Edgee 使用教程 - Claude Code 省钱神器，三层压缩直降 50% 账单

引言

Claude Code 很强，但账单也很肉疼。一个编码任务动辄几十轮 API 调用，上百万 Token 来去自如，月底结算时看着数字心如刀割。

有没有办法在不损失效果的前提下，把账单砍一半？

有，它叫 Edgee。

Edgee 是一个 AI 网关，插在你和 LLM 提供商之间。它用三层正交压缩策略同时发力，在语义无损的前提下，将编码智能体的 Token 成本降低约 50%。Claude Code 照样用，Codex 照样跑，账单直接腰斩。

而且，它不止是压缩——还支持多模型路由、自动故障转移、团队归因分析。一个网关，解决「贵、慢、断」三大痛点。

核心原理：三层压缩，各打各的

Edgee Compressor V2 最厉害的地方在于，它不是用一种方法死磕，而是设计了 三种互不干扰的压缩策略，分别攻击请求的不同层级，效果可以叠加。

为什么要分三层？因为它们碰的是请求的不同部分——输出、前缀、历史——互不干扰，效果可以线性叠加。加起来，就是约 50% 的成本下降。

第一层：Brevity —— 砍掉最贵的 Token

为什么输出 Token 最贵？

在 Anthropic 的定价体系里，输出 Token 是最贵的。输入 Token 还有缓存折扣（cache_read 只要 1/10 价格），但输出没有任何优惠，实打实按全价算。

而编码智能体在干活时，输出里有大量的「计划叙述」——模型在解释它要做什么、为什么这么做、下一步打算怎么做。这些话对任务结果毫无影响，但占了输出 Token 的一大半。

Brevity 怎么做的

很简单，也很聪明：告诉模型别说废话，直接干活。

模型该做的工具调用一个不少，该生成的代码补丁一个不差，唯一的区别是——它不再 narrate（叙述）自己的计划了。

没有了「我来看看这个问题...」「首先我需要...」「接下来我会...」「让我先检查...」之类的铺垫。直接出工，直接交付。

实测数据（SWE-bench Lite，Agent 模式）

Edgee 团队用非常严谨的实验方法验证了效果：

• 6 个代表性 SWE-bench Lite 任务，Agent 模式（单条自主提示词驱动完整会话）
• 每组 2 次重复实验，随机排序消除缓存偏差
• 每次重复注入 nonce 确保冷启动，避免缓存优势
• 配对符号检验 + Bootstrap 95% 置信区间

结果：6/6 任务全部 Edgee 胜出

为什么用中位数不用平均数？因为中位数更保守，对异常值更鲁棒。Edgee 团队刻意选择了更严格的指标来报数。

为什么 Brevity 效果这么好

因为它精准命中了最贵的 Token 类型：

• 输出 Token 砍半 → 这是单价最高的部分
• 前缀不变 → 缓存继续生效，不会产生 cache_create 开销
• 系统提示词和工具列表不动 → 长会话的缓存摊销不受影响

一句话：Brevity 把省钱的力气都花在了刀刃上。

---

第二层：TSR —— 给工具列表瘦身

MCP 的问题：工具越多越浪费

当你的智能体接了一堆 MCP 服务器——Linear、Notion、GitHub、Jira、Slack——会发生什么？

每次请求都要把所有工具的完整定义发给模型。

一个 MCP 服务器大概有 30-40 个工具，每个工具是一段 JSON 描述。4-5 个 MCP 服务器就是 20 万 Token 的工具目录，而且每次请求都发一遍。

