# 影片筆記：Never Hit Claude Code Usage Limits Again

## 一句話總結

透過理解 Claude Code 的快取（Caching）機制與計費邏輯，並結合 `clod.md`、自訂技能、特定外掛（Plugins）及離線研究工具，有效將上下文使用量控制在低比例，從而避免觸發訂閱限制並大幅降低 Token 成本。

## 核心重點

1.  **快取機制是節省成本關鍵**：Claude Code 不會跨回合記住用戶，每次互動都會重新發送所有歷史對話。系統識別已存在的「前綴」（Prefix）僅對新增內容收費，但快取讀取並非免費。
2.  **上下文使用量需嚴格控制**：建議將上下文使用量控制在 **20-25%** 以下，以避免高昂的快取讀取費用累積及模型效能下降。
3.  **避免快取失效操作**：
    *   避免在會話中途切換模型（如 Sonnet 與 Opus 之間切換）。
    *   避免在會話中途更改「努力層級」（Effort Level）。
    *   保持互動在每則提示後一小時內，防止快取過期（TTL 為一小時）。
4.  **結構化知識管理**：
    *   使用 `clod.md` 檔案自動注入專案上下文，避免重複解釋。
    *   建立外部記憶系統（如 Obsidian）管理專案知識。
5.  **利用外掛與工具優化效率**：
    *   使用自訂技能（Custom Skills）打包重複任務。
    *   使用 **Caveman** 外掛減少冗長輸出。
    *   使用 **Ponytail** 外掛讓 AI 編碼更「懶惰」，減少程式碼行數與 Token。
    *   使用 **Codex** 外掛分流至 OpenAI 模型進行程式碼審查。
    *   使用 **Notebook LMPi** CLI 將重度研究任務離線至 Google 伺服器（Gemini），節省 Claude 訂閱額度。

## 詳細大綱

### 一、 Claude Code 核心運作原理與計費邏輯
*   **無跨回合記憶**：模型不具備跨回合記憶，每次發送新訊息時，都會將之前的所有對話內容重新發送給模型。
*   **快取機制（Caching）**：
    *   系統識別哪些是已存在的「前綴」（Prefix）。
    *   僅對新增內容收費。
    *   若前綴中的任何資訊發生改變，或超過一小時未互動導致快取無效，用戶將需為整個上下文窗口重新支付全額費用。
*   **計費邏輯**：
    *   API 快取讀取費用為 0.1x。
    *   訂閱方案的快取讀取比例未公開，但並非全額收費。
    *   累積的快取讀取成本仍會隨回合增加。

### 二、 節省成本與效率的技巧（Tip 1 - Tip 6）
1.  **Tip 1：使用 `clod.md` 檔案**
    *   自動注入專案上下文。
    *   避免重複解釋技術堆疊、規則與任務。
    *   建立方式：使用 `/init` 指令或描述需求。
2.  **Tip 2：控制上下文使用量在 20-25% 以下**
    *   監控方式：使用狀態列或 `/context` 指令查看視覺化數據。
    *   解決方案：當接近限制時，生成「交接檔案」（Handoff file）與「會話恢復提示」（Session resume prompt）。
    *   進階：使用名為 `handoff` 的技能（Skill）。
3.  **Tip 3：保持互動在每則提示後一小時內**
    *   Claude Code 請求一小時 TTL（Time To Live）。
    *   超過一小時未互動會使快取無效，導致下次提示需支付全額上下文費用。
4.  **Tip 4：避免在會話中途切換模型**
    *   切換模型（如 Sonnet 至 Opus）會使快取失效。
    *   建議策略：使用高階模型（Opus/Fable）制定計劃，然後切換至執行模型，避免中途來回切換。
5.  **Tip 5：避免在會話中途更改努力層級（Effort Level）**
    *   更改努力層級同樣會使快取失效。
6.  **Tip 6：建立適當的記憶系統**
    *   使用 Obsidian 等軟體建立知識圖譜。
    *   結構化資料夾（工作資料夾、子資料夾）。
    *   將 Obsidian 資料夾指向 Claude Code，使其能準確找到資訊。

