什么值得买App下载 App ›
连续签到专享现金活动

Codex Token烧得快?AI在无效信息里兜圈子才是元凶,这套方法实测省50%

Codex用久了,额度肉眼可见地见底?很多人第一反应是“少问点”。错。真正烧Token的元凶,是AI在无效信息里反复兜圈子——扫全仓、读旧文件、输出废话,每一步都在悄悄掏空你的额度。这篇文章不教你“少用”,而是教你让AI只做有用功。实测有效的技巧,组合用能省50%以上的Token。12
为什么你的Token总是烧得莫名其妙
Codex每消耗一次Token,都花在这几块:输入的prompt、你贴进去的代码文件、日志和配置、模型的推理过程,以及最后输出的解释和代码。其中输入Token占了总消耗的70%到90%,是最该优化的部分。很多人以为prompt越短越省钱,但事实恰恰相反——模糊的任务描述会让AI自己猜、自己搜、自己试,产生大量无效消耗。比如“帮我看看这个项目有什么问题”,这句话看起来很短,但AI不知道你要找bug还是优化性能,不知道看前端还是后端,不知道做到什么程度算完成。它只能地毯式搜索整个仓库,Token就这么烧没了。2
省Token的本质不是少说话,而是让AI少猜、少扫、少返工。
第一刀:任务说清楚,别让AI猜
把任务边界划清楚,是省Token最简单也最有效的一步。与其说“帮我优化这个项目”,不如说:目标:修复登录接口在密码错误时返回500的问题。相关文件:src/auth/login.py不要修改数据库schema。不做无关重构。完成标准:新增或更新测试,auth相关测试通过。这个prompt更长,但它直接告诉AI要解决什么、优先看哪、什么时候停,AI不用瞎猜。实测数据:返工率从35%降到5%,开发周期从5天缩短到2天。32
一次只做一件事。一个对话里同时塞设计、改代码、调后端、部署,这种做法最容易把上下文撑爆。每次只聚焦一个任务,AI的注意力更集中,出错率明显下降。4
第二刀:别让AI读垃圾,先预压缩
Codex不需要你每次交互都塞进完整的代码仓库。真正有效的方法是先预压缩,再投喂精华。具体做法:生成一次性辅助脚本:compact_logs.py按时间戳过滤异常项;summarize_data.py提取关键统计;repo_map.py生成项目概览,跳过venv、node_modules、build产物。喂给AI的应该是200到500个Token的精炼摘要,而不是1万多个Token的噪音。一次构建,永久复用。56
很多人习惯贴原始日志,Codex直接给你塞16,000个Token的“行李”。贴日志时只贴关键片段,只截取ERROR相关行,或者先用grep过滤一遍再喂进去。57
第三刀:截断命令输出,别让它自己截
git status、ls -la、cat file、python script.py这些命令能瞬间撑爆上下文窗口。一招解决:在所有命令后加输出限制。head -n 50、tail -n 50、grep "ERROR" | head -n 30,或者直接设字节上限COMMAND 2>&1 | head -c 4000。Reddit老哥实测,单这一条上下文保护规则,Token开销降低约50%。把完整结果写入临时文件,只检查需要的片段。86
第四刀:把关键信息写进项目文件,别让它记
别让AI记住一切,让项目文件记住该记住的东西。维护一份精简的HANDOFF.md,控制在1000个Token以内,包含:当前目标+成功指标。关键文件+近期决策。已执行命令+结果。已知问题+不要再读的清单。下一步行动。每次对话结束前,让AI把进展压缩进去,下一次直接读这个文件,无缝接手。像跟同一个工程师交接工作,不用每次从头解释背景。594
每个大功能完成后,敲一次/compact,让AI压缩历史对话。长对话超过50轮之后,上下文会变得越来越慢、越来越乱。压缩到两三次之后如果AI开始“健忘”,直接/clear重开会话,白纸一张,上下文归零。91011
第五刀:写好AGENTS.md,一次到位省几十轮
在项目根目录放一个AGENTS.md文件,提前告诉AI:项目用了什么技术栈。代码风格规范。哪些操作禁止做。文件结构约定。测试框架要求。同时写入硬性边界:跳过node_modules、.venv、dist等目录;打开新文件前先给摘要;除非明确要求,否则不粘贴完整源码。这套规则一次设定,重复读取的Token消耗断崖式下降。文件控制在200行以内,超过200行反而拖慢速度。10612
第六刀:精准提问,减少上下文窗口
你问得越精准,AI需要读取和输出的内容就越少。烂提示词:“读一下这个文件然后解释。”好提示词:“定位风控引擎的仓位计算逻辑,只展示那个函数及上下各3行,用一段话解释边界情况。”或者:“生成一页项目地图:入口、配置、主数据流和回测命令,跳过第三方目录。”有针对性的提问=微型上下文窗口。52
要求AI只输出结果,不粘贴完整源码。直接说“最后只给我diff摘要和测试结果,不要贴完整文件”。简洁输出,只输出补丁加一句话原因,除非计划有变,否则不要复述,不要废话。2
第七刀:关掉冗余输出,切换合适模型
Codex默认会输出详细的规划步骤,“我准备这么干,先干A,再干B,再干C”,全是在烧输出Token。把Process_narration=false加进配置,关闭规划叙述,直接干活。实测单轮Token消耗明显减少。1314
回复风格改成务实。Codex默认的“亲和”模式会输出大量讨好你的废话。在设置里把个性改成“务实”,AI回复会更简洁,只说有用的。12
简单任务切mini,别用满血模型。写注释、改变量名、格式化代码、写单元测试这些活,轻量模型完全够用。判断标准:这个任务换成一个实习生也能做对,就别上最强模型。模型切到轻量版,额度几乎无限,速度还快。1015
规划用高推理,执行用快速模式。规划阶段切到高推理模型,让AI把方案想清楚;执行阶段切到高速度模型,让它快跑。分开用比一直用高推理模型省Token,比一直用快速模型省脑子。14
第八刀:小PR比大PR更省
Token消耗跟任务复杂度不是线性关系,是指数关系。改3个文件可能只烧5万Token,改15个文件可能烧80万。把大PR拆成小PR,一个PR不超过5个文件。总分Token反而更低,而且review也轻松。这很反直觉——你以为一次性多改点省力,实际上AI在多文件协调上的Token开销远超预期。10
复杂Bug先定位再修改。不要一上来就让AI改代码。先说:“请先只定位问题,不要修改代码,输出最可能相关的3到5个文件,以及每个文件为什么相关。”等方向明确了再让它动手。先定位再修改,减少误读、误改和返工。2
组合策略:把这套方法串起来用
日常用Codex的正确姿势是这样的:开项目前写好AGENTS.md,明确技术栈和禁止事项。每个PR不超过5个文件。简单任务切mini,复杂任务用满血但设/goal停止条件。每完成一个大任务敲一次/status看看剩余额度。每切换到新功能之前/compact一次。功能完成就关会话重开,白纸一张。这套流程走下来,Token消耗能降40%以上。不是少用,是用得更聪明。10
记住:省Token的关键不是把每句话写短,而是让每个窗口只做一件可验收的事。上下文越干净,AI越容易理解当前任务,越不容易在无关信息里消耗预算。照着做,你的额度能用更久。9

评论

评论区空态插画

当前文章无评论,是时候发表评论了