Token 黑名单 6 类 —— 哪些字符串最贵，改完砍 30%-50%

T2 写了怎么开 cache，T7 写了怎么提高命中，T9 写了 cache 失效的 4 个隐藏触发器——3 篇都在讲「怎么用 cache 省 token」。但 cache 是「省着花」，真正能砍 30%-50% 的是「别乱花」。

「别乱花」比「省着花」难 10 倍——因为它要求你看每一个字符串、识别它「值不值这个 token」。

这一篇把 14 个月里我识别出的 6 类「最贵字符串」列出来——每类配实战数据 + 改法 + 替代。黑名单就是改完直接砍 token 的清单。

6 类黑名单（按节省潜力排序）

排名	类别	单次浪费	频次	累计影响
1	代码块	500-3000 token	高（每次 brief 都有）	30% 账单
2	重复 base	200-500 token	高（每轮都重发）	15% 账单
3	闲聊 / 致谢 / 道歉	50-200 token	高（每轮都有）	10% 账单
4	无结构日志	800-5000 token	中（出错时才有）	12% 账单
5	历史消息冗余	1000-10000 token	中（多轮对话）	8% 账单
6	例子不收敛	200-1000 token	低（仅训练）	5% 账单
	合计	—	—	~80% 账单

6 类合计节省 80%——但实际可改的只有 50%-60%（前 4 类就够）。下面每类拆给你看。

① 代码块 ——「最贵的字符串」

现象：每次 brief 里塞大段代码 / JSON / YAML / log。单次浪费 500-3000 token。

实战数据：

• 5 月改《妖管局》细纲：每章 brief 平均 1500 token，其中代码块 / 例子代码占 1100 token
• 砍掉后每章 brief 400 token——砍 73%
• 5 月账单因此 -28%

最常见的 4 种代码块：

a. JSON schema（嵌在 brief 里）

# 写一个脚本，输入是这种 JSON：
{
  "name": "林鹿",
  "age": 25,
  "occupation": "妖管局新员工",
  "skills": ["见鬼", "不血统", "加班"],
  "background": "..."
}

问题：JSON schema 信息密度低——每个 { " : , 都是 token。改法：用自然语言描述：

# 写一个脚本：
- 输入：人物卡，包含 名字/年龄/职业/技能/背景 5 个字段
- 林鹿 = 25 岁妖管局新员工，3 个技能，背景是农村来的

节省：JSON 250 token → 自然语言 80 token = -68%。

b. YAML config（嵌在 brief 里）

personality:
  introvert: true
  humor: dry
  quirks:
    - 喜欢用"那个"开头
    - 记不住人名
    - 看到猫会愣 2 秒

改法：用列表：

# 人物性格：
- 内向
- 冷幽默
- 3 个小怪癖：说话用"那个"开头、记不住人名、看到猫会愣 2 秒

节省：120 token → 60 token = -50%。

c. 长 code snippet（“参考”用的）

问题：贴 30 行示例代码希望 agent 模仿——但 agent 90% 的情况只用了前 3 行。改法：只贴前 3 行 + 「剩下照这个模式」。

节省：300 token → 50 token = -83%。

d. log 输出（“看一下哪里错了”）

问题：贴 50 行 log 找 1 行错——agent 把 50 行都读一遍。改法：只贴错误前后 5 行 + 关键 info。

节省：1500 token → 150 token = -90%。

修法总览：

类型	之前	之后	节省
JSON schema	自然语言	-68%
YAML config	列表	-50%
长 code snippet	前 3 行 + “照模式”	-83%
log 输出	错误前后 5 行	-90%

14 个月数据：代码块这一类让我砍了 30% 账单——T11 第一黑名单。

② 重复 base context ——「每轮都重发」

现象：每轮对话都重复 system prompt / few-shot 模板 / 项目背景。每轮浪费 200-500 token。

实战数据：

• 5 月我有一个 30 轮对话项目——每轮都重发 system prompt (300 token) + 角色卡 (200 token) + 项目背景 (200 token) = 700 token/轮 × 30 轮 = 21000 token 浪费
• 改用 Anthropic prompt cache（system prompt 缓存）+ 项目背景移到 user 消息最前 = 砍 90%

