事件概述

在 AI Agent 应用爆发的背景下，Token 已成为实际的生产力货币。不同于早期的免费或包月模式，按量计费机制使得每一次 API 调用（包括自我修正、工具调用）都直接关联账单。核心矛盾在于：用户尚未掌握在算法黑盒中计算得失的方法，导致大量 Token 被无效内容消耗。

核心信息与实操策略

1. 输入端：提升信噪比，拒绝“带泥烂菜叶”

AI 计费基于读取字数，无论内容是否有价值。优化输入是首要环节：

• 文本清洗：避免冗长开场白、重复背景及未清理的代码注释。将 PDF 转为纯净 Markdown 文本，可去除页眉页脚等无用格式代码，大幅降低 Token 消耗并提升处理速度。
• 图片压缩：视觉模型按像素面积计费（如 Claude 逻辑：宽×高÷750）。4K 高清图对于简单识别任务属于浪费，压缩至最小可用分辨率（如 200×200）可降低约 25 倍成本。
• 沟通效率：摒弃“挤牙膏”式多轮对话。一次性明确需求、边界条件及参考范例，避免反复拉扯导致的 Token 叠加。提供具体文件路径而非模糊指令（如指定 src/services/user.ts），减少后台扫描成本。

2. 输出端：建立规矩，拒绝为“礼貌”买单

输出 Token 通常比输入贵 3-5 倍（例如 Claude Sonnet 4.6 输入$3/百万，输出$15/百万）。

• 系统指令约束：明确禁止寒暄、解释和复述，要求直接给答案。将冗长提示词压缩为高密度条目化清单，实测可降低 64% 单次调用消耗。
• 结构化输出：强制返回 JSON 等结构化数据，剔除连接词和语气词，比自然语言描述更节省 Token。
• 关闭过度思考：对非复杂逻辑任务，手动关闭模型的“扩展思考”模式，避免为内部推理过程支付高昂费用。

3. 上下文管理：别让 AI“翻旧账”

大模型无真正记忆，每次回复需重读全部历史对话，导致成本随轮次几何级增长（第 50 条消息成本可能比第 1 条高 80%）。

• 单任务单窗口：话题结束后立即开启新对话，避免上下文无限累积。
• 利用缓存技术：使用 Prompt Caching（提示词缓存），若系统提示词和参考文档保持一致且置于首位，命中后读取成本可降至正常的 1/10（Anthropic）或降低 50%（OpenAI）。
• 按需加载：避免将所有规则塞入系统提示词。将专项规则拆分为独立文件，仅在对应场景加载，保持上下文纯净。

4. 模型分级：别开保时捷去买菜

不同模型价格差异巨大（如 Claude Opus 4.6 与 Haiku 3.5 价差近 6 倍），应建立“阶级分工”思维：

• 两段式工作流：第一阶段用廉价模型（如 Gemini Flash）完成资料搜集、初稿生成等脏活；第二阶段将提炼后的精华投喂给顶级模型进行深度决策。
• 任务解构：将复杂工程拆解，框架代码由廉价模型编写，核心逻辑由昂贵模型实现。

5. 底层逻辑：决策断舍离

最极致的节省是判断“是否值得调用”。

• 人工过滤：在邮件处理等场景中，先由人工筛选明显无需 AI 介入的任务，仅将剩余部分交给模型。
• 算力主权：内化对 Token 成本的敏感度，让 AI 与人各司其职，而非盲目依赖万能解答。

关键结论

AI 时代的省钱本质是从“被动匮乏”转向“主动精准”。通过优化输入质量、控制输出冗余、管理上下文长度以及实施精细化的模型分级策略，用户可将 Token 成本降低数倍甚至数十倍。真正的核心竞争力在于建立对算力的直觉感知，确保每一分投入都花在刀刃上。