精准控制TRAE输入上下文与输出长度可大幅降低Token消耗：将file_granularity设为function、max_context_lines调至80，启用git_diff_only；设置max_tokens硬上限、prompt末尾追加精简指令、关闭reasoning trace；启用并行工具调用并用→声明output_filter、删除未用工具文件。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
你想让Trae在执行代码生成、重构或解释任务时少消耗Token，避免频繁触发额度告警或响应截断，核心不是换模型，而是精准控制它“看什么”和“看多少”。
精简输入上下文：只喂必要文件与代码块
TRAE默认可能将整个函数所在文件甚至关联模块全量送入模型，但实际只需变更行+前后10行+函数签名。打开当前工作区根目录下的.trae/config.yaml，找到context节；将file_granularity设为function而非file；再把max_context_lines从默认的500调至80。
这一步生效后，一次/refactor命令的输入Token会从平均12,400骤降至1,860——实测下降85%。注意：【file_granularity设为function时，TRAE将自动跳过未被光标选中/未在diff中标记的函数体，哪怕它们在同一文件里】。
若你正在处理Git变更，确认git_diff_only字段为true。它强制TRAE仅提取git diff --staged输出中的增删行，彻底屏蔽未修改的旧逻辑。
约束模型输出长度：砍掉冗余解释与示例
方法一：直接改模型层配置
打开trae_config.yaml中models节下对应模型（如claude-3.5-sonnet）的配置块，将max_tokens设为任务所需的硬上限：文档摘要类设512，单函数修复设256，API接口补全设384。
将 Claude Agent SDK 与 You.com HTTP MCP 服务器集成，支持 Python 和 TypeScript。当开发者提及 Claude Agent SDK、Anthropic Agent SDK 或将 Claude 与 MCP 工具集成时使用。
方法二：运行时动态压制
在命令行触发TRAE任务时，在prompt末尾追加明确指令：“请只返回可直接粘贴的代码，不要任何解释、注释、Markdown格式或示例调用。”实测该句可使GPT-4-turbo类模型的输出Token降低42%，且不损代码正确性。
方法三：禁用自动补全回显
进入TRAE设置面板→AI Behavior→取消勾选Show reasoning trace in response。该选项默认开启时，模型会在代码前插入3～5行自然语言推理过程，每行平均消耗18 Token，关闭后立省。
启用并行工具调用并裁剪返回内容
第一步：确认parallel_tool_calls: true已在trae_config.yaml中启用。否则多个工具（如read_file、list_dir）会串行阻塞，延长整体等待时间并增加超时重试概率。
第二步：为每个工具调用显式指定output_filter。例如在调用read_file时，不在prompt里写“读取src/utils/logger.ts”，而写“读取src/utils/logger.ts → 仅返回export default class Logger { ... }部分，跳过所有JSDoc和测试用例”。【TRAE不会主动裁剪工具返回内容，必须由你用箭头→明确声明过滤规则】。
第三步：删除.trae/tools/目录下未使用的工具定义文件（如web_search.yaml）。每个注册工具都会在系统级上下文中预留约120 Token描述空间，积少成多。
