企业官网建设流程全解析

用 DeepSeek Harness 做开发辅助，第一个月账单出来的时候，我差点以为 API Key 被人盗刷了。聊了几个小时的天，改了几十个文件，Token 用量却比我预估的高了好几倍。后来我把配置一条一条翻出来看，才发现问题不在模型，而在 Harness 默认的那套“高能耗”设置。这篇文章不聊宏观概念，只讲怎么用 5 个官方开关把 Token 消耗压下来，把账单控制在看得懂的范围内。适合正在用 DeepSeek Harness 做编码、写脚本、跑 Agent 工作流的开发者，也适合准备把 Harness 部署到团队环境、但又担心 API 成本失控的运维同学。

1. 先搞清楚：你的 Token 到底烧在哪了

1.1 Token 不是字数，是颗粒度

许多刚开始用 DeepSeek Harness 的朋友都有同一个错觉：Token 就是汉字数量。我输入的是一段自然语言，模型返回的是中文，那 1000 Token 差不多就对应 1000 个字。实际完全不是这样。Token 是模型内部对文本做的切分结果，英文一个单词可能被切成 1 到 3 个 Token，中文一个汉字大约对应 1 到 2 个 Token，代码、符号、空格、缩进、换行全都要消耗。更麻烦的是，不同模型的切分规则不完全一样，同样一段文字在 DeepSeek 的编码表里和在别的模型里，Token 数可能有明显差异。

我举一个实际例子：一段 200 字的 Python 代码，里面混杂了缩进、括号、中文注释，可能轻松超过 400 Token。你以为你让模型改的是 200 字的文件，实际上背后的计费单位是这个数的两倍还多。理解了这一点，你再看账单就不会太惊讶，也会明白为什么省 Token 的第一步不是少说话，而是搞清楚一次请求到底发出去多少东西。下面这张表可以帮你建立基本感觉：

1.2 Harness 的“输入”远比你想的多

为什么同样的对话，在网页版和 Harness 里的 Token 消耗不一样？因为 Harness 不只是聊天窗口，它是一套把 DeepSeek 接进本地命令行、IDE、Agent 工作流的“驱动器”。你让它读文件，它会把文件内容塞进上下文；你让它调用 Skill，它会把 Skill 定义和返回结果塞进上下文；你让它访问工具，工具的返回 JSON 也会被完整塞进去。

云端模型看到的内容是一个巨大的请求包，包里面至少有四部分：

• 系统提示词：固定的一部分，通常几千 Token；
• 工具定义：Harness 注册的所有工具描述，可能几千 Token；
• 会话历史：前面所有轮次的对话，以及每次工具调用的输入输出；
• 当前指令：你真正想让模型做的事情。

这四部分加起来，才是每次请求的真实输入量。所以你每一次点击发送，成本都不只是你最后打的那句话。默认配置下，这个输入量很容易突破几万 Token。你在网页版对话时，输入就是你刚打的问题；在 Harness 里，输入是整包物品。这个区别，决定了 Harness 的费用天然会比普通聊天高。

1.3 消耗占比的观察

我调参前统计过我自己的账单，某次会话总消耗 72K Token，其中历史上下文重复发送占了约 61%，系统提示词和工具定义占了约 17%，模型输出占了约 15%，工具调用返回结果占了约 7%。也就是说，真正的“有效输出”只占很小一块，大头都在上下文重复发送上。

这让我明确了操作方向：不是让模型少回答，而是让 Harness 少把旧内容一遍遍发上去。为了直观，我整理了一张实际记录下来的两种会话形态对比表：

同样完成一个功能的开发，后者只花了前者的三分之一。差距主要来自历史上下文的重复发送。所以下面的几个开关，大多都在围绕“怎么少发旧内容”做文章。

2. 官方开关一、二、三：把上下文和输出勒紧

2.1 开关一：限制上下文窗口（context_window）

Harness 的默认上下文窗口通常会顶到模型支持的上限，因为工具希望你能体验“超长上下文”的便利。但对于大多数编码任务，超长上下文其实是一种浪费。窗口越大，Harness 能在上下文里塞的内容越多，每次请求携带的输入也就越多。你并不会因为窗口大而得到更聪明的回答，只会得到更贵的账单。

