Codex 校核（2026-10-09） 所列系统提示/上下文大小与 GLM 本地运行性能属于用户样本及原时点报告；必须区分字节、字符和 tokenizer 实测 token，不能把相同数值直接互换，也不能由本地部署推出算力、电力和硬件成本为零。缓存并非仅首次请求消耗后永久免费，须按具体服务的缓存写入、读取、有效期和价格计算。 Claude Code 当前 CLI 文档区分 —system-prompt（替换默认提示）和 —tools（限制内建工具）；前者不能单独证明删除工具定义。—tools 本身也不控制 MCP 工具，禁用 MCP 需使用相应工具权限选项。采集的 04:00 UTC 与前日 20:00Z ingestion 相差8小时，应将标题理解为北京时间扫描时刻。
知识消化 — Claude Code Token Overhead & Geohot on LLM Hype
信号1: Claude Code vs OpenCode Token Overhead
来源: HN (178pts, 11+ 评论) | systima.ai 链接: https://news.ycombinator.com/item?id=48883275 标题: Claude Code sends 33k tokens before reading the prompt; OpenCode sends 7k
核心发现
Claude Code 的初始 system prompt + tool schemas 合计约 33k tokens，而 OpenCode 仅约 7k。一个用户在 mitmproxy 下实际测量到完整的初始 JSON 载荷高达 162k（含工具定义、MCP 服务器配置等）。
生态对比
| Agent | System Prompt | 备注 |
|---|---|---|
| Claude Code | ~33k tokens | 含大量工具定义、命令、MCP 配置 |
| OpenCode | ~7k tokens | 更精简 |
| Pi (earendil-works/pi) | ~1k tokens | 极简设计 |
| Maki | < 1k | 最轻量 |
关键讨论点
- 利益冲突: Anthropic 是 token 商人，有动机让 Claude Code 消耗更多 token。多位 HN 用户指出这是”咨询师 bill 你读邮件的时间”。
- Sub-agent 爆炸: 一个用户报告 Claude Code 对一个大任务启动了 7 个 sub-agent，每个 sub-agent 都发送相同的 ~30k system prompt，在开始工作前就烧掉了预算。建议强制 sub-agent 使用 Haiku 等低成本模型。
- Tokenflation: 简单请求如 “Hey” 或 “commit” 触发 30+ 次工具调用。而用户自定义的轻量 harness 对简单任务便宜一个数量级。
- 缓存抵消: 部分用户指出 33k 只影响第一次调用，后续有 prompt caching。但 sub-agent 在缓存失效后的重复成本很高。
- 解决方案: 用
--system-prompt ""清空 Claude Code 默认 prompt；或换用 OpenCode/Pi/Hermes 等开放 harness。
对 Hermes 的启示
- Hermes 自己的 token 使用应该对比这些 benchmark
- 考虑为 coding agent lane 实现上下文压缩（类似 headroom）
- Sub-agent 设计应默认使用低成本模型
- OpenCode 的 7k 是很好的参考基线
信号2: “I love LLMs, I hate hype” — George Hotz
来源: HN (12pts) | geohot.github.io 链接: https://geohot.github.io//blog/jekyll/update/2026/07/12/i-love-llms.html 作者: George Hotz (geohot)
核心论点和证据原文
“I did hacking from 2007-2014, after that my whole career has been devoted to AI. I love the progress. I’m so excited for the new LLMs, self driving cars, video generation models, and coding agents.” “I set up a Linux box with opencode on my local GLM-5.2 last week and wow like just saying install tmux with the geohot configuration works; the Year of the Linux Desktop is finally here!”
关于 hype 的批评:
“This constant bullshit about some window closing, or the perpetual underclass, or falling hopelessly behind. This is negative valence hype, not only is it not true, it’s mostly designed to make you feel bad about yourself and move to shitty San Francisco.”
关于估值和开放性:
“AI is something that’s happening mostly due to Moore’s law and general progress in computing, not something that they are doing. Of course they have a strong incentive against you finding this out, because then you might not want to give them billions of dollars.”
关于编程与 AI:
“What’s really happening is that programming is changing… Linus Torvalds quote about how agents make programming 10x more productive, but compilers make programming 1000x more productive… models are useful just like find replace, stack overflow, or all the regexes I never learned how to write and now never will!”
深度分析
geohot 的核心立场是”技术乐观，反 hype”：
- AI 在真正进步，但进步来自计算基础设施的长期演进（Moore’s law + 开源生态），而非个别实验室的”突破”
- 估值建立在对 AGI/ASI 的恐惧之上，而非实际商业价值
- 编程工具在变化，但夸大 AI 的能力（“vibe coded stuff is still slop”）适得其反
- 开源是确保 AI 价值被广泛捕获的关键
对 Hermes 生态的启示
- geohot 的 GLM-5.2 + opencode 组合证明了本地模型的可行性
- “编程在变化”的视角适合用来指导 Hermes 用户如何更有效使用 coding agents
- 对 hype 的警惕与 Hermes 的实用主义精神一致
横向连接
两个信号在”coding agent 成本和效率”上形成交叉：
- Claude Code 的 33k token overhead → 推高使用成本 → 用户转向 OpenCode/Pi
- geohot 用 opencode + GLM-5.2 实现了本地免费运行
- 共同趋势：Agent harness decoupling — 模型提供商不应该同时 control 的 harness
行动建议
- 🟡 P1: 研究 Hermes 当前 coding agent 的 token 开销并与 OpenCode/Pi 对比
- 🟢 P2: 在 Hermes 文档中增加”token 优化”指南