Spotify将Claude Code账单降低90%，并开源了所用工具

Spotify 公司将 Claude Code 的费用降低了 90%，之后他们把用到的工具作为开源项目发布出来，来实现这一目标。

思路很简单：编码智能体日常工作的大部分内容都是读写文件，并不需要高级模型的全部能力。

比如，Claude 会读取 5 个文件来回答一个只和其中 1 个文件有关的问题，或是编写测试文件时要读取已经存在的近 20 个文件。而所有这些工作，当前模型的能力都远远超出任务需求。

下面是你下次运行智能体之前可以参考的几个要点：

第一：大部分 token 消耗都用在了常规工作上。比如读取文件、编写重复测试、配置文件、更新文档。这些任务通常并不需要和解决复杂代码问题同等级别的思考能力。

第二：解决方法就是把任务分配给合适的模型。常规任务交给成本更低的模型，他们在测试中使用了 Gemini 2.5 Flash。能力更强的模型负责处理需要它能力的任务。

为了实现这一点，他们做了两个模块：一个读取文件并返回要点摘要，另一个直接在文件中编写常规代码。这样一来，Claude 就不需要接收全部文件内容，也就减少了需要处理的 token 量。

第三：只靠写指令来分配任务是不够的。第一次尝试是把规则写在配置文件里，但模型读完之后就直接忽略了。真正能运行的版本是用了一个带钩子的插件，在高成本读取发生之前就拦截阻止它。

但这种方法也有局限。修改代码、调试、架构决策在分配任务时需要更谨慎。在他们的测试中，便宜的模型可能会漏掉和线程安全相关的细节问题，而更强的模型几秒钟就能发现它。

对我来说，这里最重要的思路是，模型选择可以在同一个工作流内按单个任务粒度进行。

读取、总结、编写重复代码部分的需求，和诊断 bug 或是做系统设计决策的需求完全不同，基于这个分配工作就能极大改变成本。

插件链接放在评论区！

提醒大家，我的新书《Hands-On LangChain》八折优惠活动仍在继续。购书可以通过网站使用优惠码：399GT67，或是通过 InstaPay 支付 250 埃及镑，付款至号码：01126776621。购书链接在评论区！