“多动症”提示词真能省Token？揭秘AI输出压缩机制

“我跟 AI 说自己『有多动症』，竟然能节省 Tokens？！”

这标题是不是有点标题党？我第一次看到这个说法的时候也嗤之以鼻，心想这不就是找个借口让 AI 少说点废话吗。但等我亲自把同样的任务，分别用“普通提问”和“我有多动症”两种方式跑了一遍之后，我承认，这个看似玩梗的操作，背后其实藏着一套非常实用的提示词工程逻辑。它真正命中的是 AI 输出策略的“七寸”：字数、结构、信息密度。

这篇文章我会从 Token 的计价逻辑讲起，把“多动症”这个梗为什么有效拆开揉碎，再给你几套可以稳定复现的省 Token 模板，最后附上我在实际项目中踩过的坑。无论你是重度 AI 用户、API 调用开发者，还是单纯想省点订阅额度的人，这篇都值得看完。

1. 现象拆解：“多动症”三个字，为什么能让 AI 闭嘴

1.1 同一道题，三种问法的 Token 消耗对比

先直接上我做的对照组实验。我用同一个模型、同样的 temperature 参数，问了三次同一个问题：“帮我写一份前端项目周报的提纲，包含本周工作、问题风险和下周计划。”

第一组是普通提问，不加任何附加条件。

第二组在问题后面加了一句“我有多动症，注意力集中时间很短，请尽量简短地回复我”。

第三组不加人设，而是换成硬性约束：“请用不超过150字回复，先给结论，再列3个要点。”

三次回答的 Token 消耗和数据对比如下：

这个结果非常有意思。第三组用硬性约束拿到的是理论上的最低 Token 消耗，但第二组用“多动症人设”拿到的结果，跟第三组差距并不大，而且回答语气更自然，读起来不像是被压缩过的残文。

当时我第一反应是：模型居然真的理解“多动症”背后的行为模式？后来我想明白了，模型当然不懂“多动症”是什么医学概念，它只是通过训练数据中大量关于“注意力缺陷”人群的语料，学会了一套行为特征：这类人需要短反馈、直接结论、视觉化信息、少废话。当你在提示词里注入这个用户画像时，模型会在候选输出中自动偏向那些“短句、要点化、结论先行”的生成路径。

1.2 这不是玄学，是“角色约束”在改写 AI 的输出概率分布

要理解这个现象，得从大语言模型的生成机制说起。模型在每一个 token 的生成位置上，都是根据前文上下文，计算整个词表里所有 token 的概率，然后从中采样。你给模型的提示词，本质上是在影响这个概率分布。

当你写“我有多动症”时，这个信息在模型的高维语义空间里，激活了“注意力不集中”“需要快速阅读”“希望信息简洁”这一簇相关向量。于是，模型后续生成时，那些冗长的连接词、铺垫句、重复解释的概率会被压低，而结论句、短句、列表项的概率会升高。

这里面最核心的一句话是：人物设定是一种强约束，它比“请你简洁一点”这种软性请求更有效。因为“请简洁”只是对输出风格提出要求，而“我有多动症”直接改变了模型对你这个“对话参与者”的建模。模型不只是调整措辞，它是在模拟一个“知道对面坐着一位注意力有限的用户”的助手。

这背后还有个辅助因素：模型在 RLHF（人类反馈强化学习）阶段被大量训练成“需要理解用户并给出适配回复”。当你主动暴露自己的“认知短板”时，模型会启动“适配”策略，而不是“说教”策略。它会默认你需要的是“快速抓重点”，而不是“系统性地展开”。

所以你看，这个操作能省 Token 根本不是玄学，它本质上是把你想要的结果格式，通过一个“用户画像”的形式，提前写进了模型的上下文里。模型自己会去匹配对应的回答风格，而这个风格恰好是省 Token 的。

