GPT-6 Astra · 节省 Token 官方指南

GPT-6 Astra 官方介绍

GPT-6 Astra 是迄今为止最智能的模型，在计算机使用、浏览、软件工程、科学研究和专业工作方面均展现出卓越的性能。它尤其擅长 跨代码、浏览器和专业软件执行多步骤 工作流程、谨慎行事、尊重任务边界以及透明沟通。

当指令留有解读空间时，它会利用上下文信息填补常规的空白，并在答案可能影响结果时提出有针对性的问题。它能够整合新的需求，在被要求时调整方向，并在回答旁支问题的同时，始终不偏离整体任务。

普通任务默认用 reasoning.effort: "low" [推理强度：低]

不要所有任务都开高强度推理。简单问答、改文案、翻译、总结、格式整理、普通代码修改，都可以先用 low。只有复杂分析、难题、架构设计、疑难 Debug [程序排错] 时，再临时切到 medium [中等推理] 或 high [高强度推理] 。

{  "model": "gpt-6-astra",  "reasoning": {    "effort": "low"  }}

这样可以减少模型不必要的“深度思考”，从而节省推理 token。而且 Astra 支持中途动态调整推理，把推理强度从 low 改成 high，这样就不需要每次都重新修改整段 Prompt [提示词]，同时还能继续保留 Prompt Cache [提示词缓存] 的效果。

关键词： reasoning.effort: "low"

2.长对话一定要用上下文压缩

不要每次都把前面完整聊天记录重新发给模型。聊天越长，输入 token 就越多，成本也会越来越高。Compaction [上下文压缩] 的作用，就是把前面很长的聊天内容压缩成一个更短的状态，再继续往下聊。关键的信息会保留，但不会每轮都重复传几十万 token。

可以理解成：

错误方式：
第 1 轮  5k第 2 轮  10k第 3 轮  20k第 4 轮  40k...每次全部重新发送

改成：

前面完整历史↓Compaction↓压缩后的短上下文+新问题

对于你这种可能会连续修改网页、Prompt、设计方案的长任务，这个非常重要。

关键词： Compaction

3.开启提示词缓存

固定内容放前面，动态内容放后面，像 System Prompt [系统提示词]、Skill [技能规则]、品牌规范、输出规范、工具说明、长期参考资料，这些固定内容尽量不要反复改。

把它们放在 Prompt [提示词] 的前面，把用户本轮的新需求、时间、变量、临时条件放在后面。这样系统更容易命中 Prompt Cache [提示词缓存]，相同的前半段就不用每次重新完整计算。

比如你每次都有一段很长的系统提示词：

你的身份设计规范Skill品牌规范输出规范工具定义参考资料

不要每轮都改这些东西，推荐结构：

固定 System Prompt固定 Skill固定设计规范固定工具定义固定参考资料----------------用户本轮动态需求时间变量临时要求

注意：它不一定减少统计出来的 token 数量，但通常可以明显降低重复输入部分的费用和延迟。

关键词：Prompt Cache

4.工具不要一次全部塞给模型，用延迟加载

如果你的 Agent 同时有 Browser [浏览器]、Search [搜索]、Figma、Photoshop、Gmail、Calendar [日历]、Database [数据库]、GitHub、Shell [命令行]、Image [图像]、PDF 等几十个工具，不要每次都把所有工具说明一起发送给模型。工具本身的 Schema [结构说明] 也会占很多 token。

defer_loading [延迟加载] 的意思就是：当前需要哪个工具，才加载哪个工具。

比如现在只需要查网页，就只加载 Browser [浏览器] 和 Search [搜索]；等真正需要 Figma 时，再加载 Figma。这样可以直接减少输入 token。

假设你的 Agent 有：

BrowserSearchFigmaPhotoshopGmailCalendarDatabaseGitHubShellImagePDF20 个 MCP Tool

如果每次请求都把所有工具 schema [格式规范] 发给模型，工具定义本身可能就是几千甚至几万 token。

官方建议使用 Tool Search [工具查找] +：

defer_loading: true

需要哪个工具再加载哪个工具，从而直接减少前几轮请求中的输入 token，所以更好的思路是：

❌ 30 个 Tool → 全部放进 Context
✅ 当前只需要网页Browser + Search
真正需要 Figma 时↓再加载 Figma

如果你在做 Agent / Skill / MCP，这个属于非常值得优化的一项。

关键词：defer_loading

5.明确限制模型的回答长度，减少输出 token

GPT 模型默认可能会解释得比较详细，如果你只需要结果，就要明确写清楚。比如可以要求：“只回答重点。”、“每项最多 2 句话。”、“不要复述我的问题。”、“不要重复总结。”、“不要解释思考过程。”

