2026-10-08

省 token 的核心是精简输入、利用缓存和限制输出‌，日常简单任务换便宜模型也能大幅降本。‌‌‌

  怎么让输入更“瘦身”
‌删掉废话‌：移除重复描述、广告语和无关上下文，只保留核心事实，输入越短计费越少。
‌用结构化指令‌：用 JSON 或编号列表代替自然语言长句，明确告诉模型“只输出结果，不解释”。
‌固定系统提示‌：多次调用时保持系统提示词不变，避免每次重新发送，能触发缓存优惠。‌‌‌
  怎么选模型和模式
‌简单任务用 Flash‌：日常问答、代码补全选 DeepSeek-V4-Flash，推理模式关掉（off），成本远低于 Pro 模型。
‌复杂任务再开推理‌：只有需要深度逻辑分析时才开“思考模式”，否则默认直接输出结论更省。
‌非高峰时段调用‌：官方实行峰谷计价，批量处理任务可安排在低谷时段执行，单价更低。‌‌‌
  怎么控制输出长度
‌设置 max_tokens‌：API 调用时硬性限制最大输出字数，防止模型自由发挥写长文。
‌分步处理长任务‌：把大任务拆成多个小请求，每步只传必要上下文，避免历史对话无限累积。
‌启用缓存压缩‌：长会话接近上限时，开启智能压缩功能，将早期内容概括为摘要释放空间。‌‌‌