3.5 Token 预算管理

Claude Code 维护精细的 Token 预算追踪：

输出 Token 预留（按模型）

getModelMaxOutputTokens()（src/utils/context.ts）按模型返回默认值和上限：

模型	默认 max_output_tokens	上限（upperLimit）
Opus 4.6	64,000	128,000
Sonnet 4.6	32,000	128,000
Opus 4.5 / Sonnet 4.x / Haiku 4	32,000	64,000
Opus 4 / 4.1	32,000	32,000
Claude 3.7 Sonnet	32,000	64,000
Claude 3 Sonnet、3.5 Sonnet/Haiku	8,192	8,192
Claude 3 Opus / Haiku	4,096	4,096

未命中的模型走兜底 MAX_OUTPUT_TOKENS_DEFAULT；可通过 CLAUDE_CODE_MAX_OUTPUT_TOKENS 环境变量覆盖。思考 Token 预算不再是一张固定表：getMaxThinkingTokensForModel() 已标记 deprecated，实现只是返回 upperLimit - 1，新模型改用自适应思考（adaptive thinking）而非严格的思考预算。

Token 估算算法

tokenCountWithEstimation()（src/utils/tokens.ts）是上下文大小估算的核心函数。它的设计原则是从不调用 API——避免网络延迟对压缩决策的影响。

核心思路可以用一个类比来理解：假设你今早称了体重是 75 公斤，此后吃了一顿午饭。你不需要再次上称——估计 75.5 公斤就足够好了。 tokenCountWithEstimation() 的"体重秤"是 API 返回的 usage 数据（服务端精确计算的 Token 数），"午饭"是此后新增的少量消息。

算法逻辑：

export function tokenCountWithEstimation(messages: readonly Message[]): number {
  // 1. 从消息末尾向前查找，找到最近一条有 API usage 数据的消息
  let i = messages.length - 1
  while (i >= 0) {
    const usage = getTokenUsage(messages[i])
    if (usage) {
      // 2. 向前跳过同一 API 响应的分裂记录（相同 message.id）
      //    并行工具调用可能将一个响应拆成多条消息
      const responseId = getAssistantMessageId(messages[i])
      if (responseId) {
        let j = i - 1
        while (j >= 0) {
          if (getAssistantMessageId(messages[j]) === responseId) {
            i = j  // 锚定到同一响应的最早记录
          } else if (getAssistantMessageId(messages[j]) !== undefined) {
            break   // 遇到不同的 API 响应，停止
          }
          j--
        }
      }
      // 3. 用 server 报告的 token 数作为锚点，加上后续消息的粗略估算
      return getTokenCountFromUsage(usage) +
             roughTokenCountEstimationForMessages(messages.slice(i + 1))
    }
    i--
  }
  // 4. 如果没有任何 usage 数据（如会话刚开始），完全靠字符串长度估算
  return roughTokenCountEstimationForMessages(messages)
}

关键洞察：每次 API 响应都自带 usage 数据（包含 input_tokens、output_tokens、cache tokens），这是 server 端精确计算的结果。tokenCountWithEstimation() 把这个精确值作为锚点，只对锚点之后的新消息（通常只有几条工具结果）做粗略估算。估算按字符数 ÷ 4，即每 token 约 4 字节；密集 JSON 里单字符 token 多，改用 ÷ 2 的更保守比率。

这比完全靠客户端估算精确得多（误差从可能的 30%+ 降到通常 <5%），同时又不需要额外的 API 调用。

Task Budget 跨压缩结转

每次压缩前捕获 finalContextTokensFromLastResponse()，压缩后从剩余量中扣除。这确保跨压缩的 Token 预算连续性——压缩会"替换"消息，但 server 看到的只是压缩后的摘要，不知道压缩前的上下文有多大。taskBudgetRemaining 告诉 server：这些 Token 已经被"花掉"了。

// query.ts — 循环级别的 remaining 追踪
let taskBudgetRemaining: number | undefined = undefined
// 每次 compact 时：
//   taskBudgetRemaining -= finalContextTokensFromLastResponse(messages)