晓辉博士 - 分享3个帮你省Token点小窍门

项目	内容
来源	https://www.douyin.com/video/7647550321338092005
时长	4分13秒
转录时间	2026-08-01 08:57
字数	1515
分段方式	AI智能分段(含Markdown标题)

📝 章节标题由AI根据内容结构生成，非原文内容

📝 AI摘要：视频分享了三个节省AI模型token消耗的实用技巧：优先使用本地模型处理基础任务（如录音转写）以保护隐私并降低成本；将重复性工作转化为脚本或本地软件，避免每次调用模型；对于复杂项目，可用低成本模型生成项目索引文件，方便昂贵模型高效管理全局。掌握低成本完成任务的方法正成为新的竞争力。

---

一、引入话题

Hello，下班了。今天来分享一下省 token 的三个小窍门啊。我们知道最近一段时间大家都非常关注这个 token 的消耗问题啊，很多这个公司已经开始啊，就发现烧不起了，就一个月的这个 token 账单实在太高了。

因为一开始的时候大家都非常鼓励员工使用 AI 探索 AI 的边界，就没有太注意用什么模型，一般大家都是用最好的模型去看这个模型的边界到底在哪里。

但是这段时间呢，其实大家去开始收紧这个预算之后呢，一定要开始去选择更省 token 的方式来去完成任务啊。那有什么技巧和办法呢？我今天分享三个。

二、窍门一：优先本地模型

首先你要有这个模型选择的意识，就知道哪些模型它的大概的性能情况怎么样，便宜的模型哪些适合搬砖，哪些适合复杂处理这个复杂的决策。这个首先是一个前提。

2.1 原则与性能

具体来说呢，第一个就是能用本地模型的就不用云端模型。当然本地模型的性能一般因为受限于电脑的内存，然后电脑的性能，所以它不会太大，但是它处理一些基本的任务是 OK 的。比如说我最常用的是录音转写，因为我对录音转写的要求是有的时候是希望它保密，在我本地的电脑直接处理完，所以有的时候我不会上传到云端，我基本上就是拿自己的手机去录音，录完音之后呢，直接 AirDrop 到我的电脑，然后再让大模型执行本地的转写工作流啊，就一个 skill。

2.2 录音转写案例

那这个转写呢，就是用本地的一个语音转文字的这个模型来完成。啊，我是用的 Fine ASR，它可以识别说话人啊，一二三。那识别完之后呢，你可以再用另外一个模型，就是也是本地的，然后完成这次录音的这个整理。

比如说你给它整理成观点驱动的一个会议记录。那也可以按照你的其他的需求去整理。当然你要给它一些输入，比如说你要识别一下发言人一是谁，二是谁。

这是第一点，就是能用本地的就不用云端。

三、窍门二：脚本处理确定性任务

然后第二个点呢，就是确定性的用脚本，不确定性的用模型。就是一些重复的工作流，你已经知道哦，这次可以写一个脚本来完成的任务，就把它变成一个可复用的一个软件也好，或者是一个 HTML 也好。对，比如说有朋友就用 Codex 啊，用 GPT 五点五写了一个 PPT 的工作台。

这样的话就不是你每一次都让 AI 帮你去改 HTML 的这个 PPT 了，那就是写好之后就每次都在这个工作台中修改。然后这个时候修改的时候，你不是每一个动作都消耗模型的，而是它就是一个软件。在软件中你是不会消耗 token 的。

那这个就是你有一些重复的工作任务，就把它变成一个本地化的软件就可以了。它其实是不不重复消耗的。那还有一些情况就是你的工作流其实写好，用代码写好之后，你也不需要让大模型每次都重新再写一遍代码。

那把它变成一个固定的 skill 就可以了。OK，那这是第二点，就是确定性的用脚本，不确定的或者是需要新的研判和探索再用模型。

四、窍门三：使用索引文件

好，然后第三个呢，就是如果你做的这个项目是一个非常复杂的项目，那你可以去让 AI 帮你去写一个 index，就是一个索引文件。相当于你的文件夹是一个很多内容的，AI 如果帮你去处理，其实很难找到想要的东西。这个时候有一个索引是非常有帮助的。

这个索引呢，其实就可以让一个适合搬砖的 AI 来写，就一个相对来说低成本的模型就可以实现。就它会告诉你每一个文件夹下面都有哪些文件，然后大概都是啥，可以基于这个名字的搜索去找到它想要的东西。

所以有这样的一个索引，其实是非常方便这个比较贵的模型去掌控你这个文件的全貌的，对你这个项目的全貌的。

五、总结与呼吁

所以大概分享这三点吧。然后如果有其他的省 token 的方式，大家也不妨留个言，大家也互相学习一下。在这个新的时代，知道怎么省 token，知道怎么就是更低成本地完成任务，是新的竞争力。

拜拜。