找到了！节省Token的9+1个邪修办法

不知道什么时候开始，我对于收入的思考方式变成了：今天我又赚了多少个token。长期速试AI提效产品的买购，会导致token花费苦来兮苦，本文结合我的实际经验和小伙伴们交流总结了十条建议，能够帮大家节省token，提高使用AI工具帮助学习工作的效果，物尽其用。同时还有一个密不外传的建议可以让你免费高速使用最新最diao的模型。省了就是赚了，听懂掌声。

关注腾讯云开发者，一手技术干货提前解锁👇

01

前言

在我们团队中，使用AI工具似乎成为了一种时尚潮流。

ChatGPT订阅已经是标配，Claude Code、Cursor、Perplexity Pro 更是让人垂涎欲滴。

以最快的速度试验各种各样新鲜的AI提效工具成为了日常攀比的潮流单品：

由于长期速试导致的买购

但是这种长期速试导致的买购，会花费非常多的小钱钱，会让收入苦来兮苦。

如果不会使用模型，模型运行效果差，带有大量无用上下文token，会白白浪费token数。

同时，使用外部模型编写内部代码是危险的，不符合规定的。同时如果不知道工作中怎么物尽其用这些大模型，就会让每个月的订阅白白打水漂。

那到底有没有什么办法可以节省token、让模型发挥的更好，同时工作中能用的场景又有哪些呢？

我这里有一些建议。

02

帮助日常工作和学习的建议

2.1 编写脚本工具和业余学习工具

我们日常开发过程中，常常需要编写一些脚本工具来帮助我们处理很多繁杂的工作。这些代码和我们的工作代码无关，不会进入我们的主工程，这就非常适合使用Cursor、CodeBuddy等Agent编码模式非常好用的开发工具。

但是请注意，仔细Review产生的代码。

绝对不要在其中hardcode任何密钥，可以要求他产生可以输入配置的代码，你在实际执行的时候作为入参输入。

（注意：也不要在外部工具直接执行这些脚本）

也更要警惕它是否产生了一些可能有后门的代码，导致执行这个脚本的时候会上传你的信息到外部的服务器。

在我的工作流，我通常是直接编写一个markdown文件：

完整的描述我要的工具，然后在让它来读取执行：

2.2 分析开源代码

我们在工作中为了学习充电，通常要阅读大量开源代码。这些开源代码直接读起来通常比较痛苦。

这里非常推荐订阅Claude Code，使用 Opus 这种超长上下文的模型，将其转换为介绍说明书，效果绝佳。

同时这些说明书一旦生成了，就不用反复生成了，小伙伴们可以互相共享输出结果，非常省钱。我自己白嫖了许多团队其他小伙伴生成的学习资料。

2.3 “偷”Prompts

很多团队都有内部部署、安全可控的大模型使用，但通常不是业界最领先的模型，我也可以利用外部大模型来更好的使用我们内部的模型。

一些最顶尖的大模型和其相关的工具通常了解自己的提示词，我们可以向他请教生成我想要的提示词，然后应用在我们自己的模型上，非常有效果。

一个成功的使用案例

2.4 分析BUG和请教问题

我们通常可以使用外部大模型来分析我们工程中遇到的局部BUG，或者请教一些不了解的技术问题。强烈建议使用ChatGPT来完成。

我自己体验最好的还是ChatGPT o3 和 o4-mini-high 模型：

这有一些好处：

分析BUG和请教问题通常不需要强大的 Agent 编码能力，而是需要对问题更深入的思考和广阔的知识面。

同时ChatGPT Plus的订阅，对话次数个人体验下来基本上是用不完的，而Cursor等工具通常都是按Token计费的很容易就用完了。

同时，如果你需要系统化的总结，还可以使用Deep Research功能，这个功能也帮助我完成了这篇文章：

另外，在分析BUG的时候，一定不要把代码直接发给外部模型。通过人工抽象问题、提供公开的API文档、伪数据替代、最终提供最小的脱敏代码或伪代码给他，这样不仅能够让他专注于解决问题，同时也避开了泄漏数据的问题。

