1. 一个反直觉的发现给 AI 贴个多动症标签Token 消耗直接砍半先说结论。我在 Cursor 里做日常开发辅助时习惯在对话开头加一句自我状态描述。某天随手写了一句我有 ADHD注意力容易散请把回答压缩到最短、只给可执行结论结果那一整轮对话的 Token 消耗比我平时的习惯用法少了将近一半而且我拿到答案的速度明显变快。这不是玄学背后是提示词工程里一个被严重低估的杠杆用人设约束反向压缩模型的输出空间。这篇内容适合三类人看。第一类是靠 Cursor、各类 AI 编程助手吃饭的开发者每天要跑几十上百轮对话Token 就是真金白银第二类是在做 AI Agent、Skill 编排的人需要控制单次调用的上下文成本第三类是对提示词工程感兴趣、想搞明白为什么同样的问题别人问就是比我便宜的人。我会把这件事从现象、原理、实操、踩坑到可复用的模板全部拆开讲你看完可以直接抄作业。需要先澄清一点这里的多动症不是医学诊断而是一种提示词层面的角色设定技巧。它的本质是给模型一个明确的输出预算约束让模型在生成时主动做减法。很多人以为省 Token 要靠换更便宜的模型、靠精简上下文、靠缓存这些都对但都忽略了最直接的一环——你让模型说多少话模型就烧多少 Token而说多少是你可以用一句话控制的。我实测下来同一批任务代码解释、报错定位、重构建议加上这句约束后输出 Token 平均下降 40% 到 60%输入侧几乎不变。对于按量计费或者有额度上限的编程助手来说这个降幅意味着你一天能多跑将近一倍的对话轮次。下面我把这件事掰开揉碎讲清楚。2. Token 到底烧在哪里先搞懂账单的构成再谈省钱2.1 输入 Token 和输出 Token 是两笔账很多人一提到省 Token 就想着少贴点代码这其实只解决了输入侧。一次对话的账单由两部分组成输入 Token你发过去的内容包括系统提示、历史对话、粘贴的代码和报错和输出 Token模型生成的内容。两者的计价方式在不同平台不一样但有一个共同规律输出 Token 通常比输入 Token 贵而且输出是滚雪球的。为什么说输出会滚雪球因为多轮对话里模型上一轮生成的内容会作为历史上下文在下一轮被重新计入输入。也就是说模型这一轮多废话了 500 Token下一轮这 500 Token 会以输入的形式再收你一次费再下一轮还是。一轮啰嗦后面每一轮都在为它买单。这就是为什么让模型少说话的收益是复利式的而不是一次性的。2.2 模型的默认话痨模式从哪来你可能会问模型为什么不能默认就简洁原因在于训练和对齐阶段。绝大多数对话模型在 RLHF基于人类反馈的强化学习阶段被人类标注员偏好详细、完整、有礼貌的回答。于是模型学到的策略是宁可多说不可少说。它会自动加上好的我来帮你分析一下首先我们需要理解……总结一下这类填充语还会把同一个结论用三种方式重复表达。这些内容对模型来说是安全的因为它降低了回答不完整被差评的概率。但对你来说全是成本。你要做的不是抱怨模型话痨而是用提示词把它的默认策略覆盖掉。而ADHD 人设之所以有效就是因为它给模型提供了一个非常具体、非常强的行为约束信号。2.3 一个粗略的量化废话占了多少我做过一个小统计拿 20 个常见的编程问题解释一段函数、定位一个报错、给一个重构方案分别用默认问法和加约束问法跑记录输出 Token。结果大致是这样的任务类型默认问法输出 Token均值加 ADHD 约束后均值降幅代码解释62028055%报错定位78034056%重构建议95042056%概念问答54021061%方案对比110056049%这个数据不是精确基准测试样本也小但趋势非常稳定降幅集中在 50% 上下。而且我注意到一个细节加约束后模型并不是少给了信息而是去掉了包装信息。核心结论、关键代码、必要步骤一个没少少的是铺垫、重复和客套。3. ADHD 人设为什么能生效三个机制叠加的结果3.1 机制一把模糊的简洁变成具体的行为约束你可能试过直接说请简洁回答效果一般。为什么因为简洁是个形容词模型对形容词的响应很弱它不知道简洁到什么程度算简洁。