过去一个月我一直在和各类大语言模型打交道主要工作是文章改写和内容整理。按说这类任务不大费Token可每次打开用量统计我都发现输出Token比预期高出一大截。翻聊天记录才发现大量Token都耗在好的我来帮你……以下是改写后的内容希望这个版本符合你的要求这类客套铺垫上了。更夸张的是模型经常把我输入的问题整段复述一遍再开始回答。于是我做了一组对照实验想找出一个能让模型少说废话的稳定办法。试到第四天我随手在系统提示里加了一句我有注意缺陷多动障碍ADHD结果整个回答风格直接变了。输出Token肉眼可见地缩水后来我反复测了几轮省下来的幅度在六成左右。这篇文章就是这次实验的完整复盘包括原理、模板和边界条件。1. 误打误撞的实验一句我有ADHD把输出砍掉了六成1.1 起因是一次无聊的改写任务当时我在批量处理一批产品介绍需求很简单把每段五百字左右的书面材料改成口语化文案方便短视频口播。这个任务本身难度不高但模型每次返回都长得离谱——开头先来一句好的我根据您的要求对原文进行了改写中间把每个要点都展开解释一遍最后还要加一句如果有需要调整的地方请随时告诉我。我统计了一下输入只有三百Token左右的任务输出经常飙到八百甚至一千Token。真正有用的改写内容可能只占一半剩下全是礼貌性冗余。这种问题用请简洁回答也试过效果有一点点但不够稳定。有些模型听话有些模型照样啰嗦。后来我换了个思路既然直接下命令不给力那就改变模型的读者画像。我在英文技术社区看到有人给模型设定读者是注意力状态很差的人说这样回答会变得特别干脆。我决定试试但不想绕弯子直接在系统提示里写了句请注意我有ADHD长篇大论会让我跟不上。1.2 同一个提问两套回答的实测对比我把同一段改写任务分别用三种设置跑了五组每次都记录输出Token和响应耗时。下面的数据是我随手记的近似值不是实验室级别的精确测量但足够说明问题了系统提示设置平均输出Token平均响应耗时开头客套语默认助手无额外设定892约26秒有仅加请简洁回答543约16秒部分加我有ADHD读者画像284约9秒无加上ADHD设定的模型回答直接进入主题先列出三个改写版本每个版本控制在四五句话内没有铺垫没有希望这个版本符合要求的收尾。最让我意外的是它甚至主动拆分了选项——版本一偏正式版本二偏口语版本三更短每个选项都用短句。那五组实验的平均降幅是(892-284)/892算下来接近68%。我一开始怀疑是抽样波动但连续跑了好几轮结果非常稳定。后来我把这个设定挪到其他任务上比如资料总结、邮件润色、思路梳理效果依然存在只是幅度不同。需要深度分析的时候省得少偏向信息提取的任务省得多。1.3 省Token的价值不只是省钱当时我也算了一笔账省下六百个Token按API单价折算每次也就省几厘钱多跑几百次才省出一杯奶茶。真正让我惊艳的是另外三件事。第一是速度。大模型是逐Token生成的输出八百Token和输出两百Token体感差异非常明显。同样一段材料原本要等将近半分钟现在九秒就出来了。批处理几十篇文章的时候总耗时从半小时压到十分钟。第二是上下文质量。输出Token减少意味着整段对话更短模型在生成长回复时经常出现忘了开头要求的问题。回复短了这个毛病几乎消失改写的准确度反而提升了。第三是本地部署的可行性。对跑本地模型的人来说输出长度直接和显存占用挂钩。我后来用量化后的模型做测试短输出明显降低了显存压力推理速度也上来了。省Token这事儿对API用户是锦上添花对本地党可能是刚需。2. Token费用结构里输出Token才是真正的大头2.1 先算一笔账输入便宜输出贵很多人对Token成本的理解停留在越长的对话越贵这没错但不够精确。