Token Saver 开源 MCP 扩展：本地混合 RAG 将 Claude PDF 处理 Token 成本降低 90-99%
Marktechpost AI 发布 Token Saver，一款开源 MCP 扩展，通过本地混合 RAG 技术，在 Claude Desktop 中处理 PDF 时节省高达 99% 的 Token，同时确保文档隐私。无需上传文件，设置简单，适合处理法律、金融等大型文档。
一句话看懂
Token Saver 是一个开源 MCP 扩展，通过本地混合 RAG 技术，让 Claude Desktop 处理 PDF 时只提取相关段落，Token 消耗降低 90-99%，且文件不上传。
详细发生了什么
Marktechpost AI 团队发布了 Token Saver，一个开源 MCP（Model Context Protocol）扩展，专为 Claude Desktop 设计。它通过本地混合 RAG（Hybrid RAG）系统，在用户提问时仅向 Claude 传递相关段落，而非整个文档，从而将 Token 消耗降低 92% 到 99%。
传统上，Claude 处理 PDF 时会逐页转换为图像并提取文本，每页消耗 1500-3000 Token，且对话历史每次都会重新发送整个文档。Token Saver 作为本地 MCP 服务器运行，PDF 文件始终留在用户硬盘上。它结合 BM25 关键词匹配（权重 0.4）和 all-MiniLM-L6-v2 本地嵌入模型的语义搜索（权重 0.6），检索最相关的文本片段，并附上精确页码。
测试数据显示：处理 33 页的 FDA 药品标签节省 95.7% Token，88 页的 GDPR 法规节省 98.6%，233 页的 SFFA v. Harvard 案节省 99.4%。
中文圈视角
Token Saver 对中文用户有直接价值。首先，它完全本地运行，无需联网，对数据隐私敏感的用户（如律师、金融分析师）尤其友好。国内用户无需担心数据出境问题，因为文件不上传至任何服务器。
其次，设置极其简单：下载 .mcpb 文件，在 Claude Desktop 扩展中安装，选择文件夹即可。无需 Python 环境或终端配置，降低了使用门槛。
目前国内类似工具较少，但用户可参考其思路：使用本地 RAG 减少 Token 消耗。对于使用国产模型（如 DeepSeek、Kimi）处理长文档的用户，也可借鉴其混合 RAG 策略，但需自行实现。Token Saver 目前仅支持 Claude Desktop，但开源协议（MIT）允许二次开发，未来可能适配其他模型。
几条值得记住的细节
- Token 节省高达 99%：处理 233 页文档时，仅返回 740 Token，节省 99.4%。
- 本地隐私三支柱：零上传、文件夹白名单、仅通过 stdio 通信，无网络端口。
- 8 阶段处理流水线：提取、分块（180 词，重叠 40 词）、混合 RAG 评分、质量门控（语义相似度≥0.25）、去重、修剪、预算（上限 8000 字符）、封装。
- 推荐使用 Claude 3.5 Sonnet：处理文件引用和页码更稳定；Opus 适合多声部文档。
- 安装仅需一步：从 GitHub Releases 下载 token-saver-ccr.mcpb，在 Claude Desktop 扩展中安装。
一句话总结
处理大型 PDF 时，Token Saver 能大幅降低 Claude 使用成本，同时保护隐私，是文档分析的高效工具。