大多数人用 AI 遇到瓶颈，不是因为模型不好。
而是因为每次请求都太浪费了。
上下文太多。
指令太模糊。
解释太多余。
太多“让它更好”的提示，却没有明确的格式。
Token 才是 AI 工作中的真正货币。
你发送的每个词都在消耗上下文。
每个无用的回答都在浪费时间。
每个混乱的提示都会让模型花更多精力去猜测你的意图。
本指南讲的是 Token 经济学：如何更便宜、更快、更可预测地使用 AI。
不是靠什么魔法提示。
而是通过设定清晰的规则、减少噪音、结构化输入，让模型只做恰好需要的工作。
第一部分：设置、系统提示和语言
AI 可以像昂贵的玩具一样使用：写长长的请求，一次性上传所有内容，让它“一步步思考”，然后得到一大堆废话。
也可以像工具一样使用：快速、精准、经济。
这不是一篇关于“秘密提示”的文章。
这是一份关于如何配置 AI 的指南，让它消耗更少的 Token，响应更快，结果更有用。
1. 首先，设置系统规则
如果你使用 ChatGPT：
设置 → 个性化 → 自定义指令 → 开启自定义
在这里插入永久指令。
在 ChatGPT 中，这被称为自定义指令。
在 API 中，这些是系统/开发者指令。
含义相同：这些是 AI 每次响应时遵循的基本规则。
2. 节省 Token 的基本系统提示
最好用英文编写系统指令：它们对分词器来说通常更短，而最终答案仍然可以用任何语言要求。
将此复制到自定义指令/系统提示中：
1默认输出语言：中文。23你是一个效率优先的 AI 助手。45核心规则：61. 简洁、直接、实用。72. 不要以问候、道歉或“当然”等短语开头。83. 不要复述用户的请求。94. 立即给出结果。105. 不要展示思考过程。只给出结论、检查和最终答案。116. 对于简单任务：只给出最终答案。127. 对于复杂任务：先给出一个简短的 3 步计划，然后给出结果。138. 最多只问一个澄清性问题，且仅当缺失的细节阻碍了任务完成。149. 优先使用纯文本和简短的项目符号。1510. 除非明确要求，否则避免使用表格。1611. 默认答案长度：1200–2500 个字符。1712. 如果源文本在标签内提供，则只处理该标签内的文本。1813. 如果用户要求草稿，则返回可直接使用的文案。1914. 如果事实可能过时，则说明需要验证。2015. 优先考虑准确性、简洁性和实用性，而非礼貌。
这会给你带来什么：
更少的问候；
更少的废话；
更少的重复；
更少不必要的解释；
更可预测的答案格式。
3. 如何使用“母语模式”
规则是：
指令——用英文；
源数据——用原始语言；
最终答案——用要求的语言。
不需要翻译所有内容。
如果你在处理一个例如“西班牙语”的帖子、法律文本、医学术语或广告文案，最好将源文本保留在“西班牙语”中。
但命令可以用英文给出：
1任务：为 Telegram 帖子重写文本。23输入语言：西班牙语。4输出语言：西班牙语。56规则：7- 保持原意。8- 改进结构和清晰度。9- 去除废话。10- 使其对广泛受众可读。11- 不要添加源文本中没有的事实。12- 只返回最终的帖子。1314<text>15在此处插入原始西班牙语文本16</text>
这样，你给了模型一个简短的技术指令，但不会丢失西班牙语的含义和风格。
4. Telegram 编辑的系统提示
如果你经常创建帖子，创建一个单独的项目 / Custom GPT / 聊天，并插入以下内容：
1你是一个面向西班牙语科技受众的 Telegram 编辑。23默认输出语言：西班牙语。45你的任务是将粗糙的原始材料转化为清晰、有用、可直接发布的 Telegram 帖子。67风格：8- 简洁；9- 自信；10- 简单但不幼稚；11- 没有空洞的激励；12- 没有企业套话；13- 没有过多的表情符号；14- 没有虚假的炒作。1516结构：171. 有力的标题。182. 简短的开场。193. 清晰的解释。204. 实用的步骤。215. 具体的例子。226. 最终的要点。2324规则：25- 不要编造事实。26- 标记不确定的说法。27- 删除重复的想法。28- 用具体行动替换模糊的建议。29- 使用短段落。30- 即使是非技术读者也能从帖子中受益。
现在你不需要每次都写：
“让它漂亮、清晰、没有废话。”
它已经写进系统了。
5. 如何编写常规请求
糟糕的：
1请看一下，我有这段文字，我想改进一下，让它正常、清晰、有趣……
好的：
1任务：为 Telegram 改编文本。23受众：普通用户。4风格：清晰、自信、没有废话。56格式：7- 标题；8- 简短介绍；9- 10 个要点；10- 最终结论。1112限制：13- 最多 3500 个字符；14- 没有冗长的介绍；15- 没有编造的事实。1617<text>18在此处插入源文本19</text>