主流模型的计费规则基本都是分开计价输入Token便宜输出Token贵。有些模型的输出单价是输入单价的三到五倍少数模型甚至差十倍。这意味着什么如果一次对话消耗了1000个输入Token和1000个输出Token按3:1的价差你的费用里有75%花在输出端。所以想让对话省钱最有杠杆的地方不是压缩输入而是压缩输出。回想一下我们平时和AI聊天的习惯为了把问题描述清楚输入动不动写五百字但拷问一下自己模型返回的内容里有多少是重复解释、客套话、分点后的冗余展开我观察自己的对话记录输出端的浪费比例经常超过四成。这部分才是真正可以挤的水分。2.2 输出Token在时间维度上的隐性成本费用只是表象时间成本往往被忽略。大模型是自回归架构每个新Token都要基于前面所有Token重新计算一次。翻译成人话就是输出1000个Token的时间接近输出100个Token的十倍这个比例在大体上不会错。以目前常见模型的速度来算生成1000个Token大概需要二十到三十秒具体取决于模型规模和硬件。如果对话轮次多累计等待时间会非常可观。我做过一个小测试用一个工具类任务连续提问二十轮默认设置的完成时间是十四分钟加上ADHD设定后只要六分多钟。对于把AI接进工作流、需要批量处理任务的场景这个差异是决定性的。延迟降低不只是体验问题它决定了你一个小时内能跑多少个任务。省Token的本质是把自回归生成中最耗时的部分砍掉了。2.3 长回答还有自我遗忘的毛病长回复还有一个隐蔽问题——模型写到后面会忘记自己前面说过什么。这不只是玄学而是有结构原因的注意力机制对长序列的特征提取会衰减。当回复长度超过一定阈值模型可能会重复已经说过的观点或者跑偏到不相关方向。我实际遇到过好几次这种情况让模型总结一篇材料的前三个要点默认设置下它能在第五点重新把第一点换个说法再讲一遍最后输出一个以上是三个要点的错误版本。添加简洁设定后回复长度大幅缩短这种重复和漂移几乎没有出现。所以输出Token不只是费用问题它直接影响答案的稳定性。长文本生成是一个错误累积的过程——开头约束越到后来越弱越弱的约束带来越多的胡扯胡扯又继续推高Token消耗形成一个恶性循环。打破这个循环最直接的方法就是把输出从源头压短。3. 为什么一句人设话术能改变模型的语言风格3.1 大模型的本质是下一个词的概率预测要理解这个技巧为什么有效得先放下模型是个聪明助手的拟人化想象。大语言模型的核心机制极其简单根据已有的文本预测下一个最可能出现的Token可以粗略理解为词或子词。它没有想让你高兴的意图也没有礼貌的自觉一切输出都是概率采样的结果。训练阶段模型从海量文本中学到了各种语言模式。当你在系统提示里写下我有ADHD这五个字等于往模型的条件里注入了一个强信号接下来的对话发生在面对注意力缺陷读者的场景里。模型去做概率预测时会优先从训练数据里那些和注意力缺陷者沟通的语料模式中抽取词句而不是从礼貌助手说明书里抽取。这就是为什么人设话术管用的底层原因——不是模型真的理解了ADHD而是这五个字改变了它预测下一个词的条件分布。3.2 读者画像比抽象命令更有效我做过对比直接说请简洁回答模型确实会变短但经常拿捏不好尺度——有时候简短到丢失信息有时候还是忍不住解释两句。问题出在简洁是一个抽象形容词模型不知道你想简洁到什么程度也不知道可以牺牲什么。我有ADHD就不是形容词了它提供了一个具体的读者画像。模型在训练数据里见过大量类似场景给注意力容易分散的人写内容应该用短句、用列表、去修饰、直奔主题。这些特征不是一句简洁能覆盖的而是一个完整的语言风格集合。打个比方你跟一个外卖小哥说我赶时间和说请快点效果完全不同。