我建议普通编码场景把上下文窗口设在 16K，命令行问答场景甚至可以设到 8K。配置项名称一般是 context_window 或 --context-size。以 JSON 配置为例：

{ "context_window": 16384 }

需要说明的是，限制窗口并不是“只保留最后 16K 的内容”，更准确的说法是：Harness 会在请求发出前，把将要发送的上下文控制在窗口内。超出部分可能被丢弃或被截断。设置窗口的真正价值在于，它给整个会话设下了一个明确的成本天花板，防止会话因为被喂入大量文件内容而悄悄膨胀到几十 K。尤其当你用 Harness 做代码仓库级别的 Agent 任务时，Harness 可能会扫描目录、读取多个文件，如果窗口没有限制，一次扫描可能就把几百 K 文本全部塞进请求。

这里的关键操作习惯是及时清理会话。我见过很多人一整天不关 Harness 窗口，让会话累积到几百轮，每次回复前光是把历史重新发送一遍就要烧掉几万 Token。我的做法是：当一个会话解决完一个完整任务，就执行 /clear 或 /compact。/compact 尤其好用，它让模型把之前的讨论压成一段摘要，用摘要替代完整的原始历史，后续请求的输入量能下降一个量级。但注意，摘要本身也占 Token，所以不要每两句话就压缩一次，通常一个长任务压缩一到两次就够了。

2.2 开关二：锁死单次回复的最大 Token（max_tokens）

第二个开关是 max_tokens，限制模型单次输出的上限。这可能是最直观、也最容易被忽略的开关。默认值很大，导致模型有足够空间“说废话”。尤其当你在 Harness 里没有明确要求简洁时，DeepSeek 很容易生成额外解释、补充说明、示例代码和总结段落。

我的建议是日常任务配置 1024，代码生成类任务可以临时提高到 2048。例如：

{ "max_tokens": 1024 }

可能有朋友担心，max_tokens 设低了，模型会不会回答到一半被截断？确实存在这个风险。如果模型觉得回答还没写完但已经到达输出上限，它会直接停止，不会通知你，导致回复看起来“半截”。为了减少这个问题，我通常配合 temperature 一起调整。temperature 设到 0.2 左右，模型会更倾向于直接输出结论，而不是长篇大论地铺陈。同时，在指令中明确“只给关键代码，不要解释”，也能让输出更紧凑。真遇到长任务，比如生成一个完整的服务类文件，我会临时把 max_tokens 调到 4096，任务结束再调回来。

不同任务类型建议使用的 max_tokens 可以参考下面这张表：

还有一个认知要纠正：max_tokens 并不是总预算。它只限制本次回复的输出 Token，不影响输入 Token。很多用户以为把 max_tokens 调低就能大幅控制成本，结果发现账单还是很高，原因就是他们的输入侧还堆着大量历史。所以，max_tokens 要和窗口限制、历史轮次限制一起用，单靠哪一个都压不住。

2.3 开关三：瘦身历史对话轮次（history_limit）

第三个开关控制 Harness 在每次请求中携带多少轮历史消息。默认值一般很慷慨，20 轮起步。但看过前面消耗分析你应该明白，20 轮历史如果每一轮都包含工具调用的长文本，累积起来非常吓人。

我推荐把 history_limit 设为 5 到 8 轮。以 6 轮为例：

{ "history_limit": 6 }

为什么是 6 而不是 1？因为现代编码工作流通常是一个小闭环：读取文件、分析问题、提出方案、修改代码、运行测试、看报错。这六步各对应一轮或两轮对话。保留 6 轮，模型能理解你刚才在做什么，又不至于背上一个月前讨论的包袱。

在这个开关下，有两个配套选项值得打开：始终保留系统提示词，始终保留当前工具结果。它们确保历史轮次被压缩时，模型不会丢掉最关键的工具上下文。比如刚才读取的一个文件内容，如果被当作普通历史消息清理了，你接下来的指令就会失去参照。这个细节很多人没注意，一压缩历史后模型突然“失忆”，其实不是模型问题，是配置问题。

不同保留轮数的效果差异也很明显：

实操里我的经验是，如果任务真的需要长期记忆，不要依赖多轮历史。把关键信息写入项目目录下的 notes.md，然后让 Harness 读取这个文件。这比让它从 20 轮历史里寻找信息更省 Token，也更可靠。用文件代替聊天记忆，是我在长期使用中觉得最实用的一招。