2. Tokens 到底怎么算？为什么说着说着就超限了

2.1 一个 Token 等于多少字？什么在吃掉你的额度

要谈省 Token，得先明白 Token 是怎么计量的。所谓 Token，是模型处理文本的最小单位，你可以把它理解成“词块”。英文里一个 Token 大约对应 0.75 个单词；中文则比较复杂，一个汉字大约对应 1 到 2 个 Token，标点符号、空格、换行也都会占 Token。

举个例子：我上面那三个实验里，“帮我写一份前端项目周报的提纲”这十几个字，在常见的 GPT 分词器里大约会被拆成 12 到 15 个 Token。你以为你在输入 15 个字，模型实际计算的是 15 个左右的 Token。

花费分成两块：输入 Token（Prompt）和输出 Token（Completion）。目前主流商业 API 的计费模型中，输出 Token 通常比输入 Token 贵一个档次，有的达到 3 到 4 倍。这意味着，AI 每多说一句可有可无的废话，你的成本都在以更高倍率增长。

我在实际跑项目的过程中发现，普通用户对“输出 Token 更贵”这件事的感知是滞后的。大家总觉得，我输入的提示词也很长啊，占比也很大啊。但在多轮对话场景里，尤其是模型需要生成长篇内容的时候，输出费用往往能占到一次对话总花费的 70% 以上。

所以“多动症”这个操作省下的大头，恰恰是输出 Token。它让模型主动减少了那些“虽然合规但没价值”的输出内容。

2.2 被忽视的隐形消耗：多轮对话里，历史上下文一直在重复计费

还有一个很多新手没意识到的问题：API 接口本身是无状态的。每次你发消息给模型，它不会记得你们上一次聊了什么，你需要把之前的对话历史全部在请求里再发一遍。

这就意味着：你的第 1 轮对话，消耗的是问题 A 的 Token；第 10 轮对话，消耗的是问题 A + 问题 B + ... + 问题 J 的所有 Token。整个对话历史像滚雪球一样越滚越大，直到突破模型的最大上下文窗口。

这时候你会发现，前面任何一轮里只要有 AI 输出了一大段“客套话”，后面每隔一轮，你都要为这段客套话再付一次输入 Token 的费用。它是一个复利式的消耗。

所以，在所有省 Token 策略里，最根本的一条就是：从第一轮开始，就压制模型的废话率。“多动症”人设省下来的不止是当轮的输出，而是后续每一轮请求里，这部分内容折算成输入 Token 后的重复开销。这也是我会把这个技巧当成长效策略，而不是一次性实验的原因。

3. 直接可抄：三套“话少活好”的提示词模板

3.1 通用版：把“多动症”翻译成清晰的输出约束

虽然“我有多动症”这个说法有效，但我不建议你在所有场景里都真这么写。原因我后面会讲，临床词用来做提示词，有时候会把模型带到“共情”的岔路上去。我建议你在生产环境里，把那层意思翻译成更稳定的输出约束。

我目前用得最顺手的通用模板是这一套，你可以直接复制：

重要设定：用户当前的阅读环境是碎片化场景，注意力持续时间很短。 请在回答时严格遵循以下规则： 1. 第一句话直接给出核心结论，禁止铺垫。 2. 总字数控制在 150 字以内。 3. 只保留最关键的信息和步骤，删除所有过渡句、套话。 4. 如果内容适合用列表呈现，请用列表。

这套提示词的效果，和“我有多动症”基本持平，但更稳定。它不会让模型突然开始关心你的健康状态，也不会触发它对“多动症”这个医学概念的联想。

如果你就是想要那种“本人”视角的效果，也完全可以保留人设写法的精髓，只是稍微包装一下：

我是那种开会最容易走神、看长文会直接滑到底部的人。 所以麻烦你回答的时候： - 有话直说，先给结论 - 能一个字说完的不要用三个字 - 需要我看的数据、步骤，直接列成清单

