2.1 AI 编程的经济学 🔴
阅读完本节后，你将会收获：
•
理解 Token 是 AI 模型的计价单位，掌握输入/输出 Token 的计费机制
•
建立成本意识，学会通过精准提示词控制 AI 上下文范围来优化成本
•
掌握提示词优化的核心原则：指定路径、明确范围、删除客套话
•
理解上下文大小与花费的关系，学会避免不必要的 Token 消耗
序言中提到的"模型决定代码能力的速度和上限"，以及成本意识在 AI 开发中的重要性。Token 就是钱，每次调用模型都在消耗真实的费用。
工具安装与配置详见：1.6 模型与工具
前置知识
🧩
什么是 LLM
LLM（Large Language Model，大语言模型）是基于海量文本训练的 AI 模型，能够理解和生成人类语言、代码等。
🧩
什么是 Token
Token 是 AI 模型的计价单位，也是模型处理文本的基本单元。
换算关系：
•
1 个汉字 ≈ 1 Token
•
1 个英文单词 ≈ 0.75 Token
•
1 行代码 ≈ 5-15 Token
模型按照输入（Prompt）和输出（Completion）的 Token 数量计费。
核心概念
花费从哪里来
核心理解：
•
单次调用很便宜，但累积起来也是钱
•
上下文越大 = 花费越高：读取整个项目 vs 只读一个文件，差异是数量级的
•
频繁调试时要注意：循环修改会不断累积 Token
如何控制花费
大多数 AI 编程工具都会：
•
显示每次调用的 Token 数和花费
•
提供套餐或使用额度
•
额度用完后提醒你充值
你不需要记住具体单价，但需要养成好习惯（见下一节）来减少不必要的消耗。
成本与质量优化策略
关键认知：提示词本身通常很少，真正消耗 Token 的是 AI 读取的上下文——也就是为了让 AI 理解你的需求而必须加载的项目文件、代码、历史对话等。
因此，提示词优化不是在"打磨话术"，而是减少 AI 需要读取的上下文范围，同时控制输出长度。
上下文范围既影响成本，也影响质量：精准的上下文让 AI 聚焦问题，输出更准确；无关的上下文会分散注意力，增加错误概率。
优化原则
#WggfdqrplXhs text { white-space: pre; }#WggfdqrplXhs .fb0 { stroke: var(--N900-FG, 0.15); }#WggfdqrplXhs .fb0 {stroke: rgba(31,35,41, 0.15)}#WggfdqrplXhs .fx0 { stroke-miterlimit: 10; }#WggfdqrplXhs .fx0 {stroke-miterlimit: 10}#WggfdqrplXhs .fa1 { fill: rgb(187, 191, 196); }#WggfdqrplXhs .fa1 {fill: rgb(187, 191, 196)}#WggfdqrplXhs .fx1 { font: 400 12px MonospacedNumber, LarkHackSafariFont, LarkEmojiFont, LarkChineseQuote, -apple-system, BlinkMacSystemFont, "Helvetica Neue", Tahoma, "PingFang SC", "Microsoft Yahei", Arial, "Hiragino Sans GB", sans-serif, "Apple Color Emoji", "Segoe UI Emoji", "Segoe UI Symbol", "Noto Color Emoji"; }#WggfdqrplXhs .fx1 {font-style: normal}#WggfdqrplXhs .fx2 { text-anchor: middle; }#WggfdqrplXhs .fx2 {text-anchor: middle}#WggfdqrplXhs .fx3 { dominant-baseline: central; }#WggfdqrplXhs .fx3 {dominant-baseline: central}#WggfdqrplXhs .fx4 { stroke: none; }#WggfdqrplXhs .fx4 {stroke: none}#WggfdqrplXhs .fc0 { fill: var(--text-caption); }#WggfdqrplXhs .fc0 {fill: #646a73}#WggfdqrplXhs .fa2 { fill: var(--text-link-disabled); }#WggfdqrplXhs .fa2 {fill: rgb(187, 191, 196)}#WggfdqrplXhs .fa3 { fill: rgb(240, 238, 230); }#WggfdqrplXhs .fa3 {fill: rgb(240, 238, 230)}#WggfdqrplXhs .fx5 { font: 400 14px MonospacedNumber, LarkHackSafariFont, LarkEmojiFont, LarkChineseQuote, -apple-system, BlinkMacSystemFont, "Helvetica Neue", Tahoma, "PingFang SC", "Microsoft Yahei", Arial, "Hiragino Sans GB", sans-serif, "Apple Color Emoji", "Segoe UI Emoji", "Segoe UI Symbol", "Noto Color Emoji"; }#WggfdqrplXhs .fx5 {font-style: normal}#WggfdqrplXhs .fx6 { text-anchor: start; }#WggfdqrplXhs .fx6 {text-anchor: start}#WggfdqrplXhs .fx7 { dominant-baseline: alphabetic; }#WggfdqrplXhs .fx7 {dominant-baseline: alphabetic}#WggfdqrplXhs .fc1 { fill: rgb(115, 114, 108); }#WggfdqrplXhs .fc1 {fill: rgb(115, 114, 108)}#WggfdqrplXhs .fc2 { fill: rgb(61, 61, 58); }#WggfdqrplXhs .fc2 {fill: rgb(61, 61, 58)}#WggfdqrplXhs .fb1 { fill: var(--N900-FG, 0.15); }#WggfdqrplXhs .fb1 {fill: rgba(31,35,41, 0.15)}#WggfdqrplXhs .fb2 { fill: rgb(240, 238, 230); }#WggfdqrplXhs .fb2 {fill: rgb(240, 238, 230)}#WggfdqrplXhs .fa4 { fill: var(--bg-body); }#WggfdqrplXhs .fa4 {fill: #fff}AB12345原则说明指定路径明确范围删除客套直接说事指定文件/文件夹路径，缩小 AI 搜索范围"登录功能有问题"比"项目有问题"更聚焦无需"请"、"谢谢"、"如果可能的话"直接描述任务，无需客套和铺垫
示例对比
代码块
JavaScript
❌ 模糊提示（AI 读取更多上下文）：
"帮我看看项目里有没有什么问题，然后修复它"
→ AI 不确定从哪里开始，可能读取大量无关文件
✅ 精准提示（AI 聚焦相关区域）：
"帮我看看登录功能有什么问题，然后修复它"
→ AI 自己定位登录相关文件，只读取必要上下文
→ 或者更直接："修复 src/auth/login.ts 第42行的类型错误：user可能为null"
实战建议
关注使用情况
AI 编程工具通常会显示每次调用的 Token 数和花费。你也可以在对应模型的开放平台查看详细使用情况。
额度用完就充值——就像话费流量一样，不需要过度焦虑，但要有意识地避免浪费。
成本意识检查清单
•
指定文件/文件夹路径
•
指明功能范围
•
删除客套话
•
定期清理对话历史
常见问题
Q1: Token 超限怎么办？
通常不会超限 —— AI 会自动切分读取大文件。但如果遇到超限错误，说明项目规模已经需要工程化了：
•
考虑拆分项目（monorepo 或微服务）
•
清理对话历史，开启新会话
•
使用 .gitignore 排除不需要 AI 读取的文件
Q2: 为什么有时候模型会瞎编？
这是"幻觉"问题，所有模型都有。解决方法：提供明确的上下文，让 AI 不确定时明确说出来，等待你的确认，而不是强行编造。
Q3: GLM 能力够用吗？
够用。
核心理念
上下文决定花费和质量，直接比客套更重要。
指定路径或功能范围，让 AI 只读取必要上下文。精准上下文既省钱，又让输出更准确。