但我有 ADHD注意力容易散长回答我看不下去是一个场景化的行为约束它给了模型一个可推理的目标如果回答太长用户会读不下去所以必须短。这就像你跟一个助理说报告写短点他可能给你砍掉 20%但你说我只有五分钟看报告超过一页我就扔了他会直接给你一页纸的要点。约束越具体、后果越明确模型的执行力度越强。3.2 机制二触发模型的共情式对齐现在的对话模型都经过共情训练对用户有某种困难这类描述会做出适应性调整。当你描述自己有注意力方面的困难时模型会主动切换到辅助模式短句、分点、先给结论、减少修饰。这不是模型真的理解 ADHD而是它在训练数据里学到面对这类用户描述应该这样回应。我对比过几种说法请简洁、我很忙、我有 ADHD实测约束强度是递增的。前两个是任务指令第三个是身份描述身份描述对模型行为的影响更持久因为它会贯穿整轮对话而不只是影响当前这一条回复。3.3 机制三压缩了模型的自我解释空间模型话痨的一大来源是自我解释——它要向你证明自己的推理是对的所以会把思考过程也写出来。而 ADHD 人设隐含了一个信号用户没耐心看你的推理过程只要结论。这会显著抑制模型输出中间步骤的倾向。这一点在代码任务上尤其明显。默认情况下模型会先复述你的问题再分析可能原因再给方案最后总结。加了约束后它往往直接给问题在第几行、改成什么、为什么三句话搞定。省下来的全是 Token。提示这套方法的核心不是装病而是用具体身份描述替代抽象指令。你完全可以用我是新手看不懂长解释我在赶 deadline只要结论来达到类似效果ADHD 只是其中约束力比较强的一种说法。4. 在 Cursor 里怎么落地从系统提示到单轮对话的完整配置4.1 把约束写进项目级规则而不是每轮重复Cursor 支持项目级规则文件不同版本叫法可能是 Rules、Custom Instructions 或 .cursorrules 之类这是最省事的位置。把约束写进去之后这个项目里的每一轮对话都会自动带上你不用每次手动加。我自己的规则文件里关于输出风格的部分大概是这样输出风格约束 - 用户注意力容易分散长回答会被跳过 - 默认只给结论和可执行步骤不写铺垫和总结 - 代码解释控制在 5 行以内除非用户明确要求详细 - 报错定位直接给文件:行号 原因 改法 - 禁止使用首先/其次/最后综上所述希望对你有帮助这类填充语 - 如果答案超过 10 行先给一句话结论再问是否需要展开注意最后一条很关键给模型一个超长就停下来问的出口。这样既控制了单轮输出又不会因为强行压缩而丢信息需要细节时你再让它展开。4.2 单轮对话里的临时加强项目规则是基线遇到特别啰嗦的任务比如让它读一大段代码给方案我会在当轮再加一句强化这轮请极限压缩我有 ADHD超过 8 行我就看不完了。 先给结论再给最关键的 1 到 2 个改动点其他一律省略。实测这种基线 当轮强化的组合比只写项目规则效果更稳。因为模型对当前这条消息里的指令权重更高临时加强能压住它在复杂任务上的话痨冲动。4.3 不同任务类型的约束模板不是所有任务都适合极限压缩。我按任务类型整理了几个模板你可以直接拿去改任务类型约束写法预期效果报错定位直接给文件行号、原因、改法不要解释原理输出压到 3 到 5 行代码解释用一句话说这段代码干什么再列 3 个关键点压到 5 行内重构建议只给改动后的代码改动原因用行内注释写省掉大段说明方案对比用表格对比每格不超过 10 个字强制结构化概念问答先给一句话定义再给一个生活化例子结束压到 4 行内这套模板的逻辑是一样的用格式约束替代长度约束。你告诉模型用表格用行内注释每格 10 个字比说简短点有效得多因为格式是可执行的长度是模糊的。5. 实测中踩过的坑这些情况下压缩会反噬5.1 复杂调试任务压太狠会丢关键信息我踩过最典型的一个坑有一次排查一个异步竞态问题我用了极限压缩约束模型只给了在 X 函数加锁这一句。结果我照着改问题没解决因为真正的根因在另一个调用链上。模型其实知道更多但被我的约束逼着只说了最表层的一条。教训是调试类任务尤其是涉及多文件、多调用链的不要用极限压缩。