例如不要只写：

帮我分析这个网页。

可以写：

分析这个网页。只输出：1. 设计风格2. 布局3. 字体4. 配色5. 动效
每项最多 3 句话。不要复述需求。不要总结。不要解释分析过程。

甚至在系统 Prompt 里长期加入：

默认使用简洁回答。优先直接给结果。除非用户明确要求，否则避免：- 重复问题- 背景介绍- 总结段- 不必要的 Markdown- 重复结论- 长篇解释

这样可以直接减少 output tokens [模型输出产生的 token]。很多时候，省 token 最简单有效的方法不是改模型，而是明确让它 “少说一点”。

关键词：output tokens

6.不要让模型反复测试和验证，尤其是在编程智能体里

Astra 这类模型比较谨慎，写完代码后可能会自动继续检查、重新跑测试、再扩大测试范围。如果代码已经通过了必要测试，就不要让它重复验证。可以直接告诉它：“只执行和这次修改直接相关的测试。”、“必要测试通过后立即停止。”、“不要重复运行已经通过的测试。”。

跑测试↓再检查↓再跑完整测试↓再验证↓再检查边缘案例

官方专门建议限制这种行为：小型、可逆、低风险改动，不要写重复测试；已有必要测试通过后，没有新变化、失败或疑点，就不要继续扩大验证范围。你可以直接加：

仅执行与本次修改直接相关的测试。
必要测试通过后立即停止验证，除非出现错误、新修改或未解决的问题。
不要为了完整性重复运行已经通过的测试。

这样可以同时减少推理 token、工具调用次数、执行时间和计算成本。

关键词：Coding Agent

7.多轮任务不要每次从头开始

复杂 Agent 任务经常是这种流程：用户提出任务 → 模型思考 → 调用浏览器 → 浏览器返回结果 → 模型继续 → 再调用代码工具。这种情况下，不要每一步都重新把完整背景、目标和历史再说一遍。

可以通过 previous_response_id [上一轮响应 ID] 接着上一轮继续，让模型沿用之前的状态。

尤其是复杂 Agent：

用户↓模型思考↓调用 Browser↓浏览器返回↓模型继续思考↓调用 Code↓继续

不要每一步都像全新请求一样重新解释整个问题。Responses API [模型调用接口] 可以通过：

previous_response_id

继续之前状态。官方也建议在 function calling [函数调用] 场景中把相关 reasoning items [推理内容单元] 和工具结果保留下来，这样模型能以更 token-efficient [更节省token] 的方式继续之前的推理，而不是重新建立整个推理过程。

-

如果排一个省 token 优先级，会是：

其中最容易犯的一个错误是：

为了省 token，把 System Prompt 拼命删短

这并不一定最划算，如果一段 5000 token 的规则每次都完全一样，并且能稳定缓存，有时候反而比：

每轮重新生成重新总结重新排序重新组织 Prompt

更省钱。OpenAI 甚至专门提醒：为了缩短 Prompt 而破坏缓存前缀，有时会导致总成本反而上升。

-

如果是你现在在做 Agent / Skill，建议直接采用这一套：

固定区：System Prompt角色Skill工作原则输出规范稳定 Tool 定义稳定参考资料
↓
动态区：当前任务用户新增要求临时变量
↓
执行策略：reasoning = low复杂任务 → medium / high完成后恢复 low
↓
Tool：默认 defer_loading需要时才加载
↓
长会话：达到一定 Context → Compaction
↓
输出：直接回答不复述问题不解释思考过程不重复总结默认简洁必要时再展开

这样模型不需要反复重新理解整个任务，也能减少重复上下文和重复推理。

关键词： previous_response_id

一句话总结：

GPT-6 Astra 最有效的省 token 方法是：低推理起步 + 稳定 Prompt 缓存 + 按需加载工具 + 长对话 Compaction + 严格限制输出长度 + 避免重复验证。

补充：

如果你自己都不知道要做什么，首先应该去学相关的知识或者问其他大模型，给你方向，这样会更节省 Token 。

请不要 “许愿式使用大模型”，服务商最喜欢你们这种 “宝宝” 了...

历史文章 

👉 如果觉得不错，随手点个赞、在看、转发三连

👉 如果想第一时间收到推送，也可以给我个星标 ⭐

👉 我们组了一群热爱探索的设计师，欢迎加入一起探索