但实际上，当前任务可能只需要其中一两个工具。剩下 95% 的工具定义，纯纯白送钱。

TSR 怎么解决

TSR（Tool Surface Reduction，工具面缩减）做了一件事：

用一个快速分类器，根据当前任务给每个工具打分，只把相关的工具发给模型。

等等——那如果模型发现它需要一个被裁掉的工具怎么办？不会出错吗？

Edgee 的设计很巧妙：它不直接删掉工具，而是用一个 虚拟 MCP 解析器（resolver） 代替所有真实 MCP。模型看到的是：

「以下是可用的集成列表，如需外部集成请调用解析器工具」

整个过程完全不需要重启会话，也不会丢失任何能力。

实测数据（MCP 工作负载）

• 8 个合成查询任务，针对 Linear 和 Notion 的只读操作
• 从单服务器查询到跨服务器复杂查询都有
• 每组 3 次重复，共 48 个会话

结果：

为什么 Token 降了 33%，成本只降 10%？因为 TSR 砍掉的主要是前缀里的 cache_read Token——这部分本来就很便宜（原价的 1/10）。Token 量看着砍得多，但省钱效果没那么夸张。

不过，如果你有大量独立短查询（缓存命中率低），或者接了 5 个以上 MCP 服务器，TSR 的成本节省会显著放大。

第三层：工具结果修剪 —— 清理历史的赘肉

长会话的「历史膨胀」问题

编码会话越长，累积的工具输出越多——文件列表、堆栈跟踪、重复的日志帧、大段的搜索结果……这些东西堆在对话历史里，越往后越臃肿。

但模型真的需要记住每一行日志吗？其实不需要。它只需要关键信息。

怎么做的

工具结果修剪（Tool Result Trimming），思路来自著名的 RTK（Reduce Token Killed） 项目。它会清理冗长的工具输出，去掉冗余的部分，只保留模型真正需要的信息。

Edgee V1 就有这个功能了，V2 做了优化和 refinement。

实测数据

• 6 个 SWE-bench Lite 任务，Agent 模式
• 每组 2 次重复，共 24 个会话

结果：

单独看不惊艳，但它的价值在于可叠加性——因为它操作的是对话历史层，和 Brevity（输出层）、TSR（前缀层）完全不冲突。三个策略一起开，省钱效果线性叠加。

---

三层叠加：50% 成本下降是怎么来的

关键在于：三个策略碰的是请求的不同部分，互不干扰，不会重复计算。加起来就是实打实的 50% 左右的账单减少。

而且，这个数字是已经扣除了缓存影响的真实美元成本，不是 Token 数量的纸面减少。

实验方法：为什么这个数据值得信

很多产品说「最高节省 X%」，但你根本不知道是怎么测出来的。Edgee 不一样，它的测试方法堪称业界良心。

1. 配对符号检验（Paired Sign Test）

每个任务跑两组（有 Edgee / 无 Edgee），直接比较：Edgee 是不是用得更少？数胜出次数。

• 6/6 胜出 → p = 0.031（统计显著）
• 8/8 胜出 → p = 0.008（高度显著）

为什么用这个检验？因为它不假设数据分布，在各种分布下都成立。代价是统计功效低一些——但只要它检出了显著性，结论就非常可靠。

2. Bootstrap 95% 置信区间

重采样 10,000 次，算出效果量的置信区间。如果整个区间都不包含 1.0×（无效果），就说明结果稳健。

3. 组内变异系数（Within-task CV）

衡量同组重复实验的波动大小。平均 CV 超过 20% 说明噪音太大，结果不可信；低于 20% 说明结果可靠。

4. 随机排序 + Per-replicate Nonce

• 随机排序：不会出现「先跑的一组占缓存优势」的系统性偏差
• Nonce 注入：每次重复都在系统提示词里加一行随机字符，强制冷启动，确保每次都从缓存 0 开始

这就是为什么 Edgee 的数据可信。它不是挑一个最好看的数字给你看，而是把整个方法论、统计检验、置信区间都摊开在阳光下。

安装与使用

支持的工具

Edgee 是 drop-in 替换，不需要改你现有的工作流：

快速开始

• 注册 Edgee 账号：访问 edgee.ai 注册
• 获取 API Key：在 Edgee 控制台创建 API Key
• 配置环境变量：

bash
ANTHROPIC_BASE_URL=https://api.edgee.ai/v1
ANTHROPIC_API_KEY=your-edgee-api-key