前者激活了对方关于赶时间客户整套行为模式的记忆——不看菜单直接点、催单、问老远了后者只是模糊地表达了加速意图。人设描述就是那个我赶时间抽象指令就是那个请快点。3.3 这也解释了为什么请简洁经常失灵模型训练中一个重要环节是人类反馈强化学习简单说就是人类标注员教模型什么回答叫好。标注员普遍偏爱详实、周全的回答总觉得多写一点、解释清楚一点更负责任。这个偏好被刻进模型的底层行为里形成一种默认啰嗦的倾向。所以当你只是轻描淡写说一句请简洁这个指令在模型内部的权重根本干不过训练阶段赋予的要详细周全的底层偏好。你需要一个更强的信号去扭转它。ADHD人设恰好提供了这个强信号它不只是命令模型说短一点而是模拟了我这位读者真的看不了长文的约束场景模型的移情机制被激活自动切换成另一种沟通模式。如果你还是觉得我有ADHD这个说法不好用可以换成我的目标读者是信息过载人群请用短信风格回答每条不要超过30个字。这些都有效只是信号强度不同。我的实测结论是ADHD这个词的信号强度在常见描述里排名靠前因为它直接指向了阅读能力的客观限制而不是主观偏好。4. 可以直接抄走的提示词模板和变体4.1 我目前最常用的注意力友好系统提示词在你自己的对话里不需要每次都手打一长串设定。我把这套方法做成了固定模板系统提示和用户消息分开写[系统提示] 你正在和一位注意力状态不稳定的人对话。请遵守 1. 使用短句每句话不超过25个字。 2. 用无序列表展示步骤或结论最多5条。 3. 跳过问候语和总结语直接给出结果。 4. 不要复述我的问题不要解释你的思考过程。 5. 如需提供选项每个选项控制在2-3行内。这个模板的核心不是我有ADHD这句具体台词而是把读者画像翻译成了模型更容易执行的规则。实际测试中有画像描述和没画像描述差距很大。我建议两步走先给出角色背景注意力状态不稳定再给出格式硬规则短句、列表、跳过客套。只给角色不限制格式模型容易自由发挥只给格式不给角色又少了语体上的自然感。4.2 从ADHD扩展出去的几组读者画像试过ADHD设定之后我逐渐发现这是一个通用方法通过改变读者是谁来调节输出风格。下面这些变体我都在不同场景试过目标诉求读者画像写法适用任务极简结论我只看结论不要过程判断类问题、选项对比快速决策我是CEO只有30秒看你的汇报方案建议、优先级排序浅显理解我是外行用类比解释概念讲解、原理入门代码速读我是赶版本的工程师只关心变更点代码审查、Bug定位逐层深入先从结论说起然后最多给3个支持理由论证类问题每组画像后面如果再跟上一两条硬格式约束效果会大幅提升。比如我是外行用类比解释后面加一句禁止使用术语每个术语必须附带生活化类比。纯粹的人设话术有时不够稳定加上格式约束就稳了。4.3 别把这话术理解成骗模型这里有个容易踩的误区有人觉得我又没有ADHD这不是在骗AI吗。这个担心没有必要。你发给模型的每一条指令都是通过文字构建一个协作场景系统提示本身就是用来设定角色和规则的。你写的未必是事实而是你希望模型按照什么框架来生成内容。换个角度说你让AI扮演小说里的角色也不意味着你真相信AI就是个剑客或侦探。告诉它我的注意力状态不稳定和告诉它请用短句回答本质上是同一件事向模型描述输出偏好。唯一区别是前者带了具体场景模型更容易理解你想要的语体。不过我也要提醒一句别真的用这个技巧去编造需要医疗判断的内容。ADHD是正经的神经发育特质这里讨论的只是提示词里一个有效的读者画像标签和看病诊断完全是两码事。4.4 对跑本地模型的人这个技巧更值得试市面上的API模型经过大量人类偏好训练简洁指令的效果还算可以。本地部署的开源模型普遍更啰嗦一些因为它们没有经过同等量级的对齐优化。