创建

登录 ReadmeX

或

了解我们如何处理你的信息: 隐私政策

ReadmeX

陪你读懂 AI 动态

今天,想先了解什么?

选一份动态总结,或直接聊聊你的问题。

社区和关注动态总结只属于你自己。

资讯

AI智能体规则Token成本优化指南

AI 总结

掘金人工智能文章指出,项目规则和系统提示会随对话历史在每次模型请求中重新发送,因此持续产生输入Token成本。文章建议保留常驻硬约束,将特定任务流程移入按需加载的Skill,并合并重复或冲突规则,同时提供可复用的审计提示词和rule_audit.py脚本。作者以7个规则文件估算约23,721个常驻Token,但该数字基于每Token约1.6字符的粗略换算。

深度见解

该指南为AI智能体开发者提供了可量化的配置体检与规则分层方法,同时强调不删除安全和不可逆操作约束。

核心结论:规则不是写给你看的,是每次提问都重新发给模型一遍的。所以「不要、不许、禁止」这类只在出事时才生效的句子,会变成每一轮都在付费、却几乎不出力的常驻文本。一条被大量转发的实测是同等任务下 token 消耗增加 46%;本文再用一份真实在用的规则目录复算,7 个规则文件常驻约 2.37 万 token,是单条提问的 150 倍以上。解法不是删规则,而是分三层:常驻只留硬约束,特定任务搬进按需加载的 Skill,重复与冲突当场合并。

📦 配套资源:规则体检脚本 rule_audit.py(可直接运行)

#Anthropic#Claude Code#Microsoft#Cursor#Trae#Agent Skills#rule_audit.py

原文约 15 分钟读完阅读原文
群聊

还没有评论,来说说你的看法。