简而言之
用一次简短的培训,结合您自己工作中的真实例子,教会几个习惯:先确认 AI 是否是合适的工具;写清晰、具体的提示;要求简短的回答;修改而不是重新生成;少用图片和视频。再在公司工具中设置高效的默认值来配合培训,因为默认值能覆盖那些没来上课的人。
步骤
- 挑选三四个员工已经在用 AI 完成的真实任务,作为培训例子。
- 教授五个习惯,每个习惯都配一个改进前后的提示对比。
- 用一张幻灯片解释,为什么输出长度、图片和重新生成会推高能耗。
- 在员工使用的工具中设置高效的默认值,让这些习惯不必依赖记忆。
- 把这项培训纳入入职流程,并在工具变化时更新。
简短、以例子为主的培训,加上好的默认值,比一场关于能源的长篇讲座更有效。 同样的习惯也能为员工节省时间和金钱,而这通常是更容易说服人的理由。
我应该教哪些习惯?
- 先选对工具。 搜索、模板、电子表格和现有软件往往就能完成任务。
- 提示清晰、具体。 说明您想要什么、给谁看、要多长。粘贴相关的段落,而不是整份文档。
- 要求简短的回答。 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。
- 修改,而不是重新生成。 告诉工具要改什么,而不是反复点击“重试”。
- 少用图片和视频。 在 Luccioni、Jernite 和 Strubell 的测试中,生成图片平均每 1,000 张约耗 2.9 kWh,而文本分类每 1,000 次只需 0.002 kWh。
为什么长度很重要?
模型读写的内容越多,能耗就越高。Epoch AI 估计,一次典型的 ChatGPT 查询约耗 0.3 Wh;输入为 10,000 个 token(词元)时升至约 2.5 Wh,输入为 100,000 个 token 时接近 40 Wh。在每次对话中都粘贴一份长报告,累积起来相当可观。
影响最大的是什么
默认值。如果公司的 AI 助手默认使用较小的模型、限制输出长度,并关闭没人用的 AI 功能,所有人都会受益,包括从不参加培训的人。
常见错误
- 把培训变成制造内疚感。应把它定位为把工作做好。
- 使用抽象的例子。请用您自己的任务。
- 只培训一次。工具会变化,培训也要更新。
更多习惯请参阅高效使用 AI。
来源
- Smarter, smaller, stronger: resource-efficient generative AI and the future of digital transformation, UNESCO and University College London (2025)
- Power Hungry Processing: Watts Driving the Cost of AI Deployment?, Luccioni, Jernite and Strubell, ACM FAccT (2024)
- How much energy does ChatGPT use?, Epoch AI (2025)
相关内容
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。
如何写出更节能的提示?
如何写出所需计算更少的 AI 提示:具体明确、设定长度、只粘贴相关内容,并争取一次写对,而不是反复重试。
如何制定绿色 AI 政策?
一份简短的绿色 AI 政策应包含哪些内容:何时使用 AI、设置哪些默认值、向供应商问什么、如何测量,以及由谁负责。
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。