3. 官方开关四、五：让 Harness 少做无效动作

3.1 开关四：关掉自动补全和自动执行，改成手动确认

Harness 为了让你用起来更顺滑，默认会开启一堆自动行为。你以为它只是在你输入时悄悄补全几行，实际上每一次补全都是一次完整的模型请求。想象一下：你打开一个 1000 行的代码文件，Harness 每当你敲一个字符就尝试补全一次，每次补全都要把整个文件内容作为输入发出去，那一个小时的编码时间，Token 消耗会比正常问答高出好几个数量级。这个数字一点都不夸张，我见过有人在 IDE 里连着用 Harness 写了一个下午，服务端后台的请求记录里全是密密麻麻的补全请求。

我强烈建议把 auto_complete 和 auto_execute 设为 false。不同版本叫法不一样，但思路是一致的：

{ "auto_complete": false, "auto_execute": false }

关闭之后，Harness 不会在你写完一行代码时立刻弹出补全建议，也不会在看到日志里出现关键字时自动调用工具。所有动作都需要你按快捷键或输入命令触发。刚开始可能觉得少了点“智能感”，但当你查看服务端请求记录时，会发现请求数量明显减少。

我做过一个实测：同样是调试一个接口异常的任务，自动模式触发了 27 次模型调用，手动模式只触发 9 次。自动模式里有大量调用是在尝试猜测用户意图：它试图自动搜索相关文档、自动读取代码、自动生成修复方案，但其中一半是无效猜测。关闭自动行为，本质上是把猜测权从模型手里收回来，交给你自己。你比模型更清楚你想干什么，省下来的不只是 Token，还有时间。

更有意思的是，有些 Harness 版本在没有人工确认的情况下，会自动调用执行类工具。这种自动执行不仅费 Token，还有安全风险。代码改动一旦自动执行，可能会在项目里留下你没注意到的副作用。手动确认模式同时解决了成本和风险两个问题，属于那种关了才会觉得真香的开关。

3.2 开关五：打开提示词缓存（Prompt Caching）

第五个开关是提示词缓存。DeepSeek API 支持基于前缀的缓存机制。简单来说，服务端会把常见前缀的计算结果暂存下来，当你下一次请求携带相同前缀时，命中的那部分输入可以按更低的缓存价计费。因为 Harness 每次请求都会包含系统提示词、Skill 定义、开头若干轮历史，这些内容恰好构成了一个高度稳定的前缀，非常适合吃缓存红利。

打开方式很简单：

{ "prompt_cache": true }

但很多人打开后发现效果不明显，问题通常出在“前缀不稳定”上。缓存命中的前提是前缀完全一致，哪怕你在系统提示词尾部多了一个空格，缓存都可能失效。所以，使用缓存有几个铁律：

• 系统提示词和 Skill 定义设置好后不要频繁改动；
• 用户消息尽量放在固定位置，不要穿插到系统提示词中间；
• 不要在会话途中频繁 /clear，因为每开一个新会话，前缀就要从零开始重新积累。

这里还有一个很容易踩的坑：为了解决历史过长的问题，有些用户喜欢在每次请求前手动修改历史消息，比如删掉中间几轮，或者重新排列顺序。这会让前缀出现断层，缓存命中率断崖式下降。正确的做法是：要么保持完整历史的固定顺序，让它积累成一个稳定前缀；要么干脆开启新会话，让前缀从简短的固定内容开始。

缓存的实际收益在长会话里最明显。你开着一个会话连续工作一小时，系统提示词和前面历史会被发送很多次，如果每次都命中缓存，输入费用会大幅下降。我自己的账单在打开缓存后，长会话场景的输入费用大约下降三到五成。注意，缓存并不是所有请求都能命中，当你发出一条全新的用户指令时，新的用户指令本身不会被缓存，但前面的固定部分可以。这部分固定部分通常占输入量的 70% 以上，所以收益并不小。

