如果你每天泡在终端里写代码，大概率听过 Aider——这个在 GitHub 上狂揽数万 star、长期霸榜「AI 编辑代码能力排行榜」第一的命令行 AI 结对编程工具。但我和几位重度用户聊下来发现一个尴尬的事实：90% 的人装完 Aider，就只会在终端敲一句自然语言让它改代码，然后用默认模型、默认参数、默认流程跑到底。
这就好比你买了一台单反，永远只用全自动挡拍。Aider 真正值钱的地方，藏在那一堆 -- 开头的 flag 和 / 开头的斜杠命令里——它们能把一个「能用」的 AI 改代码工具，变成一个能砍掉一半 token 账单、能自动跑测试、能跨模型分工的提效引擎。今天这一篇，我翻遍 Aider 官方文档（aider.chat/docs），把八个中国用户大概率没碰过的隐藏开关一次性讲透。
在讲具体开关之前，你必须先建立这张心智地图——这是后面所有省钱技巧的基础：
flowchart TD
A[你的请求: 改这段代码] --> B{谁来干活?}
B -->|出方案/读地图/分析| C[主模型<br/>Architect / Reasoning<br/>贵但聪明]
B -->|具体改代码/填diff| D[编辑模型 Editor<br/>便宜但听话]
C -->|产出修改计划| D
C -->|读仓库地图| E[弱模型 Weak Model<br/>最便宜<br/>只负责建repo map]
D --> F[git auto-commit]
F --> G[/undo 可回退/]
style C fill:#ffe0e0
style D fill:#e0ffe0
style E fill:#fff8e0
记住一条铁律：贵模型只在「想」的时候烧钱，便宜模型在「动手」的时候干活。 下面八个开关，本质上都是在调度这张图里的箭头。
这是 Aider 省钱最狠的一招，也是最少人用的一招。
默认情况下，你用什么模型改代码，就全程烧那个模型的 token。比如你用 Claude Sonnet 改一个 200 行的文件，Sonnet 既要读、要想、又要逐字吐 diff，全程按最贵档位计费。
而 --architect 模式把这件事拆成两段：
aider --architect --model sonnet --editor-model haiku
操作步骤：
1. 启动时加 --architect，用 --model 指定一个「架构师」（强推理）模型，比如 sonnet / opus
2. 用 --editor-model 指定一个「编辑」（廉价）模型，比如 haiku 或 DeepSeek
3. 架构师模型只负责「读代码 + 提方案」，输出一段自然语言的修改计划
4. 编辑模型拿着这份计划，去做真正的 diff 编辑——这部分是机械活，便宜模型完全够用
预期效果： 实测在大型重构场景下，token 账单能砍掉 40%~60%，而代码质量几乎不打折扣，因为「想」的部分依然是最强模型在做。
适用场景： 复杂多文件重构、跨模块改造、需要深度推理的 bug 修复。简单的小改动反而没必要开。
⚠️ 小坑：Architect 模式默认会弹确认框让你 review 架构师的方案。如果你嫌烦想全自动，加
--auto-accept-architect（这是相对较新的功能，老版本可能没有）。
这是 2025 年下半年才在文档里稳定下来的功能，很多老 Aider 用户根本不知道。
现在的推理模型（Claude Sonnet/Opus 的 thinking、OpenAI 的 o 系列、DeepSeek R1）都有一个「思考预算」概念。思考越多越准，但也越烧钱、越慢。Aider 给了你两个旋钮直接拧：
# Claude 系：用 thinking-tokens 控制思考token预算
aider --model sonnet --thinking-tokens 8k # 简单任务调小
aider --model sonnet --thinking-tokens 32k # 难题调大
# OpenAI o 系：用 reasoning-effort 三档
aider --model o3-mini --reasoning-effort low
aider --model o3-mini --reasoning-effort high
信息差在哪： 大多数人装好 Aider 用默认值，等于让模型「用最大火力」思考每一条请求。但现实是——「把这行变量名改一下」根本不需要模型思考 8k token。把简单请求的 --thinking-tokens 调到 2k 甚至 0，复杂调试时再调大，单这一招就能省下一笔可观的账单，而且简单任务反而更快返回。
适用场景： 你已经在为推理模型付费，且任务难易混杂时，强烈建议按任务难度动态调。