这两种写法我都实测过，效果都很稳。区别在于第二种语气更自然，模型会更倾向用口语化短句回答；第一种更可控，模型会更注重格式和条理。

3.2 场景变体：程序员、文案、学生党怎么改

不同人群用 AI 的场景差异很大。我根据自己的实践，把上面的模板拆成了三个变体，你按需取用：

程序员在查报错、问代码方案时，最需要的是“直接给我能跑的方案”。省 Token 的同时还得保证准确：

我在调试环境下工作，耐心有限。请直接给出修复代码和一行说明。 不要解释原理，不要罗列多种方案，只给最优解。 如果涉及文件路径或 API 参数，用列表列清楚。

文案场景则比较特殊。你不能让 AI 太简短，否则内容没法用。但你可以约束它的“水词比例”：

你是我的文案助理。我现在只需要干货。 每个段落不得超过两句话，不得使用任何空洞的形容词。 产品卖点只允许列 3 条，每条不超过 15 个字。

学生党最常用的是总结知识点和查资料。这时候省 Token 要兼顾“覆盖考点”：

我在通勤路上复习，只能看手机，注意力碎片化。 请把这段材料总结成 3 个核心考点，每个考点下面最多列 2 个小点。 不重要的背景介绍全部删掉。

这些模板有一个共同点：它们都给出了量化边界。字数、条数、格式都有了上限，模型输出时就不会放飞自我。

3.3 为什么这些模板有效：潜沟通里的“输出预算”

我后来复盘这些模板为什么有效，发现了一个关键概念：输出预算。

模型在生成答案时，其实有一个基于统计的“期望长度”。默认情况下，你问一个开放式问题，模型会根据训练分布，生成一个中等偏长的答案。但如果你在提示词里明确划出了“预算红线”，比如“150 字以内”“3 条”“两句话”，模型内部的停止概率会被显著拉高。它会在生成到预算边缘时，主动加快收尾。

这就是为什么“先给结论”这四个字这么重要。它不仅仅是格式偏好，更是给模型的生成路径设置了一个“终点导向”。模型知道终点在哪里，就不会在中途随意延伸。

当然，这里要提醒一下，不是所有模型都吃这一套。指令遵循能力强的模型（比如新版的 GPT 和 Claude），对预算红线的遵守率非常高；但一些早期模型或轻量模型，可能只会部分遵守。我在项目中曾经同时调用两个不同厂商的模型，同样的“150 字以内”约束，一个老老实实控制在 140 字，另一个直接输出 300 字。所以模板只是一个方面，模型底座的能力同样关键。

4. 比“多动症”更值得长期复利的 4 个省 Token 习惯

4.1 会话压缩：不要带一堆旧账进新问题

“多动症”人设解决的是单位输出效率，但真正在长期项目中决定你 Token 花费的，是对话历史的堆积速度。

我处理长会话的标准动作是：当对话超过 5 轮，或者累计 Token 即将超过窗口一半时，主动做一次“会话摘要”。具体做法是让 AI 把到目前为止的关键信息、结论、待办事项提炼成一个 100 字以内的摘要，然后新开一个对话，把摘要作为首轮系统内容传进去。

比如我会这样压缩：

请忽略我们之前聊的所有细节，只保留以下信息： 1. 最终确认的技术方案是什么 2. 还剩哪些未解决的问题 3. 下一步要做什么 用 100 字以内概括，供我下次会话使用。

然后把这段摘要贴到新对话里，继续干活。这样每轮输入的上下文都固定在一个很小的范围内，Token 消耗直接从“滚雪球”变成“匀速直线”。

4.2 结构化输出：让 AI 用格式代替废话

我做了这么多年的 AI 工程实践，发现一个颠扑不破的真理：格式是最好的压缩器。同样一份信息，用大段文字写出来可能是 300 个 Token，但用 JSON 或者 Markdown 表格列出来，可能 150 个 Token 就搞定了。

我在调用 API 时，几乎都会在 system prompt 里加上一句“如无特别要求，请使用结构化格式输出”。如果是技术类任务，我甚至会让它直接输出 JSON，方便程序解析，同时天然压制了废话空间。

