《读懂 Token》你的 AI 指令文件，每次请求都在白烧 5000 Token

你的 AI 指令文件每次请求都在白烧 5000 Token每次请求都会读的指令文件删掉一句就省一份钱。一个最容易被忽略的“固定税”如果你在用 GitHub Copilot、Cursor、Claude Code 这类 AI 编程助手项目根目录大概率躺着一个.github/copilot-instructions.md——AI 每次回答你之前都会先把这份文件完整读一遍。很多团队这份文件是“越长越专业”风格规范、Git 流程、PR 模板、命名约定、环境配置、文档链接……一个 300 行、5000 token 的指令文件并不少见。问题是——它是“每次请求都要付”的固定税。你问它一个 30 token 的小问题AI 先要花 5000 token 把这份文件读完再回答。一个 20 人团队一天几千次请求光这份“开场白”就要烧掉几十美元而且这部分几乎没有“有效产出”。本篇用一个真实改造案例把 323 行约 5088 token的指令文件压到 15 行263 token保留所有核心规则单次请求固定输入节省 94.8%。并把这次改造里反复用到的 6 条瘦身规则提炼成可复用的方法。一、为什么这个文件这么费钱在 AI 编程工具里.github/copilot-instructions.md或 Cursor 的.cursorrules、Claude Code 的CLAUDE.md是系统提示的一部分——它会被拼接到每一次对话的最前面。这和你临时补一句“记得加 type”不一样它是“常驻人口”。它费钱的原因有三个每轮都发不管你让 AI 做什么事哪怕是改一个拼写错误这份文件都会被完整发送一次。优先占坑它出现在上下文的最前面直接决定 Prompt Cache 能不能命中——如果文件臃肿、且夹杂易变内容缓存命中率会骤降连最省钱的那部分折扣都拿不到。不直接产生价值用户的问题和 AI 的回答才是“有效内容”指令文件属于“运行成本”但它按有效内容一样的价格计费。我们来看一下改造前后的数字对比用 tiktokencl100k_base 词表对应 GPT-4/Claude 家族实测版本行数单次固定 Token占比臃肿版常见写法3235088100%精简版152635.2%节省-308 行-95.4%-4825-94.8%按 Claude Sonnet 4 的定价输入 $3/MTok缓存读取 $0.3/MTok粗算单次请求固定开销从 $0.0153 降到 $0.00081000 次请求/天日成本从 $15.26 降到 $0.79每天省 $14.47按月20 人团队1000 次/天 ≈ 25,000 次/月成本从约 $382 降到约 $20每月省 $362——注意这还只是“指令文件本身”的成本不包括你实际的业务上下文。若再算上 Prompt Cache缓存读取价仅 $0.3/MTok是标准输入价的 1/10实际花费只会更低。二、臃肿的 323 行里钱都花在哪了我把一份典型的“超长 copilot-instructions”按内容分类发现 Token 花在了这些地方可以看出几个问题“真正核心规则”只占 1200 tok约 24%——也就是说文件里 76% 的内容在每次请求里都属于“边际价值很低”的重复。“哲学/欢迎段”这种完全没用的内容占了 380 tok——“欢迎来到我们项目”“我们相信代码是伟大沟通的反映”这种话对代码输出没有任何影响却是每次请求必付的钱。“TypeScript 风格说明”有 920 tok——但大部分内容“用 const 不用 let”“避免 any”其实是任何一个合格的 AI 编程助手的默认行为或者可以用一个术语/风格代号让模型自己展开。“参考链接”和“文件索引”占了 348 tok——链接堆在指令里等于让 AI 在每次请求时“背一整本目录”但其实一句参考 docs/architecture/就够了。“Git/PR 流程”占 540 tok——详细的 PR checklist 对“写代码”这个动作没有帮助只有当 AI 真的在写 commit message / 开 PR 时才需要。三、六条瘦身规则把 323 行压到 15 行这次改造里反复用到的 6 条规则每条都对应一块明确的 Token 节省下面逐条讲。规则 1删掉“欢迎辞”和哲学段-380 tok“Welcome to our project! This document is designed to help…” “We believe that great code is a reflection of great communication…” —— 这些话对 AI 的代码输出零影响。AI 不会因为你讲了团队价值观就写出更符合价值观的代码真正约束它行为的是具体规则。做法直接删除。如果需要保留团队文化说明放到CONTRIBUTING.md给人看不要塞给 AI。