“帮我做一下年度总结PPT。”

“再高级一点。”“再详细一点。”“换个版本吧。”

这些话，你在使用TeleAgent等

AI应用时，

是不是也常对AI说？

但你知道吗

从一句要求到一份满意的结果，

AI不断处理和生成内容时，

背后都离不开词元（Token）

而你的每一次无效提示

都会在你的“Token账单”上

多记上一笔

Token都花在哪了？

今天，小翼就带你了解一下

什么是词元（Token）？

AI的“语言积木”

你对AI说的一句完整的话，在模型处理之前，会先由“分词器”把文本转换成一串Token，再将它们映射为数字编号，送入模型计算。

你可以把Token理解成一块块“语言积木”。模型结合上下文处理这些积木，再逐步生成回答。

那么，一个字就是一个Token吗？不能直接画等号，也可能对应一个词、词的一部分或标点。

不同模型的切分规则不同，Token数量也可能不同。因此，Token数量不能直接等同于字数。

Token用在哪儿？

读进去、推理中、写出来

只问了一句话，为什么用了这么多Token？因为AI处理的内容，可能远远超过你最后输入的那句话。

一次任务的Token用量，主要涉及以下几个方面：

01

读进去的内容：

除了你的要求，还可能包括相关历史对话、附件文字和检索资料。一句“根据这些材料总结一下”，背后可能是几十页文档。

02

推理中的内容：

部分具备推理能力的模型，还会产生用于推理的Token用量，它们不一定全部显示在最终答案中。

03

写出来的内容：

摘要、文案、代码等生成结果，同样会产生Token用量。每次重写，都可能增加一轮输入和输出。

因此，最终答案的长度，并不等于整个任务的Token用量。复杂任务如果涉及多次模型调用，用量还会逐次累积。

Token越多，

AI就越聪明吗？

Token数量不等于AI的能力，也不直接代表答案质量。用量多，可能是材料更长、任务更复杂，也可能是反复修改的结果。

回答是否准确、有用，还与模型能力、资料质量和需求是否清晰有关。比起一味追求“多”，让AI读对材料、理解要求，更有助于得到好答案。

一篇冗长却偏题的回答，未必比一段准确简洁的结论更有价值，更值得关注的是：这些用量是否换来了需要的结果。

如何用得更高效？

把需求说清楚

回到最初的需求：“帮我简单做一下年度总结PPT。”这句话很短，却留下了不少需要补充的信息：给谁看？需要几页？重点讲什么？依据哪些材料？先出大纲，还是直接写完整内容？

后续的“再高级一点”“再详细一点”，同样没有明确修改方向。需求含糊时，AI可能交出不符合预期的结果。于是，补充要求、重新生成、再次修改，多轮往返不断增加。输入得少，不一定意味着整个任务用得少。

如果一开始就把要求说清楚，往往更有机会减少返工。

例如：“请根据附件材料，为部门负责人制作一份12页年度总结PPT文案。内容包含年度成果、重点项目、问题复盘和明年计划。语言简洁，保留关键数据，不补写材料中没有的信息。先输出逐页大纲，确认后再展开正文。”

这段要求虽然更长，却明确了对象、篇幅、结构、内容边界和工作步骤。清晰的提示词不保证每次都能降低总用量，但能帮助AI更准确地理解任务，减少无效尝试。

把AI用得更明白，从三个习惯开始：材料选相关的，复杂任务先确认方向，修改时明确位置和要求。输入更清楚，往往更有机会减少无效往返。

认识词元（Token），

更懂AI

从一句提问到一份方案，Token贯穿着我们与大模型的交互。理解Token，能帮助我们看懂AI处理了什么、生成了什么，以及哪些往返可以更高效。

下次打开AI对话框，不妨把“帮我简单做一下”，换成一句更清楚的需求。让每一次调用，都离想要的答案更近一点。

最后，不妨使用TeleAgent星辰超级智能体，体验一下你新学会的“烧Token”技巧吧。

扫描下方二维码

即刻体验

“星标”我们，让遇见更为简单

编辑：庄文超、陈博博、黄晓鹏

执行主编：廖鸿翔、张朋

主编：祝建平

 往期推荐 
 Recommend 

【点击上图查看】重要提醒！接到陌生来电，建议先沉默三秒！

【点击上图查看】这个手机里的“隐藏功能”，已在绝境中救下多人！

点点在看，让更多人看到↓↓↓