AI 不需要被说服。
它需要被赋予清晰的任务。
第二部分：缓存、模型、文件和工作流程
第一部分：系统提示和正确的指令语言。
现在：如何在不浪费 Token 处理垃圾信息的情况下使用 AI。
6. 使用 XML 标签
标签向模型展示指令在哪里，数据在哪里。
示例：
1任务：找出合同中的风险。23输出：4- 风险列表；5- 为什么是风险；6- 如何重写条款。78<contract_fragment>9在此处插入所需的合同片段10</contract_fragment>
如果有多个文档：
1<documents>2 <document id="1">3 第一个文档的文本4 </document>56 <document id="2">7 第二个文档的文本8 </document>9</documents>
这有助于模型减少混淆，并且更少地偏离任务进行回答。
7. 不要无理由地要求它“一步步思考”
“一步步思考”这个短语通常会增加 Token 使用量。
对于简单任务，写：
1只给出最终答案。无需推理。
对于中等复杂度的任务：
1先给出一个简短的 3 步计划，然后给出最终答案。2不要包含详细的推理。
对于复杂任务：
1仔细分析，但只展示：21. 结论；32. 关键原因；43. 风险；54. 后续步骤。67不要展示思考过程。
模型可以在内部推理。
但你不需要为一大段推理付费。
8. 配置推理/思考
如果服务允许你选择思考模式：
对于简单任务：
低 / 最小 / 快速 / 经济
对于中等任务：
中等
对于复杂任务：
高
不要为了修改文本、想标题或列清单而启用最大思考模式。
这就像叫特种部队来开一罐泡菜。
9. 限制答案长度
在请求末尾添加：
1用中文回答。2最大长度：1500 个字符。3无需介绍。
或者：
1给出 7 个要点。2每个要点：一句话。
或者：
1只返回：2- 标题；3- 帖子正文；4- 行动号召。
格式越精确，不必要的 Token 就越少。
10. 不要保持无休止的聊天
长聊天不是记忆。
它是一个沉重的包袱。
如果你已经讨论了 5 个不同的主题，不要在那里开始新任务。
规则：
新任务——新聊天。
如果需要旧上下文，只传递一个简短的摘要：
1上下文摘要：2- 项目：关于 AI 的 Telegram 频道；3- 风格：简洁、技术性、无废话；4- 受众：普通用户；5- 任务：写一篇指导性帖子。
不要拖拽整个对话历史。
11. 不要上传不必要的文件
如果问题只涉及合同中的一个条款，则无需上传整个合同。
更好的做法：
1只分析这个片段。23<fragment>4在此处插入所需的段落5</fragment>
如果需要分析整个文件，那么上传文件是合理的。
如果只需要一个段落，则不需要文件。
12. 缓存：主要的 API 节省规则
缓存喜欢稳定性。
如果你每次都发送相同的系统提示，它可能会被更便宜、更快速地处理。
但如果你不断更改系统指令，缓存可能无法工作。
正确的结构：
1[稳定块]23系统规则：4- 角色；5- 风格；6- 输出格式；7- 限制；8- 示例。910[可变块]1112用户任务：13- 具体任务；14- 新文本；15- 新数据。
不要触碰稳定块。
在末尾添加新数据。
13. 为任务选择合适的模型
轻量级模型适用于：
编辑；
缩短；
标题；
简单翻译；
列表；
帖子；
模板邮件。
强大的模型适用于：
复杂逻辑；
代码；
策略；
文档分析；
法律风险；
医学；
金融；
多步骤任务。
节省不是从提示开始的，而是从选择合适的模型开始的。
14. 通用请求模板
为自己保存这个：
1任务：2[需要做什么]34受众：5[结果给谁看]67上下文：8[为什么需要这个]910风格：11[语气和表达方式]1213输出格式：14[答案结构]1516限制：17[长度、语言、限制]1819来源：20<text>21[源数据]22</text>
这取代了 90% 的“秘密提示”。
15. 发送前的迷你清单
检查：
任务是否简洁地表述了？
是否指定了答案语言？
是否指定了答案格式？
是否指定了长度限制？
是否移除了不必要的上下文？
源文本是否用标签分隔了？
我是否无理由地要求它“深入思考”？
我是否不必要地继续旧聊天？
我是否选择了正确的模型？
系统提示是否每次都保持不变？
主要的节省公式：
稳定的系统提示
简短的英文指令
中文最终答案
用于数据的标签
长度限制
正确的模型
= 更少的 Token，更快的答案，更高的质量。
AI 不需要被说服。
AI 需要被正确地指示。