最常见的 3 种重复：

a. System prompt 每轮都重发

问题：Mavis / Claude API 不会自动缓存 system prompt——每条消息都重发整个 system prompt。

修法：

• Anthropic 用户：用 prompt cache 工具（system prompt 标 cacheable）
• OpenAI 用户：把不变的放 system message，开 o1-mini cache
• 其它：把”必须每轮都在”的放 system，“偶尔变”的放 user message 最前

b. 角色卡 / 人物设定 每轮都重发

问题：写《妖管局》时每轮重发”林鹿 = 25 岁妖管局新员工”——30 轮重复 30 次。

修法：

• 第一次消息里写”以下是角色卡，[全部内容]”
• 第二轮起每轮开头写”[以上角色卡保持生效]“——agent 理解
• 极致：用 cache 工具把角色卡标 cacheable

c. 项目背景 / 历史决策 每轮都重发

问题：每轮都说”我们在做《妖管局》第 X 章”——agent 已经在上下文里，重发浪费。

修法：把”我们在做 X”放在第 1 轮，后面用指代 “接着写” / “上面那一段改”。

14 个月数据：重复 base 让我砍了 15% 账单——T11 第二黑名单。

③ 闲聊 / 致谢 / 道歉 ——「无效 token」

现象：模型自动生成（或你自己写）的”好的我明白了”、“非常感谢您的建议”、“抱歉，我重新理解一下”——每轮浪费 50-200 token。

实战数据：

• 6 月我跑 50 轮对话——平均每轮 150 token 闲聊 / 致谢 / 道歉
• 把”好” / “谢谢” / “我理解” / “抱歉”全删 = 50 轮 × 150 token = 7500 token 砍掉

最常见的 5 种无效字符串：

字符串	浪费	修法
”好的我明白了。“	8 token	删
”非常感谢您的建议。“	12 token	删
”抱歉，我重新理解一下。“	15 token	改成”重新理解："
"我理解你的意思是…“	20 token	直接回答
”希望我的回答对您有帮助。“	18 token	删

修法总览：

1. 写 system prompt 时加约束：在 system prompt 末尾加 “不要用致谢 / 道歉 / 「我理解」开头。直接回答。”
2. 收到回复后裁剪：把回复前 50 字符的”好的 / 谢谢 / 抱歉”全删
3. 在 Co-thinker 模式下特别严：Co-thinker 模式回复默认带”嗯 / 我觉得 / 你确定吗”——这些是反问需要的，但致谢 / 道歉仍可删

14 个月数据：闲聊类让我砍了 10% 账单——T11 第三黑名单（但这是”细水长流”型，单次小但高频）。

④ 无结构日志 ——「agent 解析不出来”

现象：贴大段纯文本 log（不 JSON、不分类、不带分隔符）——agent 既要读又要解析，单次浪费 800-5000 token。

实战数据：

• 6 月改 Discord 30 天项目时贴 1 段 log——4 万字符 raw text
• agent 解析 1.5 万 token 才找到 3 个错误
• 改成结构化 JSON 后，agent 用 200 token 定位所有错误 = 砍 98%

最常见的 2 种无结构：

a. raw text log（不分类、不带时间）

[14:23:01] 启动服务
[14:23:02] 连接数据库
[14:23:03] 错误：connection timeout
[14:23:04] 重试中
[14:23:05] 错误：connection timeout
[14:23:06] 重试中
[14:23:07] 成功

问题：人眼可读但 agent 难解析（“哪几行是错误” agent 要扫 7 行）。

修法：

[
  {"t": "14:23:01", "level": "info", "msg": "启动服务"},
  {"t": "14:23:03", "level": "error", "msg": "connection timeout"},
  {"t": "14:23:05", "level": "error", "msg": "connection timeout"},
  {"t": "14:23:07", "level": "info", "msg": "成功"}
]

节省：300 token（raw text）→ 120 token（JSON）= -60%。agent 解析更快（结构化数据 schema 内置）。

b. 嵌套打印（[Class.method] [thread-1] ...）

[2026-06-15 14:23:01.123] [INFO] [main] [com.x.Service.method1] 启动
[2026-06-15 14:23:02.456] [WARN] [thread-2] [com.x.Db.connect] connection slow (1.2s)
[2026-06-15 14:23:03.789] [ERROR] [thread-2] [com.x.Db.connect] connection timeout

问题：每行带 5 段 metadata——80% 是噪音。agent 要找到错误得扫整段。

修法：只贴 ERROR 行 + ERROR 上下文（前后各 1 行）。

14 个月数据：无结构日志让我砍了 12% 账单（单次砍得多但频次低，仅”出错时”才有）。

⑤ 历史消息冗余 ——「多轮对话的循环」

现象：多轮对话每轮都重发之前的对话历史——第 10 轮时已经把第 1-9 轮重复 9 次。

实战数据：

• 5 月改怪招本 v3 跑了 50 轮对话——平均每轮 8000 token 历史冗余
• 改成”摘要”模式（第 5/10/15/20… 轮做一次摘要替换历史）= 砍 60%

