greenai.guide

首页 › 良好实践 › 高效使用 AI:日常习惯

良好实践

高效使用 AI:日常习惯

更新于 · 阅读约需 2 分钟

简而言之

日常使用 AI 的能耗,大部分取决于让它读写多少内容、重新运行多少次,以及要求哪种类型的输出。清晰简短的提示、减少反复重新生成、克制地生成图像和视频,以及关闭您不用的 AI 功能,都能在不放弃好处的前提下带来实实在在的改变。

要点

  • 能耗随 AI 读写内容的长度而上升;联合国教科文组织(UNESCO)和伦敦大学学院(UCL)发现,更短的提示和回复可使能耗降低 50% 以上。
  • 长输入代价高昂:Epoch AI 估计,100,000 个 token 的输入会使一次典型查询的能耗从约 0.3 Wh 升至接近 40 Wh。
  • 在 2024 年的一项研究中,图像生成是能耗最高的 AI 任务:平均每 1,000 张图像 2.9 kWh,而每 1,000 次文本分类为 0.002 kWh。
  • 一遍又一遍地重新生成是隐性成本:先规划好请求,然后在已有结果上修改,而不是从头再来。
  • 关闭您不用的 AI 功能,并重复利用好的输出,而不是重新生成。

我使用 AI 时,能源花在了哪里?

最重要的有三点:AI 读写多少文本、您运行它多少次,以及您要求哪种类型的输出。 模型的规模和数据中心也有影响,但那些大多由服务提供商决定;您的习惯则由您自己掌握。

语言模型以 token(词元)为单位处理文本,每个 token 是几个字符组成的片段。您发送的每个 token 和返回的每个 token 都要经过计算。Epoch AI 估计,一次典型的 ChatGPT 查询约耗能 0.3 Wh,但 10,000 个 token 的输入(大约一篇短论文)会使其升至约 2.5 Wh,100,000 个 token 的输入则接近 40 Wh。联合国教科文组织和伦敦大学学院 2025 年的一份报告发现,更短、更简洁的提示和回复可使能耗降低 50% 以上。

这并不意味着单个问题会消耗大量能源,而是说,许多人反复养成的习惯累积起来就很可观。

如何写出浪费更少的提示?

清楚地说明您想要什么,只提供必要的背景,并要求您需要的长度。 规划周全的请求通常一次就能得到可用的答案,这是最大的节省。

  • 先想好再输入。 确定目的、读者、格式和长度。
  • 背景只给一次,而且只给相关的。 粘贴要紧的那一段,而不是整份报告。
  • 要求您需要的长度: “三个要点”“150 字以内”“只给出改正后的句子”。
  • 任务各不相同时,一次只问一件事; 相关步骤属于同一件事时,则合并在一起。
  • 只需快速回答时,关闭扩展推理或“深度研究”模式。 这些模式会生成多得多的隐藏文本。
  • 愿意的话,省去客套话。 2026 年的一项研究测量了“谢谢”等简短礼貌消息的能耗,以说明每一次额外的往来在大规模下都有成本。每条消息节省得不多,但不花任何代价。

如何避免反复重新生成?

在已有答案上修改,而不是从头再来,够好了就停下。 反复重新生成是最大、也最不显眼的浪费来源之一。

在 2026 年英国一场由数学家、计算机科学家和业界人士参加的绿色 AI sandpit(研讨工作坊)上,与会者描述了有人把图像或视频生成运行了 25 次,仍然没有得到想要的结果。每一次尝试都要付出全部代价。

要打破这种循环:

  1. 写出更好的要求,而不是尝试更多次。 如果三次都不对,问题出在请求本身。
  2. 修改,而不是重新生成。 提出具体的修改(“把第二段写短一些”),而不是要一个全新的答案。
  3. 使用合适的工具。 拼写检查器、模板或搜索引擎可能更快、更轻量。
  4. 设定停止规则: 例如最多尝试三次,然后重新思考或手动完成。
  5. 对于无关紧要的工作,接受“够好就行”。

为什么图像和视频的代价更高?

生成图像,尤其是视频,所需的计算量远超大多数文本任务。 请在它们能带来真正价值时再选用。

在 Luccioni、Jernite 和 Strubell 2024 年的研究中,图像生成是所测量任务中能耗最高的,平均每 1,000 张图像 2.9 kWh,而每 1,000 次文本分类为 0.002 kWh。作为参照,作者指出,给一部普通智能手机充一次电需要 0.022 kWh。他们测试的效率最低的图像模型每 1,000 张图像耗能 11.49 kWh。视频生成每个片段要生成许多帧,因此预计代价更高,不过可比的公开数据很少。

有帮助的习惯:

  • 先画草图或描述清楚;想法明确后再生成。
  • 按您需要的分辨率和长度生成,然后只放大您保留的那一张。
  • 重复使用您已经生成的图像,或使用现有照片和图库。
  • 不要默认为每份文档或每篇帖子都生成装饰性图片。

团队可以如何利用缓存和重复使用?