### 三、 進階工具與外掛優化（Tip 7 - Tip 11）
1.  **Tip 7：建立自訂技能（Creating Custom Skills）**
    *   核心價值：節省 Token、最大化個人化價值。
    *   方法：將特定主題的豐富資訊打包，使其可重複使用。
    *   推薦工具：Anthropic 官方技能「Skill Creator」。
    *   操作流程：解釋需求 -> AI 提問與測試 -> 評估觸發條件 -> 安裝為斜線指令（Slash Command）。
    *   建議：複製螢幕上的提示詞，讓 Claude 分析過去 10-20 個會話，找出重複任務並轉為技能。
    *   安裝方式：執行 `/plugins`，在 Discover 標籤頁找到並安裝（建議選擇 User Scope）。
2.  **Tip 8：使用 Caveman 外掛**
    *   目的：減少 Claude Code 冗長的輸出（Verbose）。
    *   效果：保持相同答案，但輸出 Token 最多減少 65%（實際體驗可能較少，但確實有減少）。
    *   原理：讓 AI 編碼代理者像「穴居人」一樣說話（簡潔有力）。
    *   驗證：透過對比實驗顯示，使用 Caveman 後的回應長度顯著短於未使用時。
3.  **Tip 9：使用 Ponytail 外掛**
    *   目的：讓 AI 編碼代理者盡可能「懶惰」，避免寫出不必要的程式碼。
    *   效能指標（相較於無技能基準）：
        *   程式碼行數減少 54%
        *   Token 減少 22%
        *   成本減少 20%
        *   時間減少 27%
    *   運作邏輯（階層檢查）：
        1.  檢查是否真的需要新功能？
        2.  程式碼庫中是否已有現成解決方案？
        3.  能否用單行程式碼解決？
        4.  若以上皆否，才寫下完成任務所需的最小程式碼量。
4.  **Tip 10：使用 Codex 外掛**
    *   適用對象：已訂閱 OpenAI 的使用者。
    *   功能：在 Claude Code 生態系統中使用 Codex，將任務分流至 GPT 模型。
    *   優勢：GPT 模型成本顯著低於 Anthropic 模型，且競爭激烈（提及 GPT 5.6 已發布）。
    *   操作：安裝後執行 `/codex` 查看指令。
    *   推薦功能：Codex Adversarial Review（對抗性審查），深入檢查程式碼庫中的安全漏洞。
5.  **Tip 11：離線重度研究任務至 Google 伺服器 (Notebook LMPi)**
    *   工具：Notebook LMPi CLI。
    *   功能：在 Claude Code 命令列中執行深度網路研究、生成資訊圖表（Infographics）與簡報（Slide Decks）。
    *   優勢：
        *   研究流程、子代理者（sub-agents）通常極耗 Token，此工具可免費（利用 Google 伺服器）處理。
        *   底層為 Gemini，可存取 YouTube 影片轉錄稿等豐富資訊，這是 Claude Code 單獨無法做到的。
    *   案例：使用 Notebook LMPi CLI 研究 GPT 5.6 SOL 與 Claude Fable 5 的對比，並生成資訊圖表，全程未消耗 Claude 的 Token 或計劃限制。

## 工具 / 模型 / 名詞整理

*   **Claude Code**：主要使用的 AI 編碼工具。
*   **Claude / Anthropic**：模型與開發公司。
*   **Opus 4.8**：提及的高階模型。
*   **Sonnet**：提及的模型版本。
*   **Fable**：提及的模型名稱（疑點）。
*   **Obsidian**：用於建立知識圖譜的外部記憶系統。
*   **clod.md**：用於自動注入專案上下文的檔案（疑點）。
*   **handoff**：技能（Skill）名稱，用於生成交接檔案。
*   **Skill Creator**：Anthropic 官方提供的技能，用於建立自訂技能。
*   **Caveman**：外掛，用於減少冗長輸出。
*   **Ponytail**：外掛，用於讓 AI 編碼更「懶惰」。
*   **Codex**：外掛，用於分流任務至 OpenAI 模型。
*   **OpenAI**：提供 GPT 模型的公司。
*   **GPT models / GPT 5.6**：OpenAI 的模型系列（疑點）。
*   **Notebook LMPi**：CLI 工具，用於離線重度研究。
*   **Google servers / Gemini**：Notebook LMPi 使用的底層伺服器與模型。
*   **Claude Fable 5**：提及的模型名稱（疑點）。
*   **SOL**：在模型對比中出現的名詞（疑點）。
*   **marked-in files**：描述 Obsidian 功能時出現的名詞（疑點）。
*   **CLODs**：逐字稿中出現的名詞（疑點）。
*   **clod api**：逐字稿中出現的名詞（疑點）。
*   **clod code**：逐字稿中出現的名詞（疑點）。
*   **cloud code / CloudCode**：逐字稿中出現的名詞（疑點）。

