我是如何將 Codex 每日 Token 用量從 2.45 億降至 2,800 萬且免費（速度不變）

在 Codex 的促銷結束、真正的配額開始後，我盯著每天的 Codex token 使用上限，發現很快就燒光了。

於是我找到一套方法，在完全不影響速度的前提下減少 token 消耗。

一天：2.45 億 token

隔天鎖定系統後：2800 萬 token

以下就是我做出的改動：

第一步：絕不餵原始資料，先預先壓縮

Codex 不需要你每次來回都餵 40MB 的交易紀錄、巨大的 JSON 市場數據或完整的程式庫。我現在讓它一次性生成輔助腳本，用來建立「針灸地圖」：

• compact_logs.py → 按時間戳記/代碼/關鍵字過濾，只輸出前 N 個異常
• summarize_data.py → 提取相關欄位、行數、樣本和關鍵統計數據
• repo_map.py → 建立乾淨的入口點、設定、核心流程總覽（跳過 venv、node_modules、build 等）

餵給它 200-500 token 的精煉洞察，而不是 10k+ 的雜訊。

一次建立，重複使用。

第二步：嚴格限制每個指令的輸出量

預設輸出非常致命：

• git status
• ls -la
• cat file
• python script.py

瞬間撐爆上下文。

我現在把限制寫進每個指令：

1head -n 50, tail -n 50, grep "ERROR" | head -n 30
2
3將完整結果寫入暫存檔，只檢查特定範圍
4
5到處加上 --limit 100 參數

第三步：建立一份活的交接檔案（專案大腦）

別讓 Agent 每次對話都重新發現一切。

我維護一份精簡的 HANDOFF.md（小於 1k token），裡面包含：

• 當前目標 + 成功指標
• 關鍵檔案與近期決策
• 已執行過的指令與結果
• 已知問題與「不要再讀」清單
• 下一步行動

每次對話結束時加上：「將當前發現壓縮進 HANDOFF.md，刪除死路，只保留可行的事實。」

第四步：明確的「不要做」指令能省大量 token

Agent 喜歡亂逛，所以我設下硬邊界：

• 「跳過 node_modules、.venv、dist、logs/archive、產出檔案以及所有快取目錄」
• 「在開啟任何新檔案前先摘要」
• 「除非我明確要求，否則不要貼上完整原始碼」
• 「只檢查當前任務需要的檔案」

把這些寫進你的 AGENTS.md，一次設定，省去無數次重複讀取。

第五步：要求摘要、差異與片段

糟糕的提示：

1讀取這個檔案並解釋它。

好的提示：

1找到風險引擎的部位規模邏輯。只顯示那個函式 + 前後三行。用一段話解釋邊緣案例。

或者

1建立一頁的專案地圖：入口點、設定、主要資料流程與回測指令。跳過 vendor 目錄。

精準的提問 = 極小的上下文視窗

第六步：讓 Codex 定期壓縮自己的上下文

每 4-5 輪我加入：

1將我們的進度摘要成一份精簡的交接筆記。移除重複與失敗路徑。只保留繼續下去所需的內容。

對話即使增長也保持輕量。

第七步：預設關閉冗長模式

1簡潔。只輸出更新內容 + 一句話原因。除非計畫改變，否則不要重複陳述。不要廢話。

光是這條規則就大幅砍掉輸出 token。

我每天部署的實用指令與輔助腳本

以下是我在任何專案第一天就直接複製貼上、或讓 Codex 產生的確切一行指令與腳本。

我強制每個工具呼叫都要使用的核心限制指令：

1# 安全檔案檢查
2head -n 80 somefile.py | cat
3tail -n 80 somefile.py | cat
4grep -n "關鍵字" file.py | head -n 40
5
6# Git 不噴大量資訊
7git status --porcelain | head -n 30
8git log --oneline -15
9git diff --name-only | head -n 20
10
11# 資料與日誌（交易專用）
12tail -n 200 market_log.json | jq '.[-50:]' | head -n 100
13python -c "import pandas as pd; df = pd.read_csv('trades.csv'); print(df.head(20).to_string())" | head -n 150
14
15# 寫入再檢查模式
16python analyze_backtest.py > temp_results.txt 2>&1
17head -c 8000 temp_results.txt   # 安全性字節上限

我一定會先請 Codex 建立的輔助腳本（然後自己執行）：

• compact_logs.py → python compact_logs.py --symbol BTC --hours 24 > summary.txt
• repo_map.py → python repo_map.py > HANDOFF.md （更新大腦檔案）
• scan_errors.py → python scan_errors.py --limit 30 > errors.txt
• summarize_json.py → python summarize_json.py market_snapshot.json > needle.txt

我奉行的一條 AGENTS.md 黃金規則（對未知輸出強制字節上限）：

1## 指令輸出保護
2任何可能產生未知或大量輸出的指令都必須設定字節上限。
3預設：COMMAND 2>&1 | head -c 6000
4如果需要更多，寫入暫存檔，我只會檢查特定範圍。

我在資料密集任務中重複使用的提示模板：

1先執行 compact_logs.py 或 summarize_data.py 建立一份 <500 token 的針灸地圖。然後只分析那份地圖。絕不直接讀取原始檔案。

光是這些指令與腳本，就能在大型工作流程改動的基礎上，再砍掉 30-40% 的每日 token 消耗。

我的新經驗法則：如果 50 行摘要就夠用，別讓 Codex 讀原始資料

我在第一週建立的輔助工具，每小時都在回本。

Token 效率不是模型問題，而是系統問題。只要掌握好上下文紀律，你就能在同一個配額內完成 8-10 倍的工作量。

我也在開發 www.RedLeads.app，讓我更快找到使用我發布產品的用戶。一起透過 vibecoding 酷系統與工具，衝刺到月收入一萬美元吧。

謝謝你 :)