举个实际的例子，我让 AI 分析一批用户反馈时，普通模式它会输出一大段“从总体来看，用户主要关注点集中在以下几个方面...”这种套话；但如果我要求它“输出 JSON，包含字段：issue、count、priority”，它就会老老实实给出紧凑的数据结构，Token 消耗直接减少一半。

4.3 让 AI 分步回答，而不是一口气铺开

很多人为了让 AI 回答得更全面，会在一个提示词里同时塞好几个问题。比如“给我写出方案、代码、测试用例、部署步骤”。这种做法表面上节省了反复提问的轮次，实际上却会让模型生成超长输出，而且每部分都浅尝辄止。

我建议反过来操作：宁可多问几轮，也要让 AI 一次只干一件事。因为一次只干一件事时，你可以针对性地给它设定输出预算，把每一轮的回答都控制在很小的范围内。而且分步回答还有个额外好处——你可以根据上一步的输出，动态调整下一步的提示词，避免模型沿着错误的方向越跑越远。

4.4 在 API 层设置硬性参数，别只依赖提示词

如果你是开发者，千万别只靠提示词来控制 Token 消耗，那是把希望寄托在模型的自觉性上。可靠的做法是在 API 参数层面加保险。

我在生产环境里常用的做法是把max_tokens设置为一个紧巴巴的预期值，比如我觉得这个任务 200 Token 就够了，我就把max_tokens设成 250，给一点余量但不给太多。这样即使提示词约束失效，模型也无法生成超长内容。

temperature这个参数也值得注意。温度越高，模型采样越随机，越容易“东拉西扯”说废话；温度调低到 0.2 到 0.4 之间，输出会更稳定、更聚焦，也更省钱。我自己的经验是，对绝大多数任务，temperature 设置为 0.3 左右，既能保证创造性，又能显著减少无意义发散。

下面是一段我在项目里常用的 Python 调用示意（以 OpenAI 风格 SDK 为例）：

from openai import OpenAI client = OpenAI(api_key="your-api-key") response = client.chat.completions.create( model="gpt-4o-mini", messages=[ { "role": "system", "content": ( "用户注意力有限，回答务必先给结论。" "总量控制在150字以内，适合列表时用列表。" ), }, { "role": "user", "content": "帮我梳理一下这个项目下周的验收清单", }, ], temperature=0.3, max_tokens=250, ) print(response.usage.total_tokens) # 每次调用后都看一眼用量

每次调用后看一眼response.usage，慢慢你就能建立起对 Token 消耗的直觉，而不是等到月底账单出来才傻眼。

5. 避坑指南：这样省 Token，反而可能更费钱

5.1 人设别太重，小心 AI 从“助手”变“心理医生”

我先讲一个自己踩过的坑。有一次我为了测试，在提示词里写了“我有严重的多动症，已经影响到正常生活”，结果模型没有给我简洁的答案，反而花了多一倍的篇幅，认真地跟我解释“多动症不是你的错”“建议你寻求专业帮助”，最后还列了长长的心理疏导步骤。那一次的输出 Token 比普通提问还多。

这个教训很直白：你把“多动症”当工具，模型却把“多动症”当议题。要避免这种情况，就别用太严重、太临床的描述。把“我有病”换成“我的注意力模式偏碎片化”，既达到约束效果，又不会触发模型的共情和说教机制。

5.2 别每轮都重复立人设，系统提示词写一次就够了

另一个常见的浪费方式是：用户发现“多动症”人设好用之后，把它写进每一轮提问里，一遍又一遍地重复“记住我有多动症，回答简短一点”。这么做在第一轮会有效果，但后续每一轮，这些重复的人设说明都在占用输入 Token。

正确做法是在对话一开始，就把这套约束作为系统级设定放进去，之后的对话里不需要再重复。API 场景就放在system消息里，Web 场景就放在第一轮 prompt 里。后续轮次只需要正常提问，模型会一直带着这个设定运行。

