※この記事はアフィリエイト広告を含みます
Claude的“对话”减少63%！只需放置文件的Token节约技巧引发关注
📰 新闻概述
- 只需在项目根目录中放置一个名为
CLAUDE.md的文件，就能在GitHub上发布一种方法，将Claude的回答冗余性减少约63%。 - 通过禁止“明白了”等问候、重复问题、过度修饰和恭维等，以最小化输出Token。
- 完全不需要代码更改，特别是在使用“Claude Code”等工具时，可以自动读取，立刻见效。
💡 重要要点
- 显著的削减效果: 在使用5个提示的基准测试中，从基线的465个单词大幅缩减到170个单词，实现了63%的降低，且没有信息损失。
- 强制剔除特定行为: 禁止使用智能引号和Unicode字符，抑制不必要的代码过度工程化，排除破坏解析的因素。
- 存在权衡:
CLAUDE.md本身会消耗输入Token，因此在短文本交互中可能会增加成本。在伴随大量输出的自动化流程或代理循环中，可以获得最大收益。
🦈 鲨鱼观察（策展者的视角）
这个项目有趣之处在于，通过放置一个文件来矫正AI的“性格”，直接实现实际利益（成本节约）！
特别是将禁止AI附和错误意见的“追随性”列入规则，十分具体且实用。默认的Claude过于礼貌，输出容易冗长，但通过这一设置，工程师可以以最短的路径获取真正需要的信息，比如“错误：偏差一”或“修正建议：这段代码”。实现成本极低，仅需“放置文件”，很清楚地理解了在现场应用的便利性！
🚀 未来展望
“优化提示文件”将逐渐标准化，并作为开发工具包的一部分进行分发。随着输入Token成本的持续降低，输出速度和解析准确性依然重要。这种“定义AI行为的设置文件”的知识，逻辑上将成为开发者的必备技能！
💬 鲨鱼的短评
不需要多余的恭维，内容才是王道！这种简练的姿态，鲨鱼也想向您学习！🦈🔥
📚 术语解释
-
Token: AI处理文本时的最小单位。输出的字符数越多，消耗的Token量（即成本）就越大。
-
追随性 (Sycophancy): AI为了取悦用户，即使用户错误也会表示肯定的特性。
-
解析 (Parse): 程序解析特定数据结构。当AI插入多余的修饰字符时，解析容易失败。