积分跟用量挂钩之后，我开始认真翻账单了。用了两周，踩了几个坑，也攒了点经验，分享一下
先说最亏的一种用法：一个对话用到底
早上问了个问题，中午又往里丢一个新任务，晚上接着用。结果就是每次请求都把前面几万字的废话带进去，Token消耗一点点往上滚，翻了下记录，有一天的对话轮次到了二十几轮，单日消耗是平时的两倍多
后来改了个习惯：一个对话只干一件事。写脚本就写脚本，查日志就查日志，干完就关，下个任务重新开。这个改动带来的省积分效果最明显，基本上能砍掉三分之一到一半的消耗，尤其是处理长文本的时候，新开对话和接着旧对话续写，差别还挺大的
第二个是模型选择的问题：
刚开始没注意，所有任务都走同一个模型。后来看了下账单，发现很多简单活儿——比如整理日志摘要、提取几个字段、做格式转换——用补贴后的Doubao就能搞定，根本不用上高级模型
现在大概按这个路子分：
-
摘要、提取、分类这些轻活，走 Doubao 系列，补贴之后很便宜
-
代码初稿、数据整理这种中等任务，用 deepseek，0.05倍
-
复杂推理或者需要多步规划的时候，才上glm5.2
第三个是重复活儿固化下来
每周都要做告警分类和周报汇总，之前每次重新描述需求，翻来覆去那几句话，描述本身就在烧Token
后来把这类固定流程存成模板，每次直接套，只换数据部分。一次投入十来分钟，之后每周省下来的描述成本还挺可观的。而且输出格式稳定，不用每次再调一遍
大概就这些，都是翻账单翻出来的教训 谁还有别的偏方，评论区来说说