Aider 启动时会用 tree-sitter 扫描你的整个 git 仓库，生成一张「仓库地图」（repo map）喂给模型，让它知道有哪些函数、哪些类、它们的关系。这张地图对代码质量至关重要，但它本身也要消耗 token 去生成。
--weak-model 让你指定一个超便宜的模型专门负责生成 repo map 和处理杂务：
aider --model sonnet --weak-model haiku
效果： 主模型（sonnet）依然负责核心改代码，但 repo map 的构建、文件摘要这些「不需要高智商」的活，全部甩给 haiku。等于雇了个廉价实习生做资料整理，主工程师专注写代码。
配合开关一食用更佳： --architect sonnet --editor-model haiku --weak-model haiku，三个角色分工，账单最优。
仓库地图是 Aider 的灵魂，但很多人不知道它的大小是可以手动拧的。
# 默认 ~2048 tokens，大仓库可以调大给模型更多全局视野
aider --map-tokens 4096
# 小项目或想省钱，调小
aider --map-tokens 1024
# 只画某个子目录的地图（巨型 monorepo 神器）
aider --subtree-only src/payment/
# 控制地图刷新频率：always / auto / files / never
aider --map-refresh auto
信息差： 在十万行级别的 monorepo 里，默认的 repo map 会把不相关的模块也塞进去，既烧 token 又干扰模型。--subtree-only 让 Aider 只把你当前要改的那个子目录画进地图，token 消耗立降一个数量级，模型也更聚焦。
预期效果： 大仓库场景下，单轮对话上下文从动辄十几万 token 压到两三万，账单和延迟双降。
Aider 支持 prompt caching（提示词缓存），但默认不一定开。加一个 flag 就能白嫖：
aider --cache-prompts
原理： 当你在同一个会话里连续发多轮请求，前面已发送的 prompt（系统提示 + 仓库地图 + 已添加文件）会被服务商缓存。下一轮如果这部分内容没变，就按缓存价计费——比如 Anthropic 的缓存价格只有正常输入价的十分之一左右。
适合谁： 会话较长、多轮迭代改同一个功能的场景。一轮对话搞定的小改动感知不明显，但一个下午改 50 轮，省下来的钱够再跑十轮。
强烈建议写进配置文件（见开关八），让它永久生效。
这是 Aider 区别于「纯聊天型」AI 工具最大的杀手锏，但很多人完全没用。
# 改完代码自动跑 lint
aider --auto-lint --lint-cmd "ruff check --fix"
# 改完代码自动跑测试，失败了让AI自己修
aider --auto-test --test-cmd "pytest tests/"
工作流： 你让 Aider 改一段代码 → 它改完自动跑你指定的 lint/test 命令 → 如果报错，它会自己看到错误输出，然后自动迭代修复，直到通过为止——全程不用你插手。
sequenceDiagram
participant U as 你
participant A as Aider
participant T as 测试/Lint
U->>A: 改这个函数并加测试
A->>A: 改代码 + 生成diff
A->>T: 自动跑 pytest
T-->>A: ❌ 2个测试失败
A->>A: 读报错 → 自动修复
A->>T: 再跑一次
T-->>A: ✅ 全绿
A->>U: 完成，已git commit
信息差： 国内很多人把 Aider 当「会改文件的 ChatGPT」用，改完还得自己手动 pytest、手动 git diff 检查。开了这两个开关，Aider 就变成一个会自我验证的闭环 Agent——这才是它真正的形态。
适用场景： 任何有测试套件的项目。没有测试？那就先让它帮你写测试（/test 命令 + --test-cmd）。
--read 让你把文件以只读方式加进上下文，AI 能看到但不会去改它。最经典的用法是喂项目规范：
# 把代码规范、架构说明喂进去，AI改代码时全程遵守
aider --read CONVENTIONS.md --read ARCHITECTURE.md
# 临时参考某个接口文档
aider --read docs/api-spec.md main.py
进阶玩法——CONVENTIONS.md： Aider 官方文档专门推荐你建一个 CONVENTIONS.md 文件，写上「本项目用 tabs 不用空格」「错误处理必须用自定义异常类」「函数必须有类型注解」之类规则，然后 --read 进去。从此 AI 生成的代码自带你们团队的「肌肉记忆」，省去每次手动纠正风格的沟通成本。
