在使用 AI（尤其是按 Token 计费的 API 或长上下文模型）时，节约 Token 的核心思路是：减少无效输入、压缩有效信息、控制输出长度、复用上下文。以下是分维度的具体方法及示例：

---

一、Prompt 工程：让输入更精炼

1. 删除冗余修饰词

低效：

“请你作为一个非常专业、经验丰富、在业界享有盛誉的资深 Java 后端开发工程师，帮我详细分析一下下面这段代码可能存在的问题，要非常详细、全面、深入、透彻地分析……”

高效：

“作为资深 Java 工程师，分析以下代码的潜在问题（重点关注 NPE、并发安全、资源泄漏）：”

节约点：删除形容词堆砌，直接限定角色 + 任务 + 约束条件。

---

2. 使用结构化标记替代自然语言描述

低效：

“这里有一个用户表，字段包括用户ID、用户名、邮箱、创建时间、状态。还有一个订单表，字段包括订单ID、用户ID、订单金额、订单状态、创建时间。用户表和订单表通过用户ID关联。请帮我写一条SQL查询每个用户的订单总金额……”

高效：

表结构：
- users(id, username, email, created_at, status)
- orders(id, user_id, amount, status, created_at)

需求：查询每个用户的订单总金额，按金额降序。

节约点：用表格/列表/代码块替代大段叙述，结构化信息密度更高。

---

3. 提供最小可复现示例（MRE）

低效： 粘贴 500 行业务代码让 AI 找 Bug。

高效：

// 问题：以下代码在并发下可能丢失更新
public void deductStock(Long itemId, int qty) {
    int stock = getStock(itemId);  // ①
    if (stock >= qty) {
        updateStock(itemId, stock - qty);  // ②
    }
}
// 请指出问题并给出修复方案

节约点：只保留与问题相关的核心逻辑，删除无关业务代码、注释、空行。

---

二、上下文管理：避免重复携带历史

4. 主动摘要历史对话

当对话轮次很长时，不要让模型重复读取完整历史。

操作方式：

“以上对话我们讨论了 MySQL 索引优化的 5 个要点。后续问题请基于这 5 点展开，无需重复之前的详细解释。”

API 层面：定期将多轮对话压缩为一条 System Prompt：

System: 用户正在优化 MySQL 慢查询。已确认：①无索引 ②回表过多 ③需用覆盖索引。当前问题：如何优化 LIMIT 深分页。

节约点：将 10 轮对话（可能 3000+ Token）压缩为 1 条摘要（200 Token）。

---

5. 分片处理长文本（Chunking）

处理超长文档（如 PDF、代码库）时，不要一次性全量投喂。

低效： 直接粘贴 2 万字技术文档问"总结一下"。

高效：

1. 先让 AI 分段处理：

   “这是文档第 1-5 章，请提取各章核心论点（限 50 字/章）。”

2. 再将摘要汇总：

   “基于以下各章摘要，生成全文总结……”

节约点：避免单次请求超出上下文窗口，同时减少重复计费。

---

三、控制输出：限定响应长度

6. 显式约束输出格式和长度

低效：

“介绍一下 Redis 持久化。”

高效：

“用表格对比 RDB 和 AOF，3 行以内，只列核心差异（机制、性能、场景）。”

API 参数：设置 max_tokens 上限，避免模型"发散"生成冗长内容。

---

7. 要求代码-only 回复

低效：

“请给我写一个 Java 单例模式，并附带详细解释、优缺点分析、使用场景说明……”

高效：

“用 Java 枚举实现线程安全单例，只输出代码，不要解释。”

节约点：解释性文字往往占输出 Token 的 60% 以上。

---

四、工具与策略层面

8. 使用 Prompt Cache / 上下文缓存

部分平台（如 Claude、Kimi）支持Prompt Cache：

• 将不变的系统指令、文档背景缓存，后续请求只计费变化的 Token。
• 示例：把 5000 Token 的产品文档作为缓存上下文，每次只问新问题（50 Token），只需付 50 Token 而非 5050 Token。

---

9. 批量处理替代单条循环

低效（API 调用）：

for code_snippet in code_list:
    response = ai.chat(f"Review this code: {code_snippet}")  # 每次都要付系统 Prompt Token

高效：

prompt = "批量审查以下代码片段，按序号输出问题：\n" + "\n---\n".join(code_list)
response = ai.chat(prompt)  # 只付一次系统 Prompt Token

节约点：减少系统消息（System Prompt）的重复计费。

---

10. 用英文关键词替代中文长句（API 场景）

模型对英文 Token 的切分效率通常高于中文（1 个英文词 ≈ 1 Token，1 个汉字 ≈ 1~1.5 Token）。

示例：

• “请详细解释” → “Explain in detail”（3 Token vs 5 Token）
• 技术术语直接用英文：OOP、NPE、GC 比全称更省 Token。

---

五、总结对照表

策略	适用场景	预估节约比例
删除冗余修饰	所有对话	10%~20%
结构化输入	代码/数据分析	20%~40%
最小可复现示例	Bug 排查	50%~80%
主动摘要历史	长对话	30%~60%
分片处理长文本	文档分析	避免超限重复计费
限定输出长度	所有场景	20%~50%
Prompt Cache	固定背景 + 多变问题	80%~90%（背景部分）
批量处理	API 批量任务	30%~50%

核心原则：Token 是信息的度量单位，不是字数的度量单位。信息密度越高、冗余越低，同样的任务消耗的 Token 就越少，模型理解也越精准。