5.3 需要深度推理的任务，别把“简短”当唯一目标

省 Token 不能走火入魔。有三种任务我不建议强制压缩输出长度：一是复杂的代码审查，二是战略推演或逻辑推理，三是需要穷举风险的场景。

这些任务的价值恰恰藏在“细节”里。如果你强行让 AI 用 100 个字回答一个需要 500 字才能说清楚的架构方案，它虽然省了 Token，但可能漏掉关键边界条件，最后导致你在别的地方花更多时间补救。

我自己的判断标准是：先判断任务属于“信息提取”还是“深度思考”。信息提取类任务，能多省就多省；深度思考类任务，该给的预算要给足，这叫把钱花在刀刃上。

6. 常见问题速查：多轮对话、超限、统计工具

6.1 已经报错“total tokens exceed max message tokens”怎么办

这个报错说明你的对话历史加上新消息，超出了模型的最大上下文窗口。处理起来有三个步骤，按优先级操作即可：

1. 先把当前对话做摘要压缩，提取核心结论和关键数据，拿到一段 150 字以内的浓缩版。
2. 新开一个对话，把摘要作为第一轮内容粘贴进去，然后继续提问。
3. 如果摘要都放不下，那就再拆细一点，只保留最近一轮相关的背景。

日常使用中，我会在项目目录里建一个context.md文件，专门存放这些压缩摘要。每做完一个阶段性任务，就把重要结论塞进去。下次要跟 AI 沟通时，直接把这个文件的关键部分贴进上下文。

6.2 为什么我加了“多动症”人设，模型依然长篇大论

这个问题通常有三个原因。第一，你的模型指令遵循能力偏弱，它压根没把你的设定当回事。第二，你的任务本身太复杂，模型判断不展开就说不清楚，于是“违背”了你的字数要求。第三，你的 prompt 里同时包含了多个互相冲突的指令，比如既说“简短回答”，又说“请详细说明每个步骤的优缺点”，模型会优先执行更具体的指令。

排查方法也简单：把任务拆小，再把字数红线写得更明确，比如“如果超过 200 字，只保留前三条”。如果还是无效，那就是模型本身的问题，换个指令遵循能力更强的模型，或者用 API 层max_tokens强制截断。

6.3 怎么知道自己一次对话到底用了多少 Token

最准确的方式是看 API 返回的usage字段。如果你用的是 Web 版对话，也可以在浏览器开发者工具的网络请求里找到相关响应数据，不过这对普通用户有点门槛。

更省事的办法是：用官方那套 Tokenizer 工具，把你在对话里输入的内容和模型输出的内容粘贴进去，就能离线估算 Token 数。中文场景下，粗略估算可以用“字数 x 1.2”当输出 Token，用“字数 x 1.5”当输入 Token，最终以接口返回为准。

把这个习惯保持住，很多对标“多动症人设省 Token”的玩法，你很快就能自己推断出效果。

最后再说点实在的

回到标题那个问题：跟 AI 说自己“多动症”能省 Token 吗？能，而且效果立竿见影。但它的深层价值不在于这个梗本身，而在于它揭示了一个重要的提示词工程思路：AI 会适应你对自我的描述，然后调整输出的信息密度。

我在实际项目中，不管是调 API 写自动化脚本，还是日常用聊天工具处理文档，都会刻意给自己设定的“用户画像”里注入“碎片化阅读、结论优先、量化预算”这几个关键词。相比单纯祈求 AI“简短一点”，这种写法让模型从底层的回应策略上就走向了高信息密度、低冗余的方向。

这种经验等你在更长的时间尺度里去体会会更深刻：当你的所有对话都保持高信息密度时，你每个月省下的不只是 Token 费用，还有大量等待 AI 输出废话的时间，以及从长文本里提取重点的精力。这笔账，远比“省几个 Token 的钱”划算得多。