1️⃣ 不要在一个对话中切换模型，重开新的对话#

在一个对话中切换模型会导致之前的缓存机制失效，每次切换都需要重新缓存，浪费大量的 token 和算力。

2️⃣ 上下文窗口保持在 60% 以内#

根据实际经验，以 GLM 为例，上下文占用超过 60% 的时候，模型效果会严重崩坏。因此要想省钱就最好明确给 AI 的上下文，必要时可以让 AI 自己压缩历史记录。现在主流的工具比如 CC、Codex 也都有自动压缩功能可以开启。

3️⃣ 规则文件、项目文件不宜过长#

太长的项目文件其实 AI 并没有真正理解，一般来说规则文件在 200 行以内效果最好。像 CC、Cursor 他们内置的提示词也基本在 4-6k 的 token，添加太多的规则，反而让低级模型不明白如何处理事情，所有命令都需要依靠顶级模型，费钱费时。

4️⃣ Skills 并非越多越好#

不管是 CC 还是 Cursor 这种工具，Skills 越多，占据的上下文就越多，也容易引发 Skills 选择错误，造成语义冲突，甚至部分 Skills 根本没有使用过也占据了 token。

• 整个项目建议的 Skills 不要超过 20 个，以 10 个左右为宜
• 如果是 Agent 类工具（如龙虾或 Hermes Agent），单个 Agent Skills 数量建议控制在 20-50 个以内

5️⃣ 善用 CLI 命令和脚本#

并非所有的任务都适合用 AI 进行处理，有的时候 CLI 命令反而可以更稳定地得到结果，也不需要浪费大量交互的 token。

目前主流的通信渠道（飞书、企微等）都提供了 CLI 接口，可以让 AI 调用这些接口去完成任务，效果也会更好。另外，也可以部署 crontab 定时任务，综合各类工具的优势，实现最优解。

📌 核心原则：奥卡姆剃刀#

在机器学习领域有一个著名的奥卡姆剃刀原理，核心就是「如无必要，勿增实体」。AI 编程也是如此，能用精简语言描述的内容，就不要用复杂、冗余的描述。

整理于 2026-06-11