3.3 补充两个和开关等效的官方能力

说完 5 个开关，我还想再强调两个不属于“开关”但同样能压账单的官方能力。

第一个是模型选择。DeepSeek Harness 通常允许你在 deepseek-chat 和 deepseek-reasoner 之间切换。reasoner 模型在推理时会产生内部思考过程，这些思考过程同样计入 Token。如果你只是做代码格式化、翻译、写注释，用 reasoner 简直是拿大炮打蚊子。我的配置里默认模型就是 deepseek-chat，只有遇到复杂的架构设计、算法推导、疑难 bug 定位时才手动切换。你可以把这条写进团队规范里，任何人跑 Harness 前先确认模型类型，能省出一笔很可观的费用。

第二个是批量处理任务。比如你手上有 10 个 markdown 文件需要统一改格式，不要开 10 个会话、发 10 次请求。你把 10 个文件名一次性丢给 Harness，让它在一个会话里逐个处理。这样系统提示词和工具定义只需要发送一次，后续处理都能复用同一份上下文。批量处理省掉的是重复的固定开销，10 个独立请求的固定开销是 10 份，1 个批量请求只需要 1 份。

4. Token 与登录态的经典问题排查

前几节讲的是计费 Token 的控制，这一节说一说和 Token 相关的另一类问题：登录 Token 失效、刷新失败。这类问题不算配置问题，但如果你遇到，会直接影响 Harness 能否正常使用，消耗的虽然不是 API 费用，但却是实实在在的时间成本。

4.1 “sign-in could not be completed”和“token exchange failed”

Harness 登录时，本质上是用一个临时授权码向认证服务换取访问 Token。这个过程在日志里体现为 token exchange。如果这一步失败，你会看到 “sign-in could not be completed” 或 “token exchange failed”。

我的排查步骤是：

1. 先看完整报错，确认是不是网络层面的瞬时错误。如果是网络抖动导致的，稍等几十秒重试可能就好了。
2. 检查账号是否在其它设备上重新登录过。如果是，本地旧的登录会话可能已经被服务端判为失效，这时直接重新登录。
3. 清理本地凭证文件。DeepSeek Harness 的凭证一般存在 ~/.deepseek-harness 目录下的 auth 文件里。删除前可以备份，然后重新执行登录命令。

这套流程能解决九成以上的登录失败问题。不要为了保留登录状态去手动改凭证文件，几乎只会把事情搞得更糟。

4.2 “invalid refresh_token”和 access token could not be refreshed

访问 Token 是短期的，过期后 Harness 会尝试用 refresh_token 换新的。当你看到类似 “failed to refresh token: 400 bad request: invalid 'refresh_token'” 的报错，十有八九是本地保存的刷新凭证已经不合法了。

常见诱因有两个。第一，多端登录互相顶替。你在电脑上登录了 Harness，之后又在手机上用同一个账号登录，老设备的刷新凭证会被撤销，下次续签就会失败。第二，本地凭证文件被同步工具弄坏了。比如你把它放在云盘同步目录里，同步时出现冲突，文件内容变成空字符串，那 refresh_token 自然就是 invalid 的。

处理方式也很直接：删除本地凭证文件，重新登录。不要试图通过修改 JWT 内容来续期，JWT 的签名是服务端验证的，本地改任何一个字符都会报错。我见过有人反复尝试在 JSON 里补全 refresh_token 字段，结果每次都是同样的报错，因为服务端根本不认本地拼出来的值。

4.3 JWT 与 Token 续签的几个认知

我经常看到有人把“登录 Token 失效”归结为工具 Bug，这里想替工具说句公道话。JWT 的设计初衷就是无状态、自包含。服务端签发的 Token 里写好了过期时间，到期之前，服务端在没有额外黑名单机制的情况下，无法强制让某个 Token 失效。Harness 在实际登录中采用的通常是 OAuth 流程：短期访问 Token 加长期刷新 Token。访问 Token 丢掉没关系，刷新 Token 还在就能续；如果刷新 Token 也丢了，就只能重新登录。

如果你是自己写脚本调用 Harness 的 API，续签逻辑要注意三点：Token 不要硬编码在脚本或仓库里，尽量用环境变量或系统钥匙串；续签前检查 Token 的过期时间，快过期了才发请求；续签失败不要死循环重试，连续失败基本说明凭证已经废弃，该走人工登录流程了。这套经验放在任何 OAuth 客户端上都适用。