规则 2删除重复表述-1100 tok臃肿版里有大量内容反复说同一件事“Use const over let” 在“General Style”里说一次“Miscellaneous Rules”里又说一次“Test files co-located” 在“Testing”说一次“File Naming”说一次“Project Structure”又暗示一次“Never console.log” 在“Logging”说一次“Code Review Standards”说一次“async/await over .then” 在“Async/Await”说一次“Miscellaneous Rules”说一次做法合并同类项每条规则只说一次用最简短的句式。规则 3长规则→短句行业代号-1450 tok最大贡献这是本次改造里贡献最大的一条。长段 prose 描述的规范绝大多数都有行业公认的“代号”一整段“Arrange-Act-Assert、beforeEach 做 setup、mock 外部依赖、不要 over-mock” → 一句Vitest AAA单断言单测co-locate *.test.ts一整段“prefer const, never var, type for unions, interface for objects, PascalCase…” →const/arrow, interface for objects, type for unions; no any一整段“Conventional Commits feat/fix/docs…” →Conventional Commits (feat/fix/refactor/docs/test/chore)一整段“import 分组顺序” →imports 分组builtin → external → / → relative原理AI 训练语料里已经见过无数次这些“代号”——当你说“Vitest AAA”它知道的 AAA 模式和你花 100 字解释的是同一件事。你不需要在指令里重新教它什么是 AAA只需要“点名”就行。规则 4参考链接→路径占位-350 tok臃肿版把 8 个 URL 直接贴在指令末尾包括外部文档、团队 Wiki、内部架构文档、OpenAPI 规范、数据库 schema。做法只留本地路径不贴完整 URL外部链接一律删掉。AI 真的需要时它自己会去对应的docs/目录找。之前- API Specification: https://example.com/docs/api/openapi.yaml62 tok之后只在 Project Paths 里提一句API: src/routes/Zod→service→response路径信息通过项目结构自然传递。规则 5流程说明→极简清单-800 tok一整段“开 PR 必须……”“本地开发步骤是……”“monorepo 的包结构是……”——这些“工作流描述”在每次写代码时都不需要。AI 写代码时不需要知道“怎么 clone 仓库、怎么 copy .env.example”。做法“本地开发步骤”整段删除这是给人看的 onboarding“PR checklist”压缩到一行PR: Conventional Commits 标题 CI 通过 1 review工作流关键约束Diff 编辑、问清楚再假设、测试验证用4~5 个短语写在## Workflow里流程细节如 monorepo 包边界只写“路径映射”不写解释文字规则 6冗余细节→搬出指令文件-745 tok有一些内容是“偶尔有用”的但“每次请求都带”不划算——典型的如完整的 React Hooks 说明useCallback/useMemo 什么时候用详细的 Pino Logger 使用样例安全 ChecklistCORS、HTTP-only Cookie、Rate Limiting全量列表性能优化清单懒加载、虚拟列表、防抖节流做法把这些搬到项目内其他文件docs/ai/react-patterns.md、docs/ai/security.md或者用 AI 工具支持的“Skill / 按需加载指令”机制主指令文件里只保留“AI 每次写代码都该知道”的最小心智模型。判断规则的黄金标准问自己——“这条规则在 80% 的请求里都能约束 AI 行为吗”如果答案是“不只有做特定任务时才用”就把它搬走。四、改完后的 15 行长什么样这是精简后完整的指令文件真实可用不是示意# AI Coding Instructions ## Core Rules 1. Write typed TypeScript. const/arrow functions; interface for objects, type for unions; no any. 2. Tests: Vitest AAA. One assertion per test; co-locate *.test.ts; mock externals, test real logic. 