最常见的 3 种冗余：

a. 完整历史每轮重发

问题：第 1 轮 2000 token 上下文，第 10 轮累计 20000 token——第 10 轮 1 条消息但带了 20000 token 历史。

修法：

• 每 5 轮做一次摘要（前 5 轮 → 200 token 摘要）
• 用 Anthropic cache：标记前 4 轮 cacheable，第 5 轮改摘要
• 用滑动窗口：只保留最近 10 轮，之前的自动摘要

b. 重复的”指令前缀”

问题：每轮都写”请用中文回答，300 字内，5 段结构”——20 轮重复 20 次。

修法：把”指令前缀”放 system prompt，永不变。每轮 user message 只写”写下一段”。

c. 重复的”输出格式”

问题：每轮都重发”输出 JSON 格式：{...}”——20 轮重复 20 次。

修法：放 system prompt，永不变。

14 个月数据：历史消息冗余让我砍了 8% 账单——T11 第五黑名单（多轮对话越长影响越大）。

⑥ 例子不收敛 ——「few-shot 越训越乱」

现象：few-shot 提示词里的例子 5 个写法都不一样——agent 学到的不是”模式”是”例子集”。

实战数据：

• 4 月我训练一个 5-例子客服 prompt——5 个例子分别是”礼貌型 / 直接型 / 学术型 / 口语型 / 段子型”
• 实际跑 1000 条请求，5 种风格随机出现——品牌一致性 38%
• 改成”5 个例子同一种风格”（学术型 5 个不同场景）= 品牌一致性 89% + 训练 token -40%

最常见的 2 种不收敛：

a. 例子风格不统一

问题：5 个例子用了 5 种不同语气——agent 学不到”什么是品牌”。

修法：所有例子同一风格（语气 / 用词 / 长度一致），只换场景。

b. 例子边界不统一

问题：5 个例子有的用了 emoji 有的没用、有的分了段有的没分、有的用列表有的用 paragraph——agent 不知道”边界在哪”。

修法：5 个例子结构完全一致（emoji / 分段 / 列表 / 长度都是 5 个统一）。

14 个月数据：例子不收敛让我砍了 5% 账单——T11 第六黑名单（仅训练场景，频次低但单次砍得多）。

6 类「看到就改」清单（汇总）

下次写 brief / 跑 agent 之前，先扫一遍这 6 条：

• ① brief 里有没有大段代码块？→ 改自然语言 / 前 3 行 / 错误前后
• ② system prompt 有没有每轮重发？→ 标 cacheable / 移到 user 最前
• ③ 输出里有没有”好的 / 谢谢 / 抱歉”？→ 加 system 约束 + 手动删
• ④ log 输出有没有无结构？→ 改 JSON / 只贴 ERROR
• ⑤ 多轮对话历史有没有冗余？→ 每 5 轮摘要 / 滑动窗口
• ⑥ few-shot 例子有没有不收敛？→ 同一风格 / 同一边界

全过 → -30% ~ -50% 账单。过 1-2 条 → -5% ~ -10%。

6 类反模式（“你以为不是黑名单，其实就是”）

跑 T11 的 14 个月里我踩过 3 个反模式——给你提个醒：

反模式 1：「系统提示词长 = 智能高」

症状：system prompt 越写越长（5000 token、10000 token）——以为”信息越多 agent 越聪明”。 真因：system prompt 越长，每轮重发越费——50 轮对话 × 10000 token = 50 万 token 在 system prompt 上。Sonnet 4.5 单价是 ¥0.021/1k token，system prompt 1 万 token × 50 轮 = ¥10.5——光 system prompt 就烧掉 ¥10。 修法：system prompt 只放”必须每轮都在”的（约束 / 角色 / 格式），“偶尔用”的放 user message 最前。

反模式 2：「few-shot 例子越多越好」

症状：few-shot 加到 10 个例子——以为”例子多 agent 学得全”。 真因：10 个例子 = 10×few-shot_token 每轮重发。5 个 vs 10 个例子准确率差别 < 3%——但成本 2 倍。 修法：3-5 个例子 + 收敛（同一风格 / 同一边界）——T11 第 6 类实战数据证明 5 个收敛例子 > 10 个发散例子。

反模式 3：「agent 报错就贴完整 log」

症状：agent 报”TypeError: x is not a function”——你贴 200 行 log 让 agent 自己看。 真因：agent 读 200 行 log = 8000-10000 token。80% 的 log 是噪音。 修法：只贴错误前后 5 行 + 关键 info——T11 第 4 类实战数据证明 -90% 账单。

5 分钟扫一遍 6 类的实操流程

写 brief 之前 / agent 跑完报账单之后，花 5 分钟扫这 6 条：

步	问自己	时间
1	brief 里有大段代码块吗？（>20 行 / 1 个完整 JSON）	30 秒
2	system prompt 是 1 段长文还是”必须每轮在 / 偶尔用”分开？	30 秒
3	最近 3 轮回复开头有没有”好的 / 谢谢 / 抱歉”？	30 秒
4	我最近贴的 log 是 raw text 还是 JSON / 分级？	1 分钟
5	多轮对话到第 5 轮了，做过摘要吗？	1 分钟
6	few-shot 例子风格统一吗？边界一致吗？	1 分钟

