一、上下文管理（30 条）
- 一项任务单独开启对话，不同业务不要共用会话，杜绝无关历史持续占用 Token。
- 旧任务结束、开启全新需求时，直接新开对话，不要继续在超长会话提问。
- 跨主题需求，只复制结论摘要进入新对话，不要粘贴完整历史聊天记录。
- 长对话 Token 持续上涨，定期手动压缩上下文，清理无效闲聊、反复试错记录。
- 对话历史达到上下文窗口 70% 容量，主动清理冗余内容，避免自动粗暴截断。
- 提问去除所有客套话术（麻烦、谢谢、能否、拜托），指令直接清晰。
- 单次提问一次性完整列出全部需求，拆分碎片化多次提问会持续叠加上下文。
- 明确约束模型：仅基于本次输入作答，非必要不引用早期历史对话。
- AI 连续 3 轮无法解决问题，停止原地反复追问，新开会话重新梳理需求。
- 文档解读场景，优先上传摘要，不要直接上传完整原始长文本进行多轮对话。
- 长文档分段处理，一段完成后新开对话处理下一段，不把全文塞进同一个会话。
- 禁止在对话内重复粘贴相同参考资料、规则、模板文本。
- 需要复用固定规则，封装 Skill，不要每次提问重复输入一大段要求。
- 对话中及时删除无效失败输出、错误尝试记录，减少后续每轮输入体量。
- 要求模型输出精简结论，强制限制输出篇幅，减少输出侧积分消耗。
- 数据处理场景，只传入需要运算的数据子集，不传入全部原始数据集。
- 避免在同一会话混合「文案创作、代码编写、数据分析」多种完全无关任务。
- 先让模型总结历史对话核心要点，再删除原始长篇对话记录。
- 提问时划定边界：只回答 XX 范围，不要拓展无关延伸内容。
- 不要让模型重复复述已知信息，减少冗余生成。
- 测试类实验单独新建对话，测试完成直接废弃，不污染主力工作会话。
- 图片解读任务，解读完成后新开对话开展后续文字处理，避免图片上下文常驻。
- 批量询问前，先统一规则，不要边聊边追加要求，持续扩充上下文。
- 复盘调试会话和正式生产会话分开，调试大量试错不要占用工作对话。
- 外部参考资料先人工精简，剔除无关段落再提供给模型。
- 会话长期闲置不用，及时关闭，避免误操作继续加载全部上下文。
- 引导模型以结构化列表、JSON 输出，减少冗余自然语言描述。
- 多人协作场景，每个人独立会话，不要多人共用同一个对话窗口。
- 翻译场景，批量文本一次性提交，不要一句一问。
- 不需要全程记忆的临时任务，指令内声明：无需记忆本次对话内容。
二、工具与工作流 / Skills & Plan/Spec（22 条）
- 高频重复工作流封装为 Skill，省去每次重复输入大量 Prompt。
- 清理账户内长期闲置、几乎不用的 Skill，减少工具加载带来的额外 Token 开销。
- 优先使用固化工作流处理重复任务，减少手动反复交互。
- 复杂任务先用 Plan 做任务拆解，规划完成后分步执行，避免一次性超大任务调用。
- 能用批量处理的任务绝不循环单次调用，大幅降低交互次数。
- Spec 标准化输出格式，每次不用重复定义返回结构，节省指令 Token。
- 工具按需启用，不要一次性加载全部可用工具，无关工具会增加上下文负担。
- 构建本地模板库，固定文本、模板不要每次通过 AI 生成。
- 重复性数据清洗、格式转换任务，固化工作流，避免反复口头描述流程。
- 工作流拆分轻重任务：简单步骤交给轻量模型，复杂推理交给高级模型。
- 减少不必要联网检索，已有本地资料就不要持续调用搜索工具。
- 检索工具限定检索范围、关键词，避免大范围无边界搜索消耗资源。
- 多次执行相同流程，保存会话模板，新建对话直接加载模板。
- 子任务独立 Skill 拆分，大任务拆分成小型可复用技能，降低单次请求负载。
- 禁止工作流无限制重试，设置最大重试次数，防止无限循环消耗积分。
- 代码执行类任务，先人工排查明显错误，再交给模型调试，减少反复运行。
- 知识库静态内容提前入库，不要每次把参考文档粘贴进对话。
- 工作流中缓存固定结果，相同输入直接复用，不重复请求模型。
- 先用小模型完成分类、筛选，筛选后再将有效内容送入高级模型。
