W skrócie
Należy pisać krótkie, konkretne prompty, które mówią dokładnie, czego się oczekuje, podawać tylko kontekst potrzebny modelowi i określać długość odpowiedzi. Energia rośnie wraz z ilością tekstu, który model czyta i pisze, więc najwięcej oszczędza skrócenie obu i uzyskanie użytecznej odpowiedzi za pierwszym razem.
Kroki
- W pierwszym wierszu należy podać zadanie, odbiorców i format.
- Należy ustawić limit długości, np. „w trzech punktach” lub „poniżej 100 słów”.
- Należy wklejać tylko akapity lub dane potrzebne do zadania, a nie całe dokumenty.
- Przy nietypowym zadaniu warto podać jeden przykład dobrego wyniku.
- Prawie trafioną odpowiedź należy poprawić krótkim dopytaniem zamiast zaczynać od nowa.
Dobry prompt oszczędza energię, bo jest krótki, konkretny i trafia za pierwszym razem. Modele językowe przetwarzają tekst jako tokeny, czyli fragmenty mniej więcej wielkości części słowa, a każdy przeczytany lub napisany token kosztuje obliczenia. Delavande, Pierrard i Luccioni ustalili, że energia rośnie liniowo wraz z długością promptu i wygenerowanego tekstu.
Jak wygląda efektywny prompt?
Mówi, co, dla kogo i jak długo. Porównanie:
- Marnotrawnie: wklejenie 20-stronicowego raportu i pytanie „co o tym sądzisz?”
- Efektywnie: wklejenie dwóch istotnych stron i polecenie „Wypisz trzy największe ryzyka z tej sekcji dla zarządu bez specjalistycznej wiedzy, po jednym zdaniu każde.”
Drugi prompt wymaga mniej czytania i pisania i z większym prawdopodobieństwem od razu daje użyteczny wynik.
Ile można zaoszczędzić?
UNESCO i University College London ustaliły, że krótsze prompty i odpowiedzi mogą obniżyć zużycie energii o ponad połowę. Długość wejścia ma duże znaczenie: Epoch AI szacuje, że typowe zapytanie zużywające ok. 0,3 Wh przy wejściu o długości 10 000 tokenów wymaga ok. 2,5 Wh.
Częste błędy
- Wklejanie wszystkiego „na wszelki wypadek”. Należy wybrać fragment, który ma znaczenie.
- Brak określonej długości. Modele zwykle piszą więcej, niż potrzeba, jeśli się im tego nie zaznaczy.
- Mgliste pierwsze próby, a po nich kilka ponownych. Jeden jasny prompt zwykle jest lepszy niż trzy mgliste.
- Martwienie się słowami „proszę” i „dziękuję”. Krótkie uprzejme wiadomości kosztują trochę energii, ale długie wejścia i wielokrotne ponowne generowanie mają znacznie większe znaczenie.
Twórcy narzędzi mogą wymusić część tych zasad w kodzie: zob. jak ograniczyć długość tekstu pisanego przez LLM. Więcej codziennych wskazówek zawiera strona jak efektywnie korzystać z AI.
Źródła
- Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation, UNESCO and University College London (2025)
- How much energy does ChatGPT use?, Epoch AI (2025)
- Small talk, big impact: the energy cost of thanking AI, Delavande, Pierrard and Luccioni (arXiv 2601.22357) (2026)
- What are tokens and how to count them?, OpenAI Help Center (2025)
Powiązane
Jak zmniejszyć zużycie energii przy korzystaniu z ChatGPT?
Praktyczne sposoby na mniejsze zużycie energii przez ChatGPT i podobne chatboty: krótsze wymiany, mniej ponownych generowań, lżejsze modele i mniej obrazów.
Jak przestać w kółko generować odpowiedzi AI od nowa?
Dlaczego wielokrotne klikanie „wygeneruj ponownie” marnuje energię i czas oraz jak zamiast tego uzyskać użyteczną odpowiedź jednym dobrym promptem i krótką poprawką.
Jak ograniczyć długość odpowiedzi LLM?
Jak programiści mogą ograniczyć odpowiedzi LLM: limit tokenów, określony format i długość, sekwencje stopu, dane strukturalne i obsługa uciętych odpowiedzi.
Efektywne korzystanie z AI: codzienne nawyki
Codzienne nawyki, które ograniczają zużycie energii przez AI: jasne prompty, mniej ponownych generowań, umiar z obrazami i wideo, buforowanie, wyłączanie.