• 开启压缩策略：在 Edgee 控制台按 API Key 粒度配置要启用哪些压缩策略

就是这么简单。你的 CLAUDE.md、你的 MCP 服务器、你的工作流——统统不用改。

网关延迟

Edgee 网关的 P50 延迟不到 12ms，对实际使用几乎没有感知影响。

---

不止压缩：Edgee 的其他超能力

Edgee 不只是个压缩器，它是一个完整的 AI 网关，还包括：

1. 多模型路由

同一个请求，自动路由到更快或更便宜的模型。你可以设置规则：简单任务用便宜模型，复杂任务用旗舰模型。

2. 自动故障转移（Fallback）

提供商挂了？你的计划用完了？Edgee 自动切到备用模型，服务不中断。

这就是「unstoppable coding agents」的含义——不会因为某一家宕机就停工。

3. 团队归因分析

按仓库、按 PR 统计 Token 消耗和费用。谁的项目用得最多？哪个任务最烧钱？一目了然。

4. 可观测性（Observability）

完整的请求日志、Token 消耗统计、成本分析面板。花了多少钱，花在哪了，清清楚楚。

5. BYOK（自带密钥）

你可以用自己的 API Key，Edgee 只做路由和压缩，不碰你的密钥额度。

---

适用场景与不适用场景

✅ 强烈推荐使用

• 重度 Claude Code / Codex 用户 — Brevity 直接省 30%+
• 接了很多 MCP 服务器的团队 — TSR 砍掉大量冗余工具 Token
• 长编码会话 / 大型代码库 — 工具结果修剪持续累积效果
• 团队协作需要成本归因 — 按仓库、按 PR 统计费用
• 担心单点故障 — 自动故障转移保证不宕机

⚠️ 效果一般的场景

• 短对话、简单查询 — 压缩空间有限，省不了多少
• 主要用缓存命中的场景 — 本来就便宜，压缩的边际收益小
• 对输出格式有严格要求、必须要模型解释过程 — Brevity 会减少叙述性内容

❌ 不建议使用

• 需要精确逐字匹配输出内容的场景
• 对延迟极度敏感（P99 不能超过 10ms）的实时场景

---

和 pxpipe 对比

同样是省钱工具，Edgee 和 pxpipe 有什么区别？

简单说：pxpipe 是剑走偏锋的「图片套利」，Edgee 是堂堂正正的「工程优化」。两者各有优势，甚至可以一起用（理论上）。

---

社区评价

"编码智能体很厉害，直到你意识到后台藏着多少 Token 浪费。不只是实际的代码变更，还有重复的工具上下文、冗长的输出、嘈杂的历史记录，以及模型解释那些我根本不需要解释的事情。TSR 的想法对我来说最有意思——接的 MCP 工具越多，'工具面'膨胀得越快，每次请求把不相关的工具发给模型，感觉就是那种看不见但会滚雪球的成本。"

— Andras Czeizel

"很少见到成本主张背后有配对符号检验和每次重复的 nonce，而不是一个头条数字——这让我读完了整篇技术文章。"

— Kyo Shinohara

"我尊重你们发表了完整方法论，而不是只说'最高便宜 50%'。配对检验、缓存 nonce、按技术分解，让这个主张可信得多。"

— Andras Czeizel

总结

核心价值

Edgee 不是一个「小技巧」，而是一个系统化的 Token 效率优化方案。它通过三层正交的压缩策略，在不损失语义、不破坏缓存、不改变工作流的前提下，将编码智能体的成本降低约 50%。

更重要的是，它是一个网关——压缩只是其中一个功能。路由、故障转移、团队归因、可观测性，这些功能组合在一起，解决了企业级使用 AI 编码工具的「贵、慢、断」三大痛点。

一句话总结

同样的 Claude Code，同样的 Codex，账单砍掉一半，服务永不中断。

---

参考资料

[1] Edgee 官网：https://www.edgee.ai/

[2] Compressor V2 技术白皮书：https://www.edgee.ai/blog/posts/introducing-compressor-v2-three-compression-layers-measured-end-to-end-for-a-50-cost-reduction

[3] Edgee on Product Hunt：https://www.producthunt.com/products/edgee

[4] RTK（Reduce Token Killed）项目：灵感来源

[5] SWE-bench Lite：300 个 GitHub 真实 issue 的编码基准测试