Claude 烧光百亿 token 开发经验分享

书接上回，最近几日忙里偷闲（其实也不知道在忙什么，刚开学有些迷茫），正好刷到某音很多小伙伴晒出自己的token热力图，于是也回顾了一下暑假以来的 token 使用量——两百亿！也算是百亿穷翁了。平淡的掏出计算器，按 opus 25刀每一百万 token 的价格来算，200,000 乘以 25 —— 500 万刀？！好在买的是订阅套餐，自助量大管饱啊。Team 也买过，咸鱼也逛过，号也被封过，一路回想来，也算搓出点小玩意，能给大家伙分享一下经验与踩过的坑了。

1. Claude Code / Codex SSH 连接 GPU 服务器跑实验

这个算得上是我认为agent性价比最高的一项操作之一了。操作流程总的来说就是：

 1.拿到 GPU 服务器的 ssh 账号与密码（这个账号里面应该带有了 ip 地址，主机名）
 
 2.给 agent 发送账号密码，以及想要复刻的实验项目地址（这个可以是 github 的项目地址，也可以是自己本地的项目地址）
 
 3.然后直接：“claude，连接到这个服务器上帮我用 GPU 跑实验代码”

这里面有些问题需要注意：

1.服务器有多种形式，这里可以用各大平台租用的服务器，也可以用导师组里面给定的服务器，还可以直接白嫖 kaggle 的 API在 kaggle 上面跑自己的实验（这块难度比较大，之后可以考虑做成 skill）；数据集和模型需要给定 agent 下载地址，或者提醒它自己找，注意这里有些地址可能会下载很慢，需要让 agent 多找几个试试。

3.实验的成功与否取决于你自己在开始时观察到的思路以及方向，需要给 agent 定义好一个大的优化目标，还有整个实验你自己的理解，以及最终的交付目标，实验过程中的可视化分析等，这块描述的越清晰，最后的实验成功率越高。

4.要做好项目规范，以及失败预期。整个过程中需要规范好 agent 每次实验的产出，最好隔离目录，或者直接把代码复制，就像分库分表一样，不要让上一次的实验影响下一次；agent 在这个过程中可能会产生很多拍脑袋的思路，以至于很多次实验的效果都不理想，这个时候需要引导 agent 回头重新总结。

5.如果是租用的，一定要先开无卡启动（此时服务器中 GPU 不可使用）用来初始化服务器，配置实验环境以及改代码，这个可以节省至少一半的费用。

2. Claude Code / Codex SSH 软件项目开发

这绝对是 Agent 最强悍的用武之地，但也是最需要建立规范的场景，工程师的使用习惯会直接决定项目的上限。想要用好它，重点在于做好约束：

1. 规范文档的管理与存放，强制 Agent 每次行动产生的 Markdown 集中放到 docs 目录下，并以时间线命名子文件夹。这样能保证所有改动都被落实且有迹可循，避免切换会话后被迫重新铺陈上下文。同时，需求分析与代码实现两个过程要严格分离开来。

2. 建立严谨的测试规范，不能任由 Agent 写一些糊弄人的劣质测试，可以引入测试策略或需求分析相关的 Skill 来做约束。由于后端测试很容易遗漏 UI 交互与完整请求链的问题，必须引入基于 Playwright 的前端自动化测试作为最后一道质量防线。
3. 严控代码幻觉与参数冗余，Agent 为了追求表面上的准确度，经常会在 JSON 或接口传递中加入大量无关紧要的冗余字段，开发时必须强行要求它做极致的化简。

4. 厘清 Agent 系统开发中的提示词架构，当用 Agent 去开发另一个 Agent 系统时， Claude Code 本身并不擅长站在全局视角去撰写提示词，容易把工作流逻辑和功能代码混为一谈，这就需要我们在架构层面提前帮它做好角色与逻辑隔离。

5. 借力官方文档与既有 Skill，代码实现阶段一定要让 Agent 先去检索市面上的官方文档或成熟 Skill（比如 Docker、Redis 或 Graph 相关组件）。尽量保证 70% 以上的代码有据可依，而不是让 Agent 凭空“拍脑袋”生成，这样能直接斩断绝大部分杂乱的代码幻觉。

3. Claude Code / Codex SSH Vibe-coding 小产品

大家对这种模式应该再熟悉不过了，无论是做 PPT、个人博客，还是开发 Kaggle 打榜流程、垂类 AI 电商或者自动化科研脚本，Agent 都能帮我们以极高的效率把想法落地。不过随着项目越做越多，也有几个核心逻辑需要想通：

1. 把临时项目精炼成通用 Skill，代码本身其实并不贵重，如果项目做完就扔在文件夹里吃灰就毫无意义。更好的处理方式是将开发思路固化并抽取成可复用的 Skill，比如专门用来发布博客、生成视频讲解或者搭建网站骨架的 Skill，把单次研发转化为可沉淀的长期资产。
2. 用极限表达来倒逼项目逻辑，可以尝试用“30 秒电梯演讲”的形式向别人介绍项目，在极短时间内说清楚做了什么、解决了什么痛点以及核心难点在哪里。
3. 重点积累破局的思路与认知，就像好看的电影不单单只有“英雄救美”的结果，英雄战胜妖怪和克服困难的过程才是最精彩的部分。在 Vibe-coding 的过程中，最终的代码跑通只是结果，你在不断解决难题、规避坑点时总结出的经验和独立思考，才是最宝贵的收益。

总结

从 GPU 实验、软件开发到 Vibe-coding，Agent 已演变成深度协同伙伴。后续我将继续分享更多实战与硬核技巧：利用 Agent 打造 Claude 风格 PPT 等轻量小产品，在 Kaggle 与数模比赛中让 AI 自动化试错与调优的竞赛经验， LangGraph 工作流测评、以及通过“蒸馏书籍”赋予 AI 抽象能力以替代 RAG 等进阶工程实践。人机协同的核心始终在于让 Agent 承接高密度执行，由我们把控目标与架构，从而构建出真正高效的 AI 时代个人生产力闭环。