# 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。

Source: https://greenai.guide/zh/良好实践/高效使用-ai-日常习惯/  
Updated: 2026-11-19

## 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？ {#what-uses-the-energy-when-i-use-ai}

**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）](/zh/术语表/#token)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？ {#how-do-i-write-prompts-that-waste-less}

**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？ {#how-do-i-avoid-regeneration-loops}

**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？ {#why-do-images-and-video-cost-more}

**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？ {#what-can-teams-do-with-caching-and-reuse}

**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](/zh/文章/智能体-ai-与-token-浪费/)。

## 我应该关闭哪些默认功能？ {#which-defaults-should-i-turn-off}

**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 {#checklist}

- [ ] 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 {#what-to-do-next}

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](/zh/良好实践/如何测量-ai-的能耗和碳排放/)。
5. 检查您使用的工具规模是否合适；参见[选择合适的模型](/zh/良好实践/为任务选择合适的模型/)。
6. 把[公众指南](/zh/指南/绿色-ai-写给每个人的通俗指南/)分享给朋友，或把[课程创意](/zh/学校/绿色-ai-课程与活动创意/)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

- [AI large language models: new report shows small changes can reduce energy use by 90%](https://www.unesco.org/en/articles/ai-large-language-models-new-report-shows-small-changes-can-reduce-energy-use-90), UNESCO (2025)
- [How much energy does ChatGPT use?](https://epoch.ai/gradient-updates/how-much-energy-does-chatgpt-use), Epoch AI (2025)
- [Power Hungry Processing: Watts Driving the Cost of AI Deployment?](https://arxiv.org/abs/2311.16863), Luccioni, Jernite and Strubell, ACM FAccT 2024 (arXiv 2311.16863) (2024)
- [Small Talk, Big Impact: The Energy Cost of Thanking AI](https://arxiv.org/abs/2601.22357), Delavande, Pierrard and Luccioni (arXiv 2601.22357) (2026)
- [Prompt Caching 101](https://developers.openai.com/cookbook/examples/prompt_caching101), OpenAI Cookbook (2024)
- [Thinking about using AI? Here's what you can and (probably) can't change about its environmental impact](https://www.thegreenwebfoundation.org/publications/report-ai-environmental-impact/), Green Web Foundation (2024)
- [Green Software Patterns: optimise agent orchestration to reduce model calls](https://github.com/Green-Software-Foundation/patterns/blob/main/docs/development/optimize-agent-orchestration-reduce-model-calls.md), Green Software Foundation (2025)
