AI 路口
AI 时代，废话开始按量计费
Token 让模糊表达的成本变得可见。真正省钱的不是少说，而是减少猜测、返工和无效上下文。
使用 AI 做项目以后，一个原本隐藏在会议、邮件和反复修改里的问题，开始直接出现在额度和账单中：表达不清楚，会产生真实成本。
OpenAI 的官方说明显示，API 使用会按输入、输出和缓存 Token 计价；在 ChatGPT Work 与 Codex 中，任务规模、上下文、推理、工具调用和检索也会影响使用量。Prompt 的长短不是唯一变量，但混乱的信息通常会带来更多猜测和返工。
说不清楚，AI 就只能猜
“帮我优化一下”看起来很简洁，实际缺少最重要的信息：优化什么、给谁看、希望产生什么行动、哪些内容不能改。
AI 猜错以后，用户再补背景、改方向、重新生成。几轮下来，消耗的不只是 Token，还有上下文空间、检查时间和人的耐心。
过去，这些成本往往由同事、客户或服务方默默承担。AI 把它们变得更容易观察。
高效沟通不等于少说
一段高质量输入可能并不短。它通常会说清：
- 任务目标；
- 必要背景；
- 不能突破的边界；
- 已经尝试过什么；
- 最终交付格式；
- 怎样判断结果合格。
这些信息增加了输入长度，却减少了猜测。真正浪费 Token 的不是信息多，而是信息散、目标变、标准不清楚。
Prompt 技巧解决不了定义问题
固定句式可以改善输出格式，却不能替代业务判断。
“请一步一步思考”“请扮演专家”“请用表格输出”，都无法回答更底层的问题：这项任务为什么要做？谁会使用结果？错误的代价是什么？
只有先定义问题，AI 才知道该处理哪些信息、调用哪些工具，并在什么位置停止。
表达能力正在变成成本控制能力
同一套逻辑也适用于现实工作。需求不清会带来返工，责任不清会带来等待，边界不清会带来争议。
AI 没有制造这些问题。它只是让混乱的成本更快、更直接地暴露出来。
开始任务前，可以先写一个六行说明：
- 我要解决什么问题；
- 结果给谁使用；
- 已知事实是什么；
- 哪些地方还不确定；
- 不能做什么；
- 最终需要什么格式。
这几行文字往往比反复尝试新的 Prompt 更省时间。
未来贵的可能不只是 Token。真正昂贵的是让人和系统不断替我们猜。
资料来源
- OpenAI Help Center｜What are tokens and how to count them?
- OpenAI｜API pricing
- OpenAI Documentation｜ChatGPT Work and Codex pricing and usage
图片说明： ACMFC 编辑部使用生成式 AI 辅助制作。独立编辑示意图，非相关品牌或机构官方视觉。
原载：微信公众号文章