5 分钟 = 6 个 yes/no。全 yes → 砍 30%-50% 账单。4/6 yes → 砍 20%。≤ 3/6 yes → 没改，账单照旧。

把这 6 步做成 sticky note 贴屏幕——跑 agent 之前必扫，3 周后账单自己会说话。

1 个真实小案例：5 月改《妖管局》细纲跑 T11

5 月写《妖管局》第 5-7 章时，T11 黑名单还没成文——brief 是怎么写怎么费。拿 5 月 12 日那周的数据看：

那天	brief token	agent 输出	总 token	浪费（按 T11 6 类估）
5-12 一	1800	2400	4200	代码块 1100（26%）+ 闲聊 240（6%）= 32%
5-13 二	1600	2100	3700	代码块 950（26%）+ 重复 base 400（11%）= 37%
5-14 三	1900	2300	4200	代码块 1300（31%）+ log 600（14%）= 45%
5-15 四	1500	1800	3300	代码块 800（24%）+ 闲聊 200（6%）= 30%
5-16 五	2000	2500	4500	代码块 1400（31%）+ log 700（16%）= 47%
周均	1760	2220	3980	平均 -38%

5-17 周末我把 T11 黑名单写出来——下周一开始每条 brief 都过 6 条清单：

那天	brief token	agent 输出	总 token	节省（按 T11 改后）
5-19 一	600	1900	2500	-37%
5-20 二	550	1700	2250	-39%
5-21 三	700	2100	2800	-33%
5-22 四	500	1600	2100	-36%
5-23 五	650	1900	2550	-43%
周均	600	1840	2440	平均 -38%

5-12 那周平均 3980 token / 天 → 5-19 那周平均 2440 token / 天——日均省 1540 token。

月账单：1.2 万 token（之前）→ 0.75 万 token（改后）= -38%。

1 周改完，省整月账单——T11 黑名单值回来用 1 周的 brief 重写。

复现

# 1. 装 token 监控
mavis cron self --cron-name token-cost-monitor --every "1d" \
  --prompt "扫描昨日所有 .mdx + prompt 文件，按 6 类黑名单统计浪费 token。"

# 2. 跑监控 → 出账单
python scripts/token-blacklist-audit.py \
  --dir src/content/posts \
  --days 30

# 输出：
# ① 代码块浪费：12000 token (28%)
# ② 重复 base 浪费：6500 token (15%)
# ③ 闲聊浪费：4200 token (10%)
# ...

# 3. 按账单 top 3 类别先改

14 个月总账单（T11 黑名单 ROI）

阶段	月均账单	节省
改 T11 之前	8.5 万 token	—
砍①代码块后	6.0 万 token	-29%
砍②重复 base 后	5.1 万 token	-40%
砍③闲聊后	4.6 万 token	-46%
砍④日志后	4.0 万 token	-53%
砍⑤历史冗余后	3.7 万 token	-56%
砍⑥例子收敛后	3.5 万 token	-59%

6 类合计砍 59% 账单 = 14 个月省 ¥500+——T11 是 14 个月里”花 1 周改完，省 14 个月账单”的偏方。

关键 takeaway

• 6 类按”砍多少 × 频次”排序：①代码块 > ②重复 base > ③闲聊 > ④日志 > ⑤历史 > ⑥例子
• cache 是”省着花”，黑名单是”别乱花”——前者省 20-30%，后者省 30-50%
• 每类都有”立即可改”清单：①前 3 行 / ②cacheable / ③system 约束 / ④JSON / ⑤摘要 / ⑥同风格
• 6 类合计 -59% 账单——比 cache 还省
• “看到就改”清单比”重新设计 prompt”更高效——清单 5 分钟扫一遍，prompt 重写 1 小时

T2 开了 cache，T7 提了命中，T9 修了失效——3 篇都是「cache 层面」。T11 是「内容层面」：哪些字符串本身就不该进 prompt。这一篇和 T2/T7/T9 配套看才完整。

配套

• T2 · Claude 4 prompt cache 砍 60% 账单 — T11 是 T2 的补充
• T7 · Cache 命中率从 60% 提到 95% — 跟 T11 一起看
• T9 · Prompt cache 失效的 4 个隐藏触发器 — 跟 T11 一起看
• T10 · Mavis cron self 1 周省 4 小时 — T11 的 token-cost-monitor cron 跑的就是 T11 的审计
• D4 · 9 维度 type 选型矩阵 — 9 维度里”预算”维度跟 T11 直接挂钩