- 技能内系统提示词持续固定，不要频繁修改，提升缓存命中率。
- 不需要可视化、图表的任务，关闭图像生成相关工具调用。
- 定期优化 Skill 内 Prompt，剔除冗余描述，精简内置指令。
三、模型智能选型（18 条）
- 任务分级选型：简单问答、格式调整、摘要使用低价轻量模型；复杂推理、长文本创作、复杂代码使用高阶模型。
- 简单文本润色、列表整理、翻译，优先使用补贴模型，不占用旗舰模型额度。
- 代码纠错、简单脚本编写优先轻量代码模型，复杂架构设计再切换高端模型。
- 小规模数据分类、关键词提取，全部交给低成本模型处理。
- 长文档摘要先用平价模型预摘要，浓缩后再用高级模型深度分析。
- 测试 Prompt、调试指令，统一使用轻量模型，不要消耗高级模型积分。
- 图像文字识别、图文简单描述，优先补贴 Doubao 系列模型。
- 多轮头脑风暴初稿由小模型生成，最终定稿再使用高级模型优化。
- 避免默认固定选用最贵模型，养成每次任务手动匹配模型的习惯。
- GLM 5.2 补贴通道优先承接文案、总结、问答类常规任务。
- Doubao 系列享受 2.5 折补贴，适合绝大多数日常办公类任务。
- 对比同等任务在补贴模型与付费模型输出效果，建立自用选型清单。
- 模型切换规则固化进工作流，自动路由任务，避免手动选错造成浪费。
- 临时快速查询、名词解释，绝对不用高阶推理模型。
- 批量文本处理任务，全部迁移至折扣补贴模型执行。
- 仅在需要深度逻辑推理、创新方案、复杂数学推演场景启用旗舰模型。
四、会员档位规划 & 积分理性消耗（12 条）
- 根据月均 Token 消耗量测算性价比，不要盲目开通最高档位会员。
- 低使用强度用户，选择基础档位 + 活动积分，无需订阅高阶会员。
- 高强度重度使用者，测算订阅会员单价，对比直接消耗积分成本择优选择。
- 积分优先消耗活动赠送积分，留存充值积分用于关键复杂任务。
- 避开无意义积分消耗，不使用 AI 完成手动 5 分钟就能做完的简单工作。
- 建立积分消耗台账，记录高消耗任务，持续优化高频场景。
- 不要用积分反复生成大量无效初稿，先人工梳理需求再发起请求。
- 预估大型任务积分消耗，提前拆分，防止单次超大消耗。
- 会员权益搭配补贴模型一起使用，双重降低整体消耗。
- 非紧急任务集中在活动积分加成时段批量处理。
- 试用、测试场景优先使用免费活动积分，不动用充值积分。
- 定期复盘：哪些场景积分消耗极高，寻找替代方案减少高频浪费。
五、积分获取策略（10 条）
- 每日按时签到稳定领取基础积分，长期积累减少充值需求。
- 合理参与邀请好友阶梯奖励，获取免费积分储备。
- 积极参与社区官方活动（例如本次技巧便利店）赚取大额活动积分。
- 关注平台限时模型补贴、积分赠送活动，集中任务在活动期执行。
- 社区持续产出优质技巧分享，长期获取官方额外积分奖励。
- 保存平台公告推送，第一时间参与限时积分任务。
- 优先使用活动积分执行常规任务，充值积分留给高价值核心工作。
- 组队协作，共享活动任务，共同完成任务获取积分奖励。
- 留意限时积分兑换、限时折扣活动，合理兑换资源。
- 不要闲置可领取积分任务，免费积分可以大幅降低充值压力。
六、综合通用底层优化（8 条）
-
相同需求提前测试不同 Prompt 写法，找到 Token 最低、效果稳定的指令模板。
-
能人工预处理的数据，提前清洗，减少模型处理负担。
-
生成内容过长时，指令强制分段输出，按需生成，避免一次性超长输出。
-
不要频繁重复生成相同内容，满意结果本地保存，重复使用不再调用模型。
-
线上大量参考素材，先人工筛选，剔除无效内容再交给模型处理。
-
图文混合任务：先文字处理完成，最后再调用图像生成，分开会话执行。
-
持续记录自己实测的积分消耗对比截图，形成个人省积分操作规范。
-
养成习惯：发起请求前先判断「这件事是否必须调用 AI」。
-
持续跟进平台最新补贴政策，及时切换至折扣模型承接日常任务。
100. 定期复盘全部工作流，淘汰高消耗、低产出的使用方式，持续优化整套工作习惯。