Codex 终极省 Token 方法：我实际跑过的一套配置

用 Codex 写代码，最明显的感受就是：好用，但烧 Token。

我之前一直用 gpt-5.6-sol + xhigh。难题挺稳，问题是改个小配置、搜几处代码也全程满功率，额度掉得比活儿快。

看完那篇讲模型分流的公众号文章，我照着改了一遍，又把 RTK、Ponytail 和 Caveman 都跑了跑。下面这套就是最后留下来的。

一、先看懂 Codex 的 Token 花在哪

很多人只盯着主模型。其实一条任务跑下来，主线程、/review、子 Agent、Shell 输出和 MCP 塞进来的上下文，都会吃 Token。

主线程决定日常开销；/review 只有手动调用才会跑；子 Agent 能省时间，但每个 Agent 都有自己的上下文，总 Token 往往更高。日志、JSON、搜索结果如果整段灌进对话，也很容易把上下文撑胖。

所以我现在的思路是：模型先分工，命令输出先压缩，代码能少写就少写。Caveman 这种更激进的方案，跑完对照再决定。

二、Codex 终极省 Token 方法

第一步：配置主模型和 Review

先改 ~/.codex/config.toml：

model = "gpt-5.6-sol"
model_reasoning_effort = "high"
review_model = "gpt-5.6-terra"

主线程还是 Sol，只把默认推理从 xhigh 降到 high。日常开发够用，碰到复杂任务再临时拉高。

review_model 只管 /review，不会自动给每个任务加一轮审查。官方配置文档就是这么定义的。

service_tier、自动压缩阈值和自定义 provider 我都没动。只嫌回答太长，可以先试 Codex 原生选项：

codex -c 'model_verbosity="low"'

改配置前先备份，改完跑检查：

cp ~/.codex/config.toml ~/.codex/config.toml.bak
codex doctor --summary --no-color --ascii

我这里 config、auth、state 和 threads 都通过了。MCP、网络警告要单独看，配置加载成功不等于整个环境全绿。

另外，我用的是 ChatGPT 登录。这里说的省 Token，主要是少占上下文、少撞限额、少等模型长考，不能直接拿 API 价目表换算省了多少钱。

第二步：配置子 Agent

[agents]
max_concurrent_threads_per_session = 3
default_subagent_model = "gpt-5.6-terra"
default_subagent_reasoning_effort = "medium"

子 Agent 默认用 Terra Medium，并发最多 3 个。它省的是单个 Agent 的开销，总 Token 通常还是会上升，因为每个 Agent 都要单独推理、读文件、跑工具。OpenAI 的子代理文档也提醒了这一点。

第三步：用 RTK 压缩命令输出

RTK 专门压缩 Shell 输出。测试只展开失败项，git status 只留有用状态，搜索结果按文件分组，重复日志直接折叠。原命令照常执行，排错时还能回看完整输出。

安装并接入 Codex：

brew install rtk
rtk init -g --codex --dry-run
rtk init -g --codex
rtk init --show --codex

Codex 里的 RTK 依赖 AGENTS.md + RTK.md 指令，让模型主动使用 rtk git status 这类命令。当前这条接入路径没有透明 Hook 强制改写。RTK 的说明也标注为 prompt-level guidance。

我机器上目前记录了 559 条命令：原始输出估算 753.1K Token，过滤后 466.7K，少了 286.8K，显示 38.1%。

这个比例只代表命令输出，而且是 bytes / 4 估算。我这份数据还被几次超长 ps 和 git pull 拉高了。它能证明 RTK 确实删掉了大量噪声，证明不了 Codex 总开销下降 38.1%。

平时看看这两个就够：

rtk gain
rtk discover --all --since 7

后一个会找出还在裸跑的 find、curl、git log 等命令。

第四步：用 Ponytail 少写代码

Ponytail 管的是 AI 最后写进仓库的代码。

需求只要日期选择，AI 很容易装组件库、包组件、加样式。Ponytail 会先查现有代码、标准库和平台原生能力。浏览器的 <input type="date"> 够用，就停在这里。

它不会为了少几行代码删掉输入校验、安全处理或无障碍，也要求 Bug 尽量从公共入口修。

Codex 安装：

codex plugin marketplace add DietrichGebert/ponytail
codex plugin add ponytail@ponytail

重启后去 /hooks 检查它的 Hook。Codex 中这样用：

@ponytail lite
@ponytail full
@ponytail-review

我会先用 lite，合拍以后再开 full。ultra 适合专门清理过度设计，不适合长期全局开。

它的公开 benchmark 用 Claude Code、Haiku 4.5 跑了 12 个功能任务，报告平均少写 54% 代码、少用 22% Token。完整报告

这数字很吃任务。日期选择器这种容易造轮子的需求收益大，已经很短的 CRUD 几乎没变化。自己用时看 git diff、依赖数量和返工次数。

不合适就卸掉：

codex plugin remove ponytail

第五步：Caveman 先测再开

Caveman 现在有三块：缩短回答的 Skill、压输入的本地代理，以及分析历史用量的 learn。

我会先装 CLI，只跑 learn：

npm install -g @caveman-ai/cli
caveman telemetry off
caveman setup --install
caveman status
caveman learn

learn 会在本地只读扫描 Codex 等工具的历史，先告诉你上下文肥在哪里。想让 Codex 根据报告提修改方案，再运行：

caveman learn implement codex

回答压缩 Skill 的安装方式是：

npx skills add JuliusBrussee/caveman --skill '*' -a codex --yes

但 Caveman 自己的 Honest Numbers 写明，这个 Skill 每轮大约增加 1～1.5K 输入 Token。原本回答就很短时，它可能越省越贵。先试 model_verbosity="low"，再决定要不要装。

本地代理这样启动：

caveman codex
caveman trial -- codex
caveman trial report

找一个固定 commit 和固定任务，分别用直接 Codex、caveman codex 跑新会话。比较正确性、轮数、恢复调用、总 Token 和时间。

Caveman 仓库公布的 33.2% 输入减少，来自 Claude Code 和几组固定的大型工具输出。报告里有一个 HTML 用例反而多用了 9.9%，原始运行产物也没公开，目前无法独立复现。报告原文

当前仓库不同文档对 Codex 命令压缩的接入方式还有出入，所以启动成功以后仍要看 status 和实际命令结果。

许可证也要留意：Skill、CLI 等部分是 MIT；Engine、Proxy、Browse、MCP 等运行时是 BSL-1.1，变更日期前属于 source-available。

第六步：关掉暂时用不到的 MCP

不用的 MCP 我没有删除，只是先关掉：

[mcp_servers.example]
enabled = false

需要时再开。某个 MCP 只用得到几个工具，就配 enabled_tools 白名单。

子代理也一样。小任务不开；大仓库里确实有两三条独立调查线，才交给 Terra Medium 并行。这样主要省时间，总 Token 多半会上升。

三、我现在实际怎么用

普通任务：Sol high + RTK。
容易过度设计：加 Ponytail lite/full。
超长日志和 JSON：先 RTK，仍然太大再试 Caveman。
高风险改动：测试后手动 /review。
大仓库探索：最多 2～3 个 Terra Medium 子代理。

别一次把所有东西打开。固定同一个任务，每次只增加一个变量，先看任务做对没有，再看 Token、时间、代码量和返工次数。

我会长期保留模型分流和 RTK。Ponytail 按任务用，Caveman 等自己的对照数据说话。

省 Token 最怕走到最后，先装出一套比 Codex 还复杂的系统。

本文核验于 2026-08-25。相关版本：Codex 0.147.0、RTK 0.45.0、Ponytail 4.9.0。