4.4 常见报错速查表

实际排查时建议按顺序：先看完整报错，再检查凭证文件，最后重新登录。不要在同一会话里反复点击登录，那样只会产生更多的失败请求。

5. 直接可抄的配置样板与实测效果

5.1 一份适合普通编码场景的 Harness 配置

把前 5 个开关落成一份配置，我的日常配置长这样。文件位置在不同版本略有差异，但大多是 ~/.deepseek-harness/config.json 或项目根目录的 .harness.yaml。

JSON 版：

{ "model": "deepseek-chat", "context_window": 16384, "max_tokens": 1024, "history_limit": 6, "auto_complete": false, "auto_execute": false, "prompt_cache": true, "temperature": 0.2 }

YAML 版：

model: deepseek-chat context_window: 16384 max_tokens: 1024 history_limit: 6 auto_complete: false auto_execute: false prompt_cache: true temperature: 0.2

这份配置的核心思想可以归结为一句话：默认用便宜模型、短窗口、短输出、少历史、无自动动作、开缓存。你不需要完全照抄，但可以先复制这份，然后根据自己手头任务的类型微调。如果你是在团队内网服务器上统一部署 Harness，建议由管理员在共享配置里预设这些值，并禁止普通用户覆盖关键的成本项，否则团队里只要有一个人开着自动补全写一天代码，账单就会很难看。

5.2 实测下来能省多少

我在一个中型前端项目上做过调整前后的对比。调整前使用默认配置，完成“新增一个列表页、包含接口联调和空态处理”这个任务，累计消耗大约 68K Token。调整后使用上面的配置，同样任务消耗大约 21K Token。下降幅度接近 70%。其中，关闭自动补全贡献最大，其次是收紧历史轮次和限制上下文窗口。缓存的效果更多体现在连续工作一小时的场景里，单独看单次任务不明显，但叠加下来很可观。

第三列模型调用次数也很说明问题：默认配置下 Harness 做了大量试探性工作，调了 27 次模型；手动确认模式下只调了 9 次。模型调用次数直接和账单正相关，所以你也可以通过观察统计接口里的请求次数，来判断配置调整的效果。如果你的 Harness 版本自带 usage 或 metrics 面板，优先看它；如果没有，可以临时在代理层记录一下请求体大小，也能估算出个大概。

5.3 三个我踩过的坑

最后聊几个我在调整配置时踩过的坑，给后来者提个醒。

第一个坑是“频繁清理会话，缓存反而失效”。我一开始以为 /clear 是省钱大招，所以每几轮就清一次。结果缓存命中率掉到几乎为零，因为每次新会话都要从头积累前缀。后来我改成：同一个任务尽量保持一个会话，任务结束才清场。清场前如果担心丢失上下文，用 /compact 先压缩一份摘要，而不是直接 /clear。

第二个坑是“多会话并行，账单翻倍”。有一段时间我同时开着三个 Harness 窗口，一个写前端、一个改接口、一个写运维脚本。表面上是三线并发，其实每个窗口都在独立发送系统提示词、工具定义和历史上下文。后来我强制自己单会话串行，或者把同类任务合并到同一个会话，总消耗立刻降下来了。

第三个坑是“上下文窗口调太小，触发反复重试”。有一次我为了省钱把窗口设成 4096，结果 Harness 读取一个比较大的配置文件时内容被截断，工具请求失败后自动重试，重试时又因为窗口太小继续失败，来回折腾了七八轮，费用反而比不设窗口还高。解决方法是：不要在让 Harness 扫描大文件时把窗口压得过低；如果文件太大，先用正则或 grep 把关键片段提取出来，再丢给模型。用小的输入片段配合合理的窗口，才是真正的省。

调 DeepSeek Harness 的参数，本质上是在跟“自己”做对抗。工具默认配置追求的是省事、智能、反应快，而这些目标天然都会增加 Token 消耗。我调了这 5 个开关之后最大的感受是：模型质量并没有下降，回答反而更干脆了，因为我限制了它的发挥空间，它就只能挑重点讲。省 Token 这件事，功夫不在省钱本身，而在帮模型减少无效动作。我用过的最小成本方案，就是上面这份配置加一条习惯：每次开工先想清楚这个会话要解决什么问题，解决完立刻清场。这条习惯比任何参数都管用。