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%
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
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
第三刀:截断命令输出,别让它自己截
第四刀:把关键信息写进项目文件,别让它记
第五刀:写好AGENTS.md,一次到位省几十轮
第六刀:精准提问,减少上下文窗口
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
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
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
当前文章无评论,是时候发表评论了