如果你在本地玩AI绘画、AI写作、AI编程或者用Spring AI这类框架跑大模型应用输出长度直接决定了整套流程的稳定性和响应速度。我自己在本地跑模型做文本摘要时就遇到过上下文塞满后开始乱答的问题。加上读者画像设定后输出Token少了上下文占用低了模型反而更清醒了。对部署在个人电脑上的小模型来说同样的显存能跑更长的工作流这个收益比API用户更明显。5. 边界什么场景下千万别用这套简洁人设5.1 需要推理链的任务压短等于增加幻觉省Token固然好但不是所有任务都适合压缩输出。最典型的就是需要展示推理过程的任务比如数学推导、逻辑判断、合同条款风险分析。这类任务中模型的推理链本身就是答案的一部分强行要求直接给结论等于让它跳过了思考过程直接落笔。我踩过一回坑让模型分析一份合同有没有明显漏洞我加了请直接回答有或没有的约束。它干脆利落地回了没有明显漏洞但我后来自己重读合同发现附录里藏着一条自动续约条款。不是模型没能力发现是我逼它压缩输出时它走了概率捷径——凭整体印象给了个最可能的结论。这类任务正确的省Token方式不是砍输出而是给一个尽量精简的输入模板再加上先给结论、后讲推理的分层输出结构。结论本身仍然要详细严谨不能为了省Token牺牲质量。5.2 代码和结构化输出场景格式约束优先于人设另一个不适合简洁人设的地方是代码生成和JSON等结构化输出。这类场景需要遵循严格的语法和字段规范你更该关注的是输出格式是否正确而不是话说得简不简洁。举个例子你让AI调用一个返回JSON格式数据的工具如果在人设里写我有ADHD请简短回答它有可能真的返回一段简洁的人类语言而不是合法的JSON对象。这就破坏了程序解析。正确做法是用max_tokens参数控制长度用系统提示严格规定输出结构比如只输出JSON不要包括任何解释文字。人设描述和格式规范是两套工具前者适合自然语言的语气调整后者适合机器解析的硬性规定。混用会出事故。我自己在接AI Agent或Codex这类应用时凡是需要程序化解析输出的地方全部改用格式约束一句人设话术都不留。5.3 复杂长文任务应该用分节压缩而不是整篇压缩有朋友问写长篇小说、深度研究报告这些场景是不是就完全不能用这个技巧了其实可以用但要换种姿势。直接压短整篇输出肯定会毁掉内容深度但你可以做结构上的注意力友好要求模型把长文做成清晰的章节、小节、要点每个部分用短句避免来回绕。这种方式不会显著减少总Token数但会让内容的可读性和可用性大幅提升。说白了长任务该花的时间还得花省Token不能省在思考深度上。我现在的做法是长任务的系统提示里加上每章末尾用3条要点总结本章核心在保留完整输出的同时给自己留一个快速回顾的抓手。这样既不牺牲推理深度又能降低后期自己重新翻阅的阅读成本。6. 读者画像这个习惯我后来用到了所有提示词里经过这一轮实验我最大的收获不是ADHD这三个字而是把一个底层习惯固定了下来每次写系统提示词之前先想清楚我给模型设定的读者是谁、他的状态是什么、他需要什么格式。这三个问题想明白了提示词的质量会提升一个档次Token消耗反而降下来。我现在写提示词的固定流程很简单。第一在系统提示里写一两句话描述目标读者的信息负荷状态比如读者时间紧张只看结论第二列两三条硬格式约束比如用列表限制在5行内跳过客套话第三根据任务类型决定是否允许长输出。三步走完不需要临时想花哨的咒语模型也基本不会再长篇大论了。你也想试的话建议别只抄那一句我有ADHD把我给的模板整体放进去再按你的具体任务调一调格式约束。用不了几次你就能摸到门道。省Token这件事说到底不是靠一句妙手偶得的人设话术而是靠把对话场景定义清楚——读者是谁要什么不要什么。把这三个问题回答好了模型自然就闭嘴了。