先看见再省：Thinker 裁上下文 + CodeBurn 拆账单

先看见再省：Thinker 裁上下文 + CodeBurn 拆账单

上周写过 《复杂 Harness 不如多想？Surge +「Harness 买 token」对照》：固定模型时，换脚手架的过关率往往掉进重跑噪声，账单却能差约 3×。那篇的实用句是——Harness 更像成本杠杆，thinking / 模型更像质量杠杆。

这一篇往下半步：在你还没决定「拧哪根旋钮」之前，先把重复上下文和账单结构看见。 两件开源工具刚好卡在这条链路上：

• Thinker：裁掉反复付费的旧工具结果、帮你审 AGENTS.md / CLAUDE.md，并把会话学到的笔记本地缓存起来。
• CodeBurn：读本机各 agent 会话文件，把「月账单一个总数」拆成项目 / 模型 / 任务。

说明：文中数字、示例与基准均据 Thinker 官网/文档、作者 Show HN、CodeBurn README 转述；本文未在本机安装实测，也不编造本机账单。自家 780 只作轻对照。两者都是开源早期产品，星标与对接工具数会变，以仓库与官网为准。

一、为什么「先看见」比「先优化」更值钱

独立开发者撞额度，常见叙事是两句：

1. 「这周 Max 又见底了，是不是要再买一层 Pro / 再换一家 harness？」
2. 「我装了 30 个 skills，应该更省事、更省 token 了吧？」

780 已经提醒过：多装不一定更强，更不一定更省。缺的往往不是另一套编排，而是两张可核对的图：

先看见，你才知道该裁「重复上下文」、该降「未调用 MCP」、还是该拧 thinking。看不见就优化，很容易把噪声当杠杆。

二、Thinker：三板斧打在「重复上下文」上

Show HN（item?id=50383228，作者 yoavshmariahu）里的动机很具体：即使有 Max，也常在周中撞 Claude 额度，再切到 Codex / Cursor，又要重新适应另一套 harness。作者认为 prompt cache 只是创可贴，更大的病是 context bloat——尤其是：

1. 子任务早已结束的工具输出（文件读、Bash、MCP），后面每一轮还在背着；
2. CLAUDE.md / AGENTS.md 越堆越大，却不清楚哪一节真的被用到——而这一节的每个 token，会乘上会话里的每一次模型调用。

Thinker 的产品页与文档把对策收成三条（据 how-it-works、docs）：

1. Context compression：在支持的 agent 上，自动清掉过旧的工具结果，留给近期与当前轮；
2. Instruction analysis（Find Savings）：按你自己的会话，标出指令文件 / skills / MCP 里「贵且少用」的部分，你审再改；
3. Knowledge cache：会话结束时蒸馏短笔记，下次相关任务直接塞指针，少搜一轮。

安装入口据文档是：

npx thinkersh

要求 Node 20+、git、curl、tar，以及受支持的 coding agent。装在 ~/.thinker，按各 agent 自己的 settings 接线；首次报告可读最近 30 天、最活跃五个仓库的会话，生成该报告本身不需要模型调用（据 docs）。

1. 账单结构：为什么「读同一段上下文」也能烧钱

How-it-works 用 Claude Opus 5.5 价表做示意（文内写明 Checked November 4, 2026；并反复强调 illustrative economics, not measured savings）：

同一页的会话示意：一项任务 20 次模型调用，每次约 10¢，合计约 $2；其中 cache reads 约 80¢——「只是再读同一段上下文」。计数例子：200k cached tokens × 20 calls = 4M input tokens 被读。

重点不在记住 80¢，而在结构：便宜的 cache read 乘上次数，仍然可以是大头。 这和 780 里「短 preamble ≠ 小账单、步数会吃掉前言」是同一张发票的不同切面。

2. 裁一次要付 rewrite；少 input ≠ 一定更便宜

文档原话几乎该裱起来：

Fewer input tokens do not guarantee a lower bill: cache rewrites and extra reads also count.

How-it-works 的压缩示意：每轮携带约 200k tokens，示例中砍到约 120k 保留；一次性 rewrite 约 +28.8¢，之后每轮约 -2.4¢，靠后续调用慢慢回本。作者在 HN 回复里说，成本估计默认按约 20 次调用回本，且偏保守；也承认会有「裁完又要再读」的情况，并继续调「等多久才算安全可裁」。

所以：Thinker 不是「无脑删历史」。Claude Code 路径上，本地 proxy 会用短提醒替换旧结果，并保护当前轮与近期结果；裁剪决策会考虑 prompt-cache rewrite 是否划算（据 docs）。可选的 per-tool output trimming（例如 thinker context --output-compression Read --level moderate）默认关闭，和自动清理是两回事。

