简而言之
写简短、具体的提示,准确说明您想要什么,只提供模型需要的上下文,并为回答设定长度。模型读写的文字越多,能耗就越高,所以两者都精简,并争取第一次就得到可用的回答,节省最多。
步骤
- 在第一行说明任务、对象和格式。
- 设定长度上限,例如“用三个要点”或“不超过 100 字”。
- 只粘贴任务所需的段落或数据,而不是整份文档。
- 如果任务不常见,给出一个好结果的示例。
- 如果回答差一点就对了,用简短的追问来纠正,而不是从头再来。
好的提示通过简短、具体、一次写对来节省能源。 语言模型以 token(词元)为单位处理文字,token 大致相当于词的一部分,每读或写一个 token 都要消耗计算。Delavande、Pierrard 和 Luccioni 发现,能耗随提示长度和生成长度线性增长。
高效的提示是什么样的?
它说明要什么、给谁看、要多长。 比较一下:
- 浪费的: 粘贴一份 20 页的报告,然后问“有什么看法?”
- 高效的: 粘贴相关的两页,然后问“为非专业的董事会列出这一部分中最大的三个风险,每个一句话。”
后者读得更少、写得更少,也更可能直接可用。
能节省多少?
UNESCO 和伦敦大学学院(University College London)发现,缩短提示和回答可以把能耗降低一半以上。输入长度影响很大:Epoch AI 估计,一次约 0.3 Wh 的典型查询,在输入为 10,000 个 token 时会升至约 2.5 Wh。
常见错误
- “以防万一”把所有内容都粘贴进去。 只摘取相关的部分。
- 不限定长度。 除非您另有说明,模型往往会写得比您需要的多。
- 第一次提问含糊不清, 随后再反复重试。一个清晰的提示通常胜过三个含糊的提示。
- 担心“请”和“谢谢”。 简短的礼貌用语确实会消耗一点能源,但长输入和反复重新生成的影响要大得多。
如果您在开发工具,可以在代码中强制执行其中一些做法:请参阅如何限制 LLM 的输出长度。更多日常技巧,请阅读高效使用 AI。
来源
- 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)
相关内容
如何减少我使用 ChatGPT 的能耗?
减少使用 ChatGPT 及类似聊天机器人能耗的实用方法:缩短对话,减少重新生成,选用更轻量的模型,少生成图像。
如何避免一遍又一遍地重新生成 AI 回答?
为什么反复点击“重新生成”既浪费能源又浪费时间,以及如何用一个好的提示加一句简短的追问,得到可用的 AI 回答。
如何限制大语言模型的输出长度?
开发者如何限制大语言模型的输出:设置最大 token 数,指定格式和长度,使用停止序列和结构化输出,并妥善处理被截断的回答。
高效使用 AI:日常习惯
降低 AI 使用能耗的日常习惯:清晰的提示、减少反复重新生成、慎用图像和视频、利用缓存,以及关闭默认开启的功能。