保存并重复使用好的输出,让系统重复利用已经处理过的内容。 把同样的东西生成两次纯属浪费。

适用于所有人:

  • 建立一个共享库,收录好的提示、模板和已批准的输出(标准回复、摘要、图像)。
  • 生成新内容之前先搜索这个库。

适用于把 AI 集成进工具的人:

  • 缓存响应, 对相同的请求不再重复调用模型。
  • 对固定指令和共享背景使用提示缓存(prompt caching)。 主要服务提供商会对重复的提示前缀复用已处理过的输入;OpenAI 表示,对于长提示,这最多可将首个 token 的响应时间缩短 80%。
  • 不要每一轮都重新发送整段对话: 限制历史长度,对较早的轮次做摘要,只检索相关内容。
  • 给智能体(agent)设定停止条件和步数上限,以免它们陷入循环。参见智能体 AI 与 token 浪费。

我应该关闭哪些默认功能?

关闭您不用的 AI 功能,并选择让您主动开启而不是被动退出的工具。 AI 越来越多地被加入搜索、电子邮件、办公软件和手机中,往往不管您是否需要都在运行。

Green Web Foundation 建议机构询问供应商,捆绑的 AI 功能能否关闭。在 sandpit 上,与会者主张 AI 生成的搜索摘要及类似功能应默认关闭,让 AI 只在需要的地方运行。

请留意:

  • 搜索引擎和浏览器中的 AI 摘要
  • 办公和电子邮件工具中自动的 AI 起草、改写或会议摘要
  • 手机上的 AI 照片增强和助手
  • 工作场所工具中“始终开启”的助手和智能体

如果您为机构管理工具,请把默认设置为关闭,让大家在需要时再开启功能。

检查清单

  • [ ] 输入提示之前,我知道自己想要什么
  • [ ] 我只粘贴相关部分,而不是整份文档
  • [ ] 我会要求所需的长度和格式
  • [ ] 我在已有结果上修改而不是重新生成,并设有停止规则
  • [ ] 我只在图像和视频能带来价值时才使用它们
  • [ ] 我从共享库中重复使用好的输出
  • [ ] 我已关闭不用的 AI 功能
  • [ ] 换新话题时我会新开一个对话

下一步做什么

  1. 从检查清单中选一个习惯,试行一周。
  2. 关闭一个您从不使用的 AI 默认功能,无论是在工作中还是在手机上。
  3. 为您的团队建立一个共享的提示和输出库。
  4. 如果您开发 AI 功能,请加入缓存和输出长度限制,并测量能耗。
  5. 检查您使用的工具规模是否合适;参见选择合适的模型。
  6. 把公众指南分享给朋友,或把课程创意分享给学校。

常见问题

对 AI 说“请”和“谢谢”会浪费能源吗?

每条消息都会消耗一些能源,2026 年的一项研究测量了简短礼貌用语的能耗,以显示其在大规模下的影响。更大的节省来自避免长输入、长输出和反复重新生成。

生成图像比生成文本更糟吗?

通常是的。在 2024 年的一项研究中,图像生成是所测试任务中能耗最高的,平均每 1,000 张图像 2.9 kWh,而每 1,000 次文本分类为 0.002 kWh。

为了节能,我应该停止使用 AI 吗?

不一定。在有帮助的地方使用它,选择能完成任务的最轻量工具,并避免浪费。这正是绿色 AI 的要义。

一段很长的对话比新开一段更耗能吗?

在许多聊天工具中,每一轮都会重新处理整段对话,因此很长的对话串可能变得代价高昂。换新话题时请新开一个对话,只粘贴必要的内容。

来源

  1. AI large language models: new report shows small changes can reduce energy use by 90%, UNESCO (2025)
  2. How much energy does ChatGPT use?, Epoch AI (2025)
  3. Power Hungry Processing: Watts Driving the Cost of AI Deployment?, Luccioni, Jernite and Strubell, ACM FAccT 2024 (arXiv 2311.16863) (2024)
  4. Small Talk, Big Impact: The Energy Cost of Thanking AI, Delavande, Pierrard and Luccioni (arXiv 2601.22357) (2026)
  5. Prompt Caching 101, OpenAI Cookbook (2024)
  6. Thinking about using AI? Here's what you can and (probably) can't change about its environmental impact, Green Web Foundation (2024)
  7. Green Software Patterns: optimise agent orchestration to reduce model calls, Green Software Foundation (2025)

加入我们

帮助减少 AI 对地球的影响

通过电子邮件获取新指南、资助征集和名录收录信息,大约每月一次。您也可以将您的产品、课程、博士岗位或研究添加到名录中。

不做跟踪。一键退订。 其他加入方式 · 隐私