和 /add 的区别： /add 是可编辑，--read 是只读参考。规范文档千万别 /add，否则 AI 可能「好心」帮你改规范。
信息差： 大多数人反复在对话里强调「请用这个风格」，每轮都烧一遍 token。写成 CONVENTIONS.md 用 --read 喂一次，配合 --cache-prompts（开关五）还能享受缓存价，一劳永逸。
最后一个，也是最该第一个做的开关：别每次都在命令行敲一长串 flag。
在项目根目录或 ~/.aider.conf.yml 写一个 YAML 配置文件：
# 模型分工
model: sonnet
editor-model: haiku
weak-model: haiku
architect: true
# 省钱
cache-prompts: true
map-tokens: 2048
map-refresh: auto
thinking-tokens: 8k
# 自验证闭环
auto-lint: true
lint-cmd: "ruff check --fix"
auto-test: true
test-cmd: "pytest -q"
# 规范
read:
- CONVENTIONS.md
# 中文commit message
commit-language: zh
之后直接敲 aider factorial.py，所有配置自动生效。再配一个 .aiderignore（语法同 .gitignore），把 node_modules/、*.lock、密钥文件挡在 AI 视线之外。
信息差： 配置文件是 Aider 体验从「能用」到「顺手」的分水岭。海外老手的 ~/.aider.conf.yml 都是精调过的，新手却每次裸奔。花 10 分钟写好这个文件，相当于给你未来每一次 AI 编程都省下配置成本。
| 维度 | 多数人的用法（一成） | 高手的用法（剩下九成） |
|---|---|---|
| 模型 | 一个模型干所有事 | Architect 主模型出方案 + Editor 廉价模型写码 + Weak 廉价模型建地图 |
| 推理预算 | 默认最大火力 | --thinking-tokens 按任务难度动态拧 |
| 仓库地图 | 默认全仓库扫 | --subtree-only 只画子目录，token 降一个数量级 |
| 重复请求 | 每轮全价 | --cache-prompts 享缓存十分之一价 |
| 测试验证 | AI 改完手动跑 | --auto-test 让 AI 自跑自修到全绿 |
| 代码规范 | 每轮口头强调 | CONVENTIONS.md + --read 一次喂入 |
| 配置 | 每次命令行裸敲 | .aider.conf.yml 固化出厂设置 |
| 中文场景 | 默认英文 commit | --commit-language zh + --chat-language zh |
~/.aider.conf.yml 落地开关八的配置模板，至少开 cache-prompts: true 和 auto-lint: true。aider --architect --model sonnet --editor-model haiku --auto-test --test-cmd "你的测试命令"，对比一下账单和效果。CONVENTIONS.md，把团队规约沉淀进去，用 --read 喂给 AI，从此告别「AI 不懂我们风格」的反复沟通。Aider 的核心信息差不在于「它存不存在」，而在于——这个工具把「省钱、自验证、多模型分工」的能力全做成了 flag，但默认全关着，就等你去打开。
/add、/undo、git 自动提交--thinking-tokens / --reasoning-effort 用法--map-tokens / --subtree-only 原理--message / --message-file 批量自动化本文由「51学通信」技术团队出品。51学通信由通信行业18年老兵爱卫生（微信ID: gprshome201101）维护。 聚焦5G/6G核心网、3GPP标准、AI工具实战。知识星球「51学通信」提供深度技术答疑和行业洞察。
[!tip] 51学通信知识星球 星主：爱卫生（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 星球定位：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 当前规模：5200 篇主题 / 990 个回答，198 元/年。 加入福利：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 AI 加持：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。