3. Errors: typed errors with codemessage; never swallow; ResultT for expected failures. 4. Naming: PascalCase components/types, camelCase vars, UPPER_SNAKE constants, kebab-case files. ## Workflow - Ask before assuming. Verify with tests. Use diff edits — never rewrite entire files. - Conventional Commits (feat/fix/refactor/docs/test/chore). Group imports: builtin → external → / → relative. Named exports only. - async/await always; Promise.all for parallel; no floating promises. Zod for validation; pino for logs. ## Project Paths - Source: src/ (components/ services/ utils/ types/ hooks/ config/) | Tests: *.test.ts | API: src/routes/ (Zod→service→response) | DB: Prisma (select fields, paginate, $transaction)15 行263 token。覆盖了原来 323 行里 95% 的“真的会影响代码输出”的规则剩下 5% 是“特定场景才用”的细节搬到docs/ai/按需加载。关键设计点三段落结构清晰Core Rules必须遵守的硬规则→ Workflow工作方式→ Project Paths项目地图每条规则都用“关键词代号”不写长句解释用反引号包住代码符号const、*.test.ts既清晰又帮分词器识别为代码 token更紧凑项目路径用括号内极简短语代替整段架构说明如(Zod→service→response)直接告诉 AI API 层的数据流五、不同规模团队的账同样一份指令文件在不同规模团队里的月度成本差多少我们按各团队的月度查询量5,000 / 25,000 / 75,000 / 200,000 次、Claude Sonnet 4 标准输入价$3/MTok不计缓存折扣的保守口径粗算可以看到5 人小团队臃肿版每月 $76精简版 $4——省 $72/月不算大钱但完全是“白捡”的。20 人团队臃肿版 $382/月精简版 $20/月——省 $362/月约 4300 美元/年。50 人团队每月省 $1085年省约 1.3 万美元——这个数字已经够付一个工程师一周工资了。100 人团队每月省 $2894年省近 3.5 万美元——而你做的只是把一个文件从 323 行改成 15 行。而且这只是“指令文件本身”的节省精简指令还能提高缓存命中率、降低上下文拥堵、减少 AI “看漏”关键规则的概率——这些间接收益比直接省的钱更大。六、落地的 4 个动作看完本篇建议今天就做这四件事数一下打开你的.github/copilot-instructions.md或.cursorrules、CLAUDE.md粘到 OpenAI 的 tiktoken 工具platform.openai.com/tokenizer看一眼是多少 token。超过 1000 tok 就该瘦身了。按 6 条规则砍一遍删哲学段 → 去重 → 长规则换代号 → 链接换路径 → 流程砍清单 → 冗余细节搬走。目标是500 tok 以内理想是300 tok 以下。设“80% 原则”每条规则问自己“80% 的请求都用得到吗”不是就搬走。把搬走的内容做成可按需加载的文件docs/ai/react-patterns.md、docs/ai/security.md、docs/ai/api-conventions.md——主流 AI 编程工具Claude Code Skill、Cursor Rules、Cline/Custom Instructions都支持“AI 自己去读”。一句话总结.github/copilot-instructions.md是 AI 的“开场白”不是项目百科全书。开场白越短AI 用来做正事的 Token 就越多。删掉一句就是每次请求永久省一份钱。下一篇预告《README 也费钱写一份“AI 友好”的项目说明》——你项目根目录那份写得很用心的 README可能正在让每个读它的 Agent 花掉本来不该花的几百 Token。为什么 1000 Token 处有一个命中率“甜蜜点”、最烧钱的三章恰恰对 AI 最没用以及怎么写一份“人和 AI 都爱读”的说明文件。