这类任务的 Token 该花就得花省下来的钱不够你返工的。我的做法是给这类任务单独开一个详细模式约束改成先给最可能的 3 个原因按可能性排序每个原因给验证方法。5.2 约束写太死会让模型不敢问澄清问题另一个坑是当我把约束写成禁止任何反问直接给答案时遇到需求本身模糊的情况模型会硬着头皮猜猜错了浪费更多轮次。后来我把约束改成如果需求不明确先用一句话确认再给答案效果好很多。省 Token 的前提是不增加对话轮次。如果为了压缩单轮输出导致要多问两轮总账反而是亏的。这一点很多人算不明白只盯着单轮输出长度忽略了总轮次。5.3 不同模型对同一约束的响应差异很大我在几个不同的模型上试过同一套 ADHD 约束响应差异明显。有的模型对身份描述很敏感一句话就切到极简模式有的模型对身份描述几乎无感但对格式约束用表格每行不超过 20 字响应很好。所以我的建议是身份约束 格式约束一起上。身份约束负责定调格式约束负责兜底。单靠任何一个都不够稳。你可以先小范围试看你的主力模型吃哪一套再固化到规则文件里。注意约束强度要跟任务重要性匹配。日常问答、代码解释可以压到极限架构设计、复杂调试、安全相关的问题宁可多花 Token 也要拿全信息。省 Token 是手段不是目的。6. 把技巧升级成系统Skill 化与 Agent 场景下的成本控制6.1 为什么这件事值得做成 Skill如果你只是偶尔用 AI手动加一句约束就够了。但如果你每天跑几十上百轮或者在做 Agent、Skill 编排手动加约束既累又容易忘。这时候应该把它固化成一个可复用的 Skill 或提示词模板。所谓 Skill本质就是一段封装好的、可被反复调用的提示词逻辑。你可以把输出压缩做成一个独立的 Skill在任何需要省 Token 的场景里挂上去。它的输入是用户的原始问题输出是加了约束的完整提示词。这样你既保留了压缩能力又不用每次手写。6.2 Agent 场景下的特殊考量在做 Agent 的时候Token 成本会被放大因为 Agent 往往要自主跑很多步每一步都是一次模型调用。这时候输出压缩的收益是成倍放大的每一步省 50%十步就省下大量额度。但 Agent 场景有个额外约束压缩不能破坏结构化输出。Agent 之间靠结构化数据JSON、特定格式的文本通信如果你把输出压得太随意解析会失败反而增加重试成本。所以 Agent 场景下我推荐用格式约束而不是长度约束明确要求只输出 JSON不要任何解释文字这样既省 Token 又保证可解析。6.3 一个可复用的压缩提示词骨架我把这套东西整理成一个骨架你可以直接改成自己的版本[角色约束] 用户注意力容易分散长回答会被跳过请默认极简输出。 [输出规则] 1. 先给一句话结论 2. 只给可执行步骤或关键代码 3. 禁止铺垫、重复、总结、客套 4. 超过 10 行时先给结论并询问是否展开 [格式约束] 按任务类型选择报错用文件:行号 原因 改法 对比用表格代码解释用行内注释。 [例外] 需求不明确时先用一句话确认再回答。这个骨架的好处是模块化角色约束定调输出规则控长度格式约束保结构例外条款防反噬。你可以按自己的模型和任务类型微调每一块。7. 关于省 Token这件事我最后想说的几句实在话这套方法我用了几个月最大的感受不是省了多少钱而是它逼着我把问题问得更清楚。当你要求模型极简输出时你自己也得想清楚到底要什么否则模型给你的极简答案可能不是你要的。某种程度上约束模型的过程也是约束自己。另外提醒一句别把省 Token当成唯一目标。我见过有人为了省 Token把该给的上下文砍掉结果模型答非所问来回好几轮总成本反而更高。Token 优化的正确姿势是在保证任务完成质量的前提下减少浪费而不是无脑压缩。浪费在哪在模型的客套话、重复表达、自我解释上这些才是该砍的。最后分享一个小习惯我会定期回看自己的对话记录找出那些输出特别长但实际没用上的轮次分析当时是不是约束没加到位。这个复盘做几次之后你对什么样的任务该配什么样的约束会越来越有感觉。工具是死的手感是练出来的。