3. Find Savings：先量「用没用」，再让你开 PR

文档里的指令浪费示意（示例数据，不是你的仓库）：48 sessions、2,500 prompts；某文件每 call 约 5,320 tokens，一周约 13.3M input，其中约 10.9M 标成 wasted。表里「Release process」每 prompt 1,460 tokens、Needed 仅 4%，浪费极高——这类才是优先下手的「大且几乎不用」。

动作路径据文档：

• thinker ui → Find Savings；
• 选 compress（模型压到约 1/3，要求保留规则/命令/路径）或 remove；
• 有 GitHub/gh 时开 PR 给你审；没有则改工作树里未提交的文件；
• 关 skills / MCP / 部分内置工具时，写回各 agent 自己的配置，并先备份到 ~/.thinker/state/harness-backups/。

正确性立场也很清楚：指令与工具的裁剪是你的选择；自动压缩另线运行。浪费是用量测量，不是「砍了一定不踩坑」的承诺；Find Savings 的 cuts 尚无对外宣称基准，基准主要在知识缓存一侧。

4. 知识缓存：18% / 10% 要连方法一起读

文档称：在真实任务上、有无 Thinker 对照，每个被测模型平均 18% 更少 input tokens / 任务，墙钟约 10% 更短。紧跟着的限定必须一起抄：

• knowledge-cache benchmarks：每臂一轮，不同模型用不同任务集；
• 不衡量 Find Savings 那类 cuts；
• 另有 15% holdout（按 session id + turn 哈希），用你自己仓库的 transcript 比「有笔记 vs 无笔记」的 per-prompt 成本。

笔记存在 .thinker/local/（git ignore），默认本地；学习/校验走你已有的 agent 登录。遥测可关：THINKER_TELEMETRY=off 或配置 "telemetry": false。

仓库：yoavshmariahu/thinker（MIT）。本文抓取时星标仍很低——按开源早期产品对待，对接矩阵以 README 的 agent 表为准（Claude Code 上压缩最完整；Cursor / Codex 等能力面不同）。

三、CodeBurn：月总额拆不开，就谈不上「浪费」

CodeBurn（AgentSeal，MIT）把问题说得更直：

Your bill gives you a month total. It does not break that down by project, by model or by task, and it does not show which part of it was wasted.

做法：各工具本来就会写会话文件；CodeBurn 读本地文件、按价表算账，给出 tool / model / project / task 拆分。Task 类别（coding / debugging / planning 等）据文档是从工具用法与消息规则确定性归类，不另开模型。

六十秒入口：

npx codeburn

亦可 npm install -g codeburn 或 Homebrew。安装页要求 Node.js 22.13+（以 installation 为准）。无账号、无注册；箭头键切换时间窗，p 切换工具。

当前 README 宣称对接约 42 款工具（GitHub 简介有时仍写 37——以 README 为准，且会变）。常见家族都在列：Claude Code、Cursor、Codex、Gemini CLI、OpenCode、Devin 等。

1. 看见之后才能修

订阅用户要特别注意文档口径：美元数是按 API 价表折算的等价物，不是发票。token 对多数工具是测得的；Cursor 等部分路径会标 estimated。价格来自 LiteLLM，约日更一次。

隐私立场：CLI 默认不外发；桌面/菜单栏可有匿名遥测（可关）。它不是代理——明天坏了，你的 agent 仍正常。

2. 和 Thinker 的分工（不要混成一个产品）

两者有重叠（都盯过长指令、闲置 MCP），但一个偏账本，一个偏运行时减肥。先 CodeBurn 定位浪费面，再 Thinker（或手工）动刀，通常比反过来更稳。

四、一条「看见→裁剪」样例流程（示意，非本机实测）

把工具命令串成一条最小闭环，方便周末两小时做完。下列数字全部来自公开文档的示意/基准，用来标定「该看什么」；不要当成你机器上的结果。

1. 基线快照（10 分钟）
   npx codeburn → 记下：本月 API 等价总额、Top 项目、Top 模型、Top 任务类、最贵 3 个 session id。订阅用户再跑一次 codeburn quota（若已登录对应工具），看 5 小时窗与周窗还剩多少——撞墙常常是窗口问题，不是「今天突然变笨」。

2. 打开最贵会话（15 分钟）
   桌面点进 Sessions，或终端 codeburn sessions / codeburn context。优先看：tool-result 是否远大于 assistant 正文；compaction 是否频繁；是否同一文件被反复 Read。CodeBurn FAQ 原话大意：一小时只办五分钟事时，compaction 往往是信号。

