夜雨聆风在一个AI能力满天飞的时代，似乎每个人的能力都达到了一个新的高度。用起AI来毫不手软，管它三七二十一，发给AI回答了再说，大不了不行再优化。
在公司里面，居然遇到了好几个疯狂自费使用AI进行日常编程的，虽然我没有直接问他们到底消耗了多少，但从日常零星的对话中能知道，费用并不低。
我自己也会频繁使用各种AI工具，把他们当成我的搜索引擎、我可以随时求助的工作搭档、我的生活问题助手等等。
我们使用汽车代步时，会考虑停车费、油费、汽车折旧费、时间成本等一系列的因素，到了AI这个工具，似乎把成本这件事给忘了。
新技术可真是神奇，能让众人狂欢到自费上班。
最近，公司提出要求技术线都要使用AI辅助工作，以提升效率，公司会给大家充值。不禁联想到了前一段时间网上的各种大厂用AI的新闻，从最初的强制发token，谁用的多谁积极，到最后的控制成本。
让用但是又要控制成本，或者说花出去的钱得每一分都花在刀刃上，我想，我们大概率也逃不脱这个过程。所以就想回顾自己使用AI的方式和习惯，以便后续可以更好的使用这个工具，万一哪天需要自己付费了呢？
回头去看自己使用的AI工具的各种记录，发现这个工具的使用成本绝不是简简单单花钱的事情。我简单总结了一下，会包含3类：时间成本、金钱成本、精力成本。
首先，时间成本。一个问题，至少会有一轮对话，涉及到复杂一点的问题，对话至少在3轮以上。每一轮对话，都需要输入提示词，有的提示词还挺多，打字都打的手指疼。从提出问题到发送问题再到收到答案、阅读答案、理解&消化答案，这个过程简单的需要1分钟，复杂的需要超过10分钟。每天这样对话会有很多轮，七七八八加起来平均一下，一天至少也有1个小时了。
其次，金钱成本。自己一直在薅各大模型平台的羊毛，暂时没有进行个人付费，但实际上，token消耗是实实在在的。费用消耗在3方面：输入,即我发送给大模型的提示词；输出，这你的输出包含2部分，第一部分是模型思考分析输出，第二部分是最终答案输出。参考deepseek的最新收费标准：百万tokens输入（缓存未命中）3元,预计近半年的花费有500元+；百万tokens输出6元，保守预估近半年的花费有3000+。这么一看，可比买各种工具的会员贵多了。关键是，这里面的很多花费最终并没有解决问题。
最后，精力成本。通常自己在工作中会有一种感觉，这个事情如果是想好的然后一次性完成了，会很轻松且有成就感。但如果这件事情是经过多次修修补补才完成的，最终完成的时候会长吁一口气，精神上也不会直接放松。在使用AI工具时，通过给我的感觉是后者，我分析了一下原因，根本原因就是自己没有深度参与思考推理的过程，所以对于结果没有确定感，心理上无法放松。
我发现了上述问题，我就一直在尽量优化自己使用AI工具的方式。目前正在试用的方法包括：
了解主流模型的长短项，选择合适的模型工具 与模型对话前，先向自己提2个问题：第一，我的问题是什么？或者说我需要它为我解决什么问题？ 第二，我希望它能解决到什么程？是只提出一个思路呢，还是思路+实体框架，还是思路+实体框架+完整细节？先要求AI给出解决方案和思路，确认无误后再根据方案和思路输出结果。
2）输入最精简明确的提示词。根据以前与AI工具的对话，观察他的思考过程，提炼精简词汇和指令，用于自己的提示词。
3）了解主流模型的长短项，选择合适的模型工具。
4）通过使用聚合应用，降低多家模型反复切换带来的割裂感和内容连续度、完整度问题。当前各家的大模型都各有所长，没有一家模型是万能的，所以市面上出现了各种多模型聚合应用，通过聚合多家模型，实现“1+1＞2”的效果。这点目前刚开始接触，还在调研中，等过段时间有体会了再记录吧。