## 操作流程整理

1.  **初始化專案上下文**：
    *   使用 `/init` 指令或描述需求，建立 `clod.md` 檔案。
    *   將專案設定、技術堆疊、規則與任務存入該檔案，避免每次重新解釋。
2.  **監控與控制上下文**：
    *   使用狀態列或 `/context` 指令監控上下文使用量。
    *   確保上下文使用量保持在 20-25% 以下。
    *   若接近限制，生成「交接檔案」（Handoff file）與「會話恢復提示」（Session resume prompt）。
3.  **建立與安裝自訂技能**：
    *   執行 `/plugins` 進入 Discover 標籤頁。
    *   安裝「Skill Creator」技能。
    *   讓 Claude 分析過去 10-20 個會話，找出重複任務。
    *   評估觸發條件，將重複任務打包為技能並安裝為斜線指令（建議選擇 User Scope）。
4.  **安裝與使用優化外掛**：
    *   安裝 **Caveman** 外掛以減少冗長輸出。
    *   安裝 **Ponytail** 外掛以減少程式碼行數與 Token。
    *   安裝 **Codex** 外掛，並執行 `/codex` 進行程式碼審查（對抗性審查）。
5.  **執行離線研究任務**：
    *   使用 **Notebook LMPi CLI**。
    *   執行深度網路研究、生成資訊圖表與簡報。
    *   確認任務由 Google 伺服器（Gemini）處理，不消耗 Claude 訂閱額度。
6.  **維持會話穩定性**：
    *   避免在會話中途切換模型或更改努力層級。
    *   確保每則提示後在一小時內進行互動，防止快取過期。

## 值得注意的限制或風險

1.  **快取過期風險**：若超過一小時未互動，快取無效，下次提示需支付全額上下文費用。
2.  **上下文過滿風險**：上下文使用量過高（超過 25%）會導致模型效能下降，且累積的快取讀取成本高昂。
3.  **模型切換風險**：在會話中途切換模型（如 Sonnet 至 Opus）會使快取失效。
4.  **努力層級變更風險**：在會話中途更改努力層級會使快取失效。
5.  **成本分流限制**：使用 Codex 外掛分流至 OpenAI 模型需已訂閱 OpenAI，且需確認 GPT 模型的成本優勢與競爭狀況。
6.  **離線工具依賴**：Notebook LMPi 依賴 Google 伺服器與 Gemini 模型，需確認其免費或低成本政策是否持續。

## 逐字稿辨識疑點

*   **clod.md**：逐字稿中多次提及此檔案名稱，通常此類專案設定檔為 `.cursorrules` 或 `.clinerules` 等，但逐字稿明確聽寫為 `clod.md`，故保留原樣。
*   **CLODs**：逐字稿中提到 "CLODs do not disclose publicly..."，疑為 "Claude" 或 "Anthropic" 的口誤或聽寫錯誤。
*   **clod api**：逐字稿中提到 "clod api"，疑為 "Claude API" 的口誤。
*   **clod code**：逐字稿中多次出現 "clod code"，疑為 "Claude Code" 的口誤。
*   **cloud code / CloudCode**：逐字稿中出現 "CloudCode" 與 "Cloud Code"，疑為 "Claude Code" 的口誤。
*   **marked-in files**：逐字稿中描述 Obsidian 功能時提到 "marked-in files"，疑為 "Markdown files" 的口誤。
*   **mid-session**：逐字稿中多次使用 "mid-session"，意指會話中途。
*   **forward slash plugins**：口語表達，指執行 `/plugins` 指令。
*   **forward slash codex**：口語表達，指執行 `/codex` 指令。
*   **GPT 5.6**：目前公開資訊中 GPT 版本編號通常為 3.5, 4, 4o 等，"5.6" 可能為口誤或特定內部/未來版本名稱，依規則保留原樣。
*   **Claude Fable 5**：逐字稿中出現此模型名稱，與常見模型名稱（如 Claude 3.5 Sonnet, Opus 等）不符，可能為聽寫錯誤，依規則保留原樣。
*   **SOL**：在 "GPT 5.6 SOL versus Claude Fable 5" 中，"SOL" 語意不明，可能為聽寫錯誤（如 Sonnet?），依規則保留原樣。
*   **Obsidian RAG system**：逐字稿中提及此名稱，疑為 Obsidian 的 RAG（檢索增強生成）系統功能描述。
*   **clod.md (Obsidian 相關)**：逐字稿中多次出現此名稱，結合上下文（Obsidian、專案地圖、知識庫規則），極大機率為 **Obsidian.md** 或特定專案名稱的聽寫錯誤，但依規則保留原樣。

## 可延伸追問

1.  `clod.md` 的具體格式與內容範例為何？
2.  如何精確計算上下文使用量的百分比？狀態列的視覺化數據如何解讀？
3.  `handoff` 技能生成的「交接檔案」與「會話恢復提示」的具體結構是什麼？
4.  Caveman 與 Ponytail 外掛在實際編碼場景中的衝突或協作方式為何？
5.  Codex 外掛分流至 OpenAI 模型時，如何確保程式碼審查的準確性與安全性？
6.  Notebook LMPi CLI 生成的資訊圖表與簡報的品質與客製化程度如何？
7.  快取過期的一小時 TTL 是否可調整？若不可調整，如何自動化維持會話活躍？
8.  切換模型（如 Sonnet 至 Opus）時，是否有無縫切換的技巧或工具？
9.  努力層級（Effort Level）的具體選項與對快取影響的詳細機制為何？
10. 如何評估自訂技能（Custom Skills）的觸發條件以避免誤觸發或漏觸發？