同样的任务，有人消耗 2 万 Token，有人只要 100。差距在哪？你有没有遇到过这种情况：明明只是让 AI 帮忙改个 Bug，几轮对话下来，积分"嗰嗰"往下掉……

今天这篇文章，教你如何把积分用在刀刃上，同样的任务，消耗降低 90%+。

一、你的积分是怎么没的？

Token 消耗的两个来源

最容易被忽视的"隐形杀手"：对话累积

这是 90% 的人都会踩的坑。每一轮对话，都会把之前所有内容重新发给 AI。

• 第 1 轮：处理当前问题 → 低消耗 ✅
• 第 5 轮：处理当前问题 + 前 4 轮历史 → 中消耗 ⚠️
• 第 10 轮：处理当前问题 + 前 9 轮历史 → 较高消耗 🔺
• 第 20 轮：处理当前问题 + 前 19 轮历史 → 高消耗 ❌

看到没有？对话轮数越多，消耗指数级增长。

二、一个案例，看懂差距有多大

场景：修复登录 Bug

假设你的项目有个登录 Bug，密码验证总是失败。

❌ 高消耗做法（19,450 Tokens）

第 1 轮
用户：帮我看看我的项目有什么问题
AI：好的，让我看看项目结构... [读取整个目录]

第 2 轮
用户：有个登录功能报错了
AI：请问具体是什么错误信息？

第 3 轮
用户：好像是密码验证的问题
AI：让我搜索一下相关代码... [搜索多个文件]

第 4 轮
用户：就是登录的时候密码一直不对
AI：我需要更多信息，请问...

第 5 轮
用户：在 auth.py 里
AI：让我读取这个文件... [读取 300 行代码]

第 6 轮
用户：帮我修一下
AI：找到问题了... [生成修复代码]

6 轮对话，消耗约 19,450 Tokens ⚠️

✅ 低消耗做法（110 Tokens）

用户：修复 /workspace/auth.py 第 89 行的密码验证 Bug。
问题是 bcrypt.verify() 传入了字符串而非 bytes。
请直接修改代码，不需要解释。

AI：已修复。添加 .encode('utf-8') 类型转换。

1 轮对话，消耗约 110 Tokens ✅

对比结果

同样的任务，效果天差地别。

三、5 个技巧，积分消耗直降 90%

技巧 1：精准定位

别让 AI 瞎找，直接给路径。

• ❌ "帮我看看项目有什么问题"
• ✅ "读取 /workspace/app.py 第 50 行"
• ❌ "找个配置文件"
• ✅ "修改 /workspace/config.json 的 timeout 字段"

节省：30-50%

技巧 2：一次说清

别挤牙膏，一次性把需求说完整。

• ❌ 分 3 轮说：第 1 轮"帮我写个爬虫"，第 2 轮"爬豆瓣电影"，第 3 轮"只要前 10 页"
• ✅ 一次说完："写个 Python 爬虫，爬豆瓣电影 Top250，只爬前 10 页，输出 CSV 格式"

节省：40-60%

技巧 3：控制输出

告诉 AI 你要什么，不要让它自由发挥。

• ❌ "帮我分析一下这段代码"
• ✅ "分析时间复杂度，一句话回答"
• ❌ "写一个排序函数"
• ✅ "写快速排序函数，只输出代码，不加注释"

节省：20-40%

技巧 4：及时清理

完成任务后，用 /clear 开始新对话。

建议： - 每 5-10 轮清理一次 - 切换不同任务时清理 - 上下文太多时清理

节省：50-80%

技巧 5：选对模型

简单任务用轻量模型，费率更低。

节省：30-50%

四、万能 Prompt 模板（直接套用）

代码修改模板

任务：[修改/新增/删除]
文件：[完整路径]
位置：[行号/函数名]
问题：[具体描述]
要求：[直接修改/只给代码]

查询分析模板

目标：[想了解什么]
范围：[文件路径/目录]
条件：[筛选条件]
输出：[表格/列表/一句话]

文档生成模板

主题：[文档主题]
类型：[README/报告/博客]
长度：[字数限制]
风格：[正式/轻松]

五、检查清单（建议收藏）

每次提问前，快速过一遍：

✅ 提问前

• [ ] 提供完整文件路径了吗？
• [ ] 说明具体问题位置了吗？
• [ ] 一次说完所有需求了吗？
• [ ] 明确期望输出格式了吗？

✅ 对话中

• [ ] 对话超过 10 轮？考虑清理
• [ ] 切换新任务？先清理
• [ ] 上下文太多？及时清理

✅ 完成后

• [ ] 使用 /clear 开始新对话
• [ ] 记录有用的 Prompt 模板

总结：核心口诀

路径精准、问题具体、一次说清、输出控制、及时清理

记住这 15 个字，积分消耗至少降低 50%。