简而言之
让 AI 功能在用户提出要求时才运行,而不是在每次加载页面、收到消息或打开文件时自动运行。共享结果只生成一次并重复使用,能用规则做出的决定就用普通代码,并移除很少有人使用的 AI 功能。W3C 的《网络可持续性指南》要求团队在实施 AI 之前先评估是否需要 AI,这一点既适用于每个功能,也适用于每个触发条件。
步骤
- 列出产品中调用模型的每一个地方,以及每次调用由什么触发。
- 如果结果经常被忽略,就把自动触发改为由用户触发。
- 共享内容只生成一次并加以缓存,而不是为每个用户或每次浏览重新生成。
- 不需要模型的决定,用规则或普通代码来完成。
- 跟踪每个 AI 功能的使用情况,下线很少有人使用的功能。
最环保的 AI 调用,是因为没人需要而从未运行的那一次。 关于模型何时被触发的产品决策,往往比选用哪个模型更重要。
为什么这很重要?
默认开启的 AI 功能会为每个用户、每一次都运行,不管结果有没有人看。把一条摘要或建议乘以数百万次页面浏览,成本就很可观。生成式输出是代价高的那一类:Luccioni、Jernite 和 Strubell 发现,每 1,000 次请求,图像生成约耗电 2.9 kWh,而文本分类只需 0.002 kWh。W3C 的《网络可持续性指南》要求团队在实施 AI 之前先评估是否需要 AI。
有帮助的设计模式
- 由用户触发,而非自动运行。 提供一个“总结”按钮,而不是每次打开都生成摘要。
- 生成一次,多次使用。 所有用户共享的产品描述、帮助解答或译文,应只生成一次并加以缓存。请参阅如何使用缓存。
- 规则优先。 Green Software Foundation 建议,能用规则做出的决定就用普通代码完成,只在需要时才调用模型。
- 事件驱动的智能体。 根据真实事件触发后台智能体,而不是按定时器运行。
- 诚实的默认设置。 让用户可以关闭 AI 功能,并记住他们的选择。
常见错误
- 以调用次数衡量采用情况,这等于奖励浪费。应以被使用的结果来衡量。
- “以防万一”预先生成目录中每个项目的内容。
- 从不下线功能。 请定期审视使用情况。
这就是实践中的“充分性”:请阅读效率不等于充分。
来源
- Web Sustainability Guidelines, W3C (2025)
- Optimize agent orchestration to reduce unnecessary model calls, Green Software Foundation, Green Software Patterns (2025)
- Power Hungry Processing: Watts Driving the Cost of AI Deployment?, Luccioni, Jernite and Strubell, ACM FAccT (2024)
相关内容
如何用缓存降低大语言模型调用的能耗?
两种减少大语言模型工作量的缓存:服务商的提示缓存用于重复的上下文,您自己的缓存让相同的问题不必回答两次。
如何关闭我不需要的 AI 功能?
如何在应用、手机和浏览器中找到并关闭您从不使用的 AI 助手、摘要和建议功能,以及为什么默认设置对能耗很重要。
如何在整个组织内关闭不需要的 AI 功能?
IT 团队如何在办公、协作和业务软件中找出并关闭无人需要的 AI 功能,同时不妨碍有用的 AI。
效率不等于充足:AI 中的反弹效应
为什么提高 AI 效率并不能保证总能耗下降,什么是反弹效应或杰文斯效应,以及哪些做法有助于让节省真正落地。