3. 对照固定带宽（15 分钟）
   打开该仓库的 AGENTS.md / CLAUDE.md 与 MCP 列表。问三个是非题：

   • 过去一周有没有会话真的执行过这一节命令？
   • 这个 MCP 有没有被调用过一次？
   • 这一节是「规则」还是「过期复盘」？
     若已装 Thinker，用 Find Savings 的 Needed / Wasted 代替拍脑袋；文档示例里 Needed 4% 的大节，就是典型优先项。

4. 小刀试切（20 分钟）
   先关「从未调用的 MCP / skills」，或 compress 一节高浪费指令——一次只动一类。Thinker 路径走 PR；CodeBurn 路径用 optimize --apply 前先看备份与 diff。不要同一天又砍指令又开压缩又换模型，否则 Compare periods 读不出因果。

5. 回本观察（至少再跑若干同类任务）
   Thinker 示意里，一次 rewrite 约 +28.8¢、之后每轮约 −2.4¢，回本大约落在十余次调用量级；作者 HN 回复亦按约 20 次偏保守估计。你的任务若常常「开一轮就关」，压缩可能还没回本就结束——这时更该瘦的是每轮必带的指令与闲置工具定义，而不是猛裁短期会话。

6. 质量门闩仍单独留
   账单好看了，不代表 Zoom 密码不会提前发出。780 的验收教训继续有效：执行与验收拆开；<5 分的 harness 宣称先要 rerun。

五、接回 780：看见 → 再决定拧哪根旋钮

把 780 与本文叠在一起，独立开发者可以收成一条流水线：

1. 质量旋钮：同一任务先试更高 thinking / 更强模型（Surge 侧 thinking 抬升远大于插件那 2–3 分——据 780 转述）。
2. 账本旋钮：npx codeburn，看项目 / 模型 / 任务 / 最贵会话；optimize 列出闲置 MCP 与过长规则。
3. 上下文旋钮：若会话里 tool-result 与固定指令带宽占比吓人，再看 Thinker 的压缩与 Find Savings；同时盯 View Report 的美元，不只盯 input token。
4. Harness 旋钮：最后才谈复杂多 agent。780 的结论仍然成立——过关≈噪声时，别为 2 分去背 8× 编排。

也请避开两类「假省」：

• 把视频标题里的「五天烧 58 美元」一类数字当自己的真相——素材包已标待自测，本文不采用；
• 以为「input 少了 = 账单少了」——Thinker 文档已否；rewrite、重读、步数都会改序。

六、可执行自检（不必本周装完全部）

只读、可勾选：

1. 打开最近一张发票或订阅用量页：你能说出「哪个仓库、哪类任务」各占多少吗？说不出 → 先跑 npx codeburn（有会话文件的机器上）。
2. 点开本周最贵的一次会话：tool-result / 固定指令 / 真正新工作各大概多少？（CodeBurn context，或自己数 transcript。）
3. 列一张「每轮必带」清单：AGENTS.md 各节、已装 MCP、skills。过去 7 天实际调用过的打勾；从未调用的标「候选关掉」。
4. 若试用 Thinker：先看 Find Savings 的 high waste（大且几乎不用），compress 优先于 remove；合并 PR 前读 diff；用 View Report 看成本是否跟上 token。
5. 改配置后做 Compare periods：同一类任务改前改后各看一周——没有数字，就不宣称「优化成功」。
6. 订阅用户：记住 CodeBurn 美元是 API 等价；真正撞墙的是 5 小时 / 周窗口——quota 一类读数比「感觉」管用。
7. 敏感仓库：Thinker 可 thinker disable；两边都先读隐私页，再决定遥测开关。

极简对照表（自己填）：

七、结尾：省钱是验收问题，不是玄学

「Harness 买 token」之后，下一步不是再买一层更花哨的壳，而是：

• 用 CodeBurn 把月总额拆开，让浪费有名字；
• 用 Thinker 打重复上下文，但带着 cache rewrite 的账本意识；
• 质量仍优先交给 thinking / 模型 / 独立验收，而不是 17 个共享同一错误假设的 reviewer。

先看见，再省。看不见结构的优化，多半只是换了一种方式付钱。若你只带走一句话，就这一句：先用账本命名浪费，再用裁剪减少重复付费，最后才让 harness 去抢那可能落在噪声里的两三分。

参考

• Thinker How it works：https://thinker.sh/how-it-works
• Thinker Documentation：https://thinker.sh/docs.html
• Thinker See the data：https://thinker.sh/see-the-data
• Show HN: Thinker：https://news.ycombinator.com/item?id=50383228
• GitHub yoavshmariahu/thinker：https://github.com/yoavshmariahu/thinker
• CodeBurn GitHub：https://github.com/getagentseal/codeburn
• CodeBurn 文档总览：https://codeburn.app/docs
• 轻对照 · 本站 780：https://blog.zhoudw.vip/blog/780