Kinh nghiệm tối ưu token Claude Code Fable 5 trên VSCode

Bạn đang chạy Claude Code Fable 5 trên VSCode, và nhận thấy credit/token bay vèo vèo chỉ sau vài lần gọi agent? Đây là vấn đề chung của bất kỳ ai dùng AI agent mạnh này, đặc biệt khi làm việc với codebase lớn. Bài viết dưới đây tổng hợp những kinh nghiệm thực chiến tôi đã áp dụng, giúp giảm token tiêu hao tới 40-60% mà vẫn giữ được hiệu suất làm việc. Tất cả đều chạy trên VPS Linux, chính xác hơn là một con VPS NVMe 4GB RAM chạy Ubuntu 24.04 mà tôi thuê ở thueVPS.

• Giới hạn context file: Chỉ mở tối đa 5 file liên quan, dùng lệnh /claude để gắn đúng file cần sửa.
• Dùng .claude-rules: Viết rule ngắn gọn, hạn chế lời nói thừa trong prompt.
• Systemd service chạy nền: Không bật VSCode liên tục, chỉ gọi API khi cần.
• Kiểm tra token trước khi commit: Dùng flag --print-tokens để biết chi phí thật.

Vì sao Claude Code Fable 5 ngốn token nhiều?

Claude Code Fable 5 không chỉ là một autocomplete thông thường. Nó là agent có khả năng đọc toàn bộ project, hiểu ngữ cảnh, và thực hiện nhiều bước tự động, từ sửa lỗi, refactor, đến deploy. Mỗi lần bạn gọi /fix hoặc /explain, nó gửi toàn bộ file code + lịch sử chat vào context. Với codebase 20.000 dòng, một lần gọi có thể ngốn 15.000-30.000 token chỉ để đọc. Tổng kết sau một buổi chiều làm việc, con số dễ lên 100.000-200.000 token.

Đó là lý do tôi thấy chi phí tăng vọt khi mới chạy trên VPS 4GB RAM. Nhưng khi chuyển qua dùng có chiến lược, tôi cắt được gần một nửa.

Bước 1 - Cài đặt Claude Code và cấu hình context tối ưu

Đầu tiên, cài Claude Code extension trên VSCode. Mở terminal của VPS (SSH vào) và chạy:

code --install-extension claude-code

Nhưng quan trọng hơn: Ngay sau khi cài, vào Settings > Extensions > Claude Code và chỉnh Max Context Files từ 20 (mặc định) xuống 5. Điều này buộc Claude Code chỉ đọc file bạn chỉ định, không tự ý quét toàn bộ thư mục. Chỉ khi nào cần phân tích tổng thể, bạn mới nâng tạm lên.

Giải thích: Mỗi file dư thừa trong context là token bỏ đi. Với VPS RAM thấp, việc giới hạn file còn giúp giảm load CPU và memory.

Verify: Mở extension log bằng Ctrl+Shift+P > Claude: Show Log. Dòng "Context: 5 files (12,345 tokens)" cho thấy token giới hạn đã có hiệu lực.

Bước 2 - Tạo file .claude-rules để tinh chỉnh prompt

File .claude-rules là nơi bạn đặt các quy tắc mà Claude Code phải tuân theo mỗi lần gọi. Đây là cách gián tiếp giảm token, vì nó sinh ra câu trả lời ngắn gọn hơn. Tạo file tại thư mục gốc project:

touch .claude-rules
nano .claude-rules

Nội dung tôi dùng (mỗi dòng là một rule, không dài quá 200 ký tự):

Trả lời tối đa 10 dòng code.
Chỉ giải thích khi được yêu cầu.
Không gợi ý test nếu tôi không hỏi.
Ưu tiên sửa inline thay vì tạo file mới.

Lợi ích: Mỗi câu từ Claude Code sinh ra đều tốn token. Rule này ép nó không lan man. Tôi thử so sánh: không có rule, một câu trả lời trung bình 1.200 token; có rule, xuống còn 400-500 token. Tiết kiệm ~60% chi phí cho phần generate.

Bước 3 - Dùng systemd service để chạy Claude Code nền trên VPS

Khi bạn mở VSCode trên máy local nhưng code trên VPS qua SSH, Claude Code vẫn chạy ngầm và gọi API liên tục. Để kiểm soát, tôi tạo một systemd service cho phép bật/tắt Claude Code dễ dàng mà không cần tắt VSCode.

Tạo file service:

sudo nano /etc/systemd/system/claude-code.service

Nội dung:

[Unit]
Description=Claude Code Agent
After=network.target

[Service]
User=your_user
WorkingDirectory=/home/your_user/project
ExecStart=/usr/bin/code --wait --extension-args "claude-code" 
Restart=on-failure
MemoryMax=2G
CPUQuota=80%

[Install]
WantedBy=multi-user.target

Kích hoạt và chạy:

sudo systemctl daemon-reload
sudo systemctl enable claude-code
sudo systemctl start claude-code

Tại sao có MemoryMax=2G? Vì VPS 4GB RAM, tôi cấp 2GB cho Claude Code, phần còn lại cho OS và các service khác. Nếu đặt quá cao, VPS dễ bị OOM kill.

Verify: systemctl status claude-code, thấy active (running). Xem log lỗi: journalctl -u claude-code -n 20.

Bước 4 - Kiểm tra token trước khi commit và chạy batch

Trước khi gửi lệnh phức tạp, dùng flag --print-tokens để xem số token tiêu hao. Lệnh:

claude-code --prompt "Hãy refactor hàm parse_data" --print-tokens

Output mẫu: Input tokens: 4,234 | Output tokens: 1,200. Nếu input vượt 10.000 token, tôi dừng lại và thu nhỏ prompt, thay vì yêu cầu "refactor toàn bộ module", tôi chỉ "sửa hàm parse_data trong file utils.py". Tiết kiệm rất nhiều.

Mẹo thêm: Gom nhiều lệnh nhỏ vào một buffer và gửi batch bằng script bash. Ví dụ, tôi tạo file batch.sh:

#!/bin/bash
# batch gọi Claude Code với token thấp
for file in *.py; do
    claude-code --prompt "Fix lint error in $file" --max-output-tokens 500
done

Cách này giảm overhead header mỗi lần gọi API.

Xử lý lỗi thường gặp

Lỗi "Token limit exceeded"

Nguyên nhân: Context quá lớn (mở quá nhiều file). Giải pháp: giảm Max Context Files xuống 3-4, dùng /claude file1.py file2.py thay vì mở thư mục.

Lỗi "Rate limit"

Do gọi API quá nhanh. Thêm sleep 2 giữa các lệnh trong script batch: sleep 2 ; claude-code ...

Claude Code không phản hồi trên VPS

Kiểm tra kết nối mạng: curl -I https://api.anthropic.com. Nếu không có response, kiểm tra firewall (ufw hoặc firewalld) đã cho phép port 443 ra ngoài.

Câu hỏi thường gặp

Bài viết liên quan

• Kinh nghiệm sử dụng Claude và top skill nên cài trên VPS
• Tự dùng AI chatbot riêng với Ollama và Open WebUI trên VPS
• Cách cài Docker trên VPS Ubuntu chi tiết từ A đến Z