如何人工抽象，是由开发者手工将代码逻辑抽象为高层描述或伪代码，然后提供给模型。这相当于人类先做“一次翻译”，将复杂实现用自然语言或简单伪代码描述出来，避免直接暴露源码。例如，可以描述算法的流程：“先进行A排序，然后对结果执行B操作…”，而不提及具体变量名和实现细节。模型据此理解需求，再提供解决方案或建议。

2.5 搭建环境

当我要开坑一个Python或者Node工具的时候，搭建环境是最让我头疼的了。尤其是前端技术栈的环境工具太杂乱了。这种时候就非常适合使用Cursor等工具先帮你把环境配置好。效果非常拔群：

这里不涉及代码，自然没有泄露风险。

2.6 开启隐私模式

在不使用Cursor工具来编写内部代码的前提下，仍然提示大家默认开启Cursor的隐私模式。双重保险。

03

节省Token和提升效果的建议

3.1 清晰的提示词技巧

让大模型能够一次完成工作，而不需要频繁返工其实是最省的。这里有很多技巧：

比如与其写“实现一个函数处理 X”，不如详细说明“请编写一个 Python 函数，输入一个整数列表，返回其中的所有偶数”。清晰的目标描述有助于模型理解意图，即使模型有时输出不完全符合预期，也可以通过逐步添加细节来迭代完善提示。实际经验表明，“提示越具体和详细，AI产出的代码往往越高质量”。

同时要提供充分的上下文，LLM 对所给上下文非常敏感。确保在提示中提供完成任务所需的背景，如相关代码片段、数据结构说明或函数的用途描述等，以便模型更好地理解问题。

虽然很多观点认为中文和英文现在在大模型的效果都一样好了，但是其实我自己实测看来英文的效果还是略胜一筹。因此我通常会使用英文来编写Prompts。

为了方便我编写日常Prompts，我甚至写了个调用大模型来做即时翻译的H5软件：

3.2 利用缓存

开发者会多次询问类似的问题或让模型对同一段代码反复改进。为避免每次都从零开始处理相同输入，可以对模型调用结果进行缓存。比如Cursor就应该已经使用了这个方法，你在他的要债单上可以明确看到Cache的迹象。这部分花费会明显打折。

3.3 要求良好拆分模块

这是一个救命技巧，我通常会让大模型帮我编写一个巨大的脚本。当我还是一个小白的时候，我就直接让它写。但写时一时爽，修改火葬场。

我发现模型在处理超大文件的时候，因为上下文太长了，开始不停的沉浸在思考中，并且不断地出错。

本来文件就够大了，它再出错，你再顶嘴，它还要把你之前的说的话重新看一遍，Token如流水一般哗哗地消费。

模型爹，我真的养不起你了，我再也不顶嘴了。

这时，我发现了魔法咒语：

please ensure good module separation and design

这时，agent会良好的把每个功能拆分成不同文件。

如果你再要求他打充分日志和单元测试，你就能够根据日志和测试结果很快定位到出问题的模块。

这样，每次新开一个对话清除上下文，并只提供给他出问题的文件，就会非常省！

04

我要零元购！

4.1 使用 CodeBuddy 国际版、免费享用最牛逼的模型

感谢CodyBuddy团队，我有幸获得了CodyBuddy 国际版的内测权限，应该是获得了30天完全免费的使用权限。

支持的模型非常高级：

这几天下来，应该至少干出几十美元出去，太爽了，长期爽试。

综合体验下来非常流畅，除了极少数几次用的太猛了导致请求失败，但是CodeBuddy团队很快响应扩容👍👍👍，以后就再没发生过了。

Agent Code 体验非常好，总的来说绝不比Cursor差，有两点我体验下来非常值得表扬。

Plan Mode

会自动创建一个计划 Prompts Markdown，然后按照计划一条一条的执行，在完成耗时超长的编码工作中表现非常好。

Boost Prompt

会自动帮你优化提示词，这个功能和前面提到的“偷prompts”有异曲同工之妙。

希望CodeBuddy再接再厉，早日干翻 Cursor、Claude Code 成为宇宙最强！

-End-

原创作者｜高向孚