ทำไมให้น้อยแล้วได้มากกว่า
เมื่อโมเดลฉลาดขึ้น การแบกคำสั่งระบบยาวๆ กลายเป็นต้นทุนที่ไม่คุ้มค่า ทุกบรรทัดใน system prompt และ rules file ต้องถูกอ่านซ้ำทุกครั้งที่เรียกใช้ ทำให้เสียโทเคน เสียสมาธิของโมเดล และบางครั้งยังทำให้เกิดความขัดแย้งในตรรกะการตอบ นี่คือ scaffolding tax ตัวจริงที่หลายทีมยังไม่เคยนั่งคำนวณ มีตัวอย่างชัดเจนจากผู้สร้าง Claude Code ที่ลบ system prompt มากกว่า 80 เปอร์เซ็นต์ แต่ประสิทธิภาพบนการทดสอบการเขียนโค้ดยังไม่ลดลง ประโยคที่ควรจำคือ “Anthropic deleted 80%+ of Claude Code's system prompt with no eval loss” ซึ่งตีความได้ตรงๆ ว่าโมเดลรุ่นใหม่ไม่ต้องการคำสั่งฟื้นฟูนิสัยรุ่นเก่าอีกต่อไป การแบกคำสั่งเหล่านี้จึงเป็นแค่ภาษีโทเคน ฝั่งการวัดผลจากอีกค่ายก็ชี้ไปทางเดียวกัน เมื่อทดลองใช้พรอมต์ที่กระชับขึ้น พบว่า eval scores เพิ่มขึ้นราว 10–15 เปอร์เซ็นต์ขณะที่โทเคนลดลง 41–66 เปอร์เซ็นต์ และต้นทุนก็ลดลงในช่วง 33–67 เปอร์เซ็นต์ นี่คือหลักฐานตรงว่าการลดคำสั่งและวลีฟุ่มเฟือยคือการ Claude token optimization ที่ได้ทั้งคุณภาพและลดการใช้ token ในคราวเดียว
5 นิสัยใช้ Claude ที่ทำให้เสียโทเคนโดยไม่รู้ตัว และวิธีปรับใหม่
รูรั่วโทเคนไม่ได้มาจากการตั้งค่าเท่านั้น แต่ยังมาจากนิสัยการคุยกับ Claude ที่ดูเหมือนดีแต่กลับทำร้าย AI productivity budget แบบเงียบๆ หลายคนชอบแก้คำตอบผิดของ Claude ซ้ำแล้วซ้ำอีก จนบทสนทนายาวและสับสน ทุกข้อความแก้ไขถูกเพิ่มเข้า context ทำให้โมเดลต้องตีความทางเดินของคำสั่งที่แย่ลงเรื่อยๆ แนวทางที่มีเหตุผลกว่าคือย้อนกลับไปแก้พรอมต์ต้นฉบับเพื่อให้ Claude ได้ลองใหม่จากคำสั่งที่สะอาดกว่า ซึ่งเป็นฟีเจอร์ที่หลายคนมองข้าม อีกนิสัยหนึ่งคือปล่อยให้บทสนทนายาวเกินจำเป็นเพราะคิดว่ามีข้อมูลเยอะแล้วดี แต่ context ที่ยาวไม่เท่ากับ context ที่มีประโยชน์ โมเดลเห็นข้อมูลได้มากขึ้นก็จริง แต่ไม่ได้หมายความว่าคุณอยากให้ทุกอย่างนั้นมีผลต่อคำตอบถัดไป การเริ่มแชตใหม่บ่อยขึ้นกลายเป็นข้อดี เพราะหน้าเปล่าทำให้คำสั่งปัจจุบันมีน้ำหนักมากขึ้นโดยไม่ต้องต่อสู้กับประวัติการคุยเก่า การใช้ Projects ก็เช่นกัน มีประโยชน์มากเมื่อโมเดลต้องใช้พื้นหลังเดิมช่วยงานต่อเนื่อง แต่ถ้าอยากไอเดียแบบไม่ติดกรอบเดิม เช่นห้องเปล่าที่อยากได้แนวคิดใหม่ การแชตสดๆ ที่ไม่ดึงบริบทเดิมเข้ามามักให้ไอเดียหลากหลายกว่า จุดร่วมของนิสัยที่ควรเลิกคือการคิดว่าทุกบริบทและทุกการแก้ไขควรถูกเก็บไว้ ซึ่งในทางโทเคนและคุณภาพคำตอบกลับตรงกันข้าม
ปรับ Claude ให้เบาแต่คม ใช้โทเคนอย่างมีสติแทนให้มันไหลทิ้ง
เมื่อเห็นภาพรวมของตัวดูดโทเคนทั้งจากการตั้งค่าและนิสัยการใช้งาน คำตอบจึงไม่ใช่การปิดทุกฟีเจอร์แบบเหมารวม แต่คือการเลือกอย่างมีสติว่าอะไรจำเป็นต่อเวิร์กโฟลว์จริงๆ และอะไรเป็นภาษีที่ติดมาจากยุคโมเดลเก่า ผู้เขียนที่ตรวจการใช้ Claude Code พบว่าการปิดเซิร์ฟเวอร์ MCP ที่ไม่ได้ใช้ การจัดระเบียบ CLAUDE.md และการบริหารงานที่ตั้งเวลาช่วยลดการใช้ token ได้แม้จะเป็นเพียงหลักไม่กี่พันโทเคน แต่เมื่อนับสะสมก็กลายเป็นการประหยัดค่า AI ที่มีนัยสำคัญในระยะยาว อย่างไรก็ตามไม่มีสูตรเดียวที่ใช้ได้กับทุกคน การตั้งค่าต่างๆ เช่น MCP หรือ skills บางตัวอาจจำเป็นกับเวิร์กโฟลว์เคสเฉพาะ การลดการใช้ token ต้องเริ่มจากการเข้าใจงานของตนเองก่อนว่าอะไรช่วยให้เร็วขึ้นและอะไรแค่ทำให้ระบบยุ่งขึ้น สิ่งที่ควรทำร่วมกันคือปรับพรอมต์ให้ lean ลงตามข้อเท็จจริงที่แสดงแล้วว่าพรอมต์สั้นและชัดเจนให้ผลลัพธ์ดีขึ้นและต้องใช้โทเคนน้อยลง ท้ายที่สุด การ Claude token optimization ไม่ใช่งานเทคนิคสูง แต่เป็นทักษะการตั้งคำถามที่คม ขยันออดิทคำสั่งระบบ และกล้ากดเริ่มแชตใหม่เมื่อบริบทเริ่มขยายจนเกินประโยชน์ เมื่อคุณให้ข้อมูลแทนให้แรงกดดัน โมเดลจะทำงานได้เต็มศักยภาพในงบโทเคนที่เล็กลงและเป็นมิตรกับ AI productivity budget ของคุณมากขึ้น
