一、精简输入，直接减少 Input Token
输入 Token 单价虽低于输出，但长文本、冗余内容是主要耗量点。
裁剪 Prompt，只保留核心信息
去掉客套话、重复描述、无关背景，指令简短、明确、结构化。
示例：不要粘贴完整项目文档，只截取当前接口 / 模块 / 需求片段。
固定通用指令模板，复用精简 Prompt，避免每次重复写大段话术。
拆分长文档 / 大需求，分批调用
接口文档、原型说明、长篇需求一次性全传入，Token 会暴增。
按模块、接口、页面拆分，单次只传入当前处理内容。
长用例集、报告分析分多轮生成，而非一次性全量输出。
格式化文本，剔除无效字符
删除多余空行、重复符号、全量截图描述、无效注释、冗余表格列。
代码类输入：只保留核心业务代码，删掉注释、日志、调试代码。
统一格式，减少空格、换行、特殊 Markdown 标签占用。
复用固定上下文
团队通用规则、测试规范、编写模板，做成固定系统提示词一次传入，后续会话不再重复粘贴。
二、管控对话上下文，避免历史累积计费
连续对话时，所有历史问答都会作为输入反复上传，轮次越多成本越高。
限制会话轮数，及时新建会话
单组对话控制在 5~8 轮内，超过就新建会话，截断历史上下文。
多任务不要混在同一个会话里。
主动裁剪历史消息
工具 / 二次开发场景：调用 API 时，只保留最近 2~3 轮关键对话，丢弃早期无关记录。
手动使用：手动清空历史，重新发起提问。
区分「无状态调用」和「多轮对话」
单次生成用例、单次 Bug 分析：使用单轮无状态调用，不带任何历史，Token 最优。
必须多轮迭代的场景，才保留少量上下文。
三、模型与调用策略优化
分级选型：按场景匹配不同模型（核心降本手段）
不用高端模型处理简单任务，按需分配：
简单任务（生成基础用例、格式整理、文本翻译、常规注释）：用低成本轻量模型（GPT-3.5、国内平价模型）。
复杂任务（复杂逻辑分析、架构评审、疑难 Bug 定位、长报告撰写）：再调用高价大模型（GPT-4、旗舰模型）。
视觉类（截图分析、UI 问题识别）：优先专用视觉小模型，而非通用大模型。
控制输出长度，限制最大生成长度
API 调用时配置 max_tokens 参数，强制限制模型输出字数：
生成单条接口用例：限制短输出；
写长篇报告：按需分段放开，不设置无上限生成。
避免模型自由输出大段冗余内容，减少 Output Token（输出更贵，控输出降本效果明显）。
开启缓存 / 复用重复请求
相同 Prompt、相同需求反复调用（如通用模板、标准化用例），本地缓存结果，重复请求直接读缓存，不调用大模型。
平台侧开启厂商缓存策略：多数厂商对完全一致的输入有折扣 / 免计费。
合并同类请求，减少调用次数
零散小请求合并为一次调用：
不要 1 条接口调用 1 次 AI，可一次性传入 3~5 个简单接口批量生成用例；
注意：合并后总输入不能超限，避免窗口溢出。
四、技术 & 工程层面优化
本地预处理，前置过滤数据
在调用大模型前，本地先做处理，减少传入内容：
日志 / Bug 文本：本地过滤重复日志、堆栈冗余信息，只保留报错核心栈；
页面 / 截图描述：本地提取关键元素，不把整张图片描述、完整 DOM 全量传入。
使用 Embedding + 检索（RAG）替代全量灌入
处理知识库、海量接口文档、测试规范时：
不把整本文档当输入，先用向量检索提取相关片段，只把片段传给大模型。
长文档场景可降低 50%+ 输入 Token。
流式输出 + 中途终止
启用流式返回，若发现模型输出偏离需求、开始写废话，主动中断请求，停止计费。
禁用无用能力
关闭模型附加功能（额外解释、拓展举例、多余总结），指令明确要求「只输出结果，不额外说明」。
五、业务与流程管控
制定 AI 使用规范
明确哪些测试工作禁止使用 AI（简单复制粘贴、纯手工录入类）；
规定不同场景强制使用对应档位模型，禁止全员无脑用高价模型。
用量监控与告警
对接平台账单，按人员 / 项目 / 场景统计 Token 消耗；
设置阈值告警，单用户 / 单日用量超标及时提醒，防止滥用。
模板化沉淀，减少即兴调用
把高频场景做成标准化 AI 模板（接口用例模板、Bug 分析模板、脚本模板）：
模板固定精简 Prompt，统一控制输入输出；
新人直接套用，避免因话术冗余造成额外消耗。
六、特殊场景优化
AI 断言 / 视觉测试
简单页面校验：用传统代码断言替代 AI 视觉识别；
必须用 AI 识图：先本地裁剪图片、压缩画质，配合轻量化视觉模型。
AI 生成自动化脚本
通用公共函数、基础脚手架本地封装，不让 AI 重复生成；
只让 AI 编写业务逻辑代码，减少大段重复代码输出。
批量回归 / 批量用例
批量任务做批次限流 + 合并请求，同时利用闲时调用。
400-035-7887
sales@spasvo.com
