近几天我开始关注使用 AI 工具时对 Token 的消耗，首先，其实我大部分日常的对 AI 工具的使用都是 cos 搜，cos 搜有两个模式，一个是 auto，还有一个是可以自己选择大模型，当然它还有另外一个模式是中等模式。以前在刚使用 A，cos 进行编程的时候，其实第一阶段我是每次局部地去写一个函数，然后我发现也就是只是把每次只写一个函数，每次只写一个组件，然后人为地进行组装。这种阶段当然使用 auto 模式消耗 token 是比较少的。后来我升级了自己的使用 COSO 的方式，就是一次性让他完整地写整个需求，这种状态下，代码量的改动就会比较大了，可能一次性会改 10 多个文件，它的情况是 AI 自动组装代码的调用，把它关联起来完成我的需求。后来有的时候这样子写出来代码可能是有一些 bug 或者是不完善的。后来我又写了，把我的工作流优化了一下，把它改制定了 3 个 Agent： 首先我会先制定先做调研 然后制定计划，第三个 Agent 的话，就是去执行代码。因为我现在这个低代码平台没有专职的产品经理，我后来又写了一个拆分需求的 Agent，也就是说，我把我的需求描述出来，然后让这个 Agent 生成一一篇文章，一篇 P，RD, 然后把这个 P，RD 交给制定计划的 Agent，然后生成一个编码计划，最后再把这个编码计划，它是生，它会累积成一个文 MD 文档会在代码库里面，这个文档有了，计划文档有了之后，我再发给一个编码 Agent，也就是让他根据我这个计划文档去生成代码。这样子，它的好处是一个需求能够我在人为干预的就变得更少了。首先，我不需要人为地去组装一个函一个个的函数和一个个组装一个个组件，让 AI 自己去完成这个函数组件之间的调用，让做这个逻辑的串联。但这种他是复杂人物，我需要去使用那种比较聪明的模型，这会导致 token 使用消耗的会比较快，因为我现在使用的 cos 是我自己买的，每个月我花的是 20 美金，现在我又逐步关注，有一天，我突然我又觉得应该使用通过每天的关于 token 的消耗量，去规划我的编写代码上面的工作，我又逐步地开始去使用 auto 模式，就是 cos 的 auto 模式。它这种方式，它是通过效率，他写代码的效率会变高，但是呢，那个代码的质量不一定有多好，还有他进行那个技术方案设计，这个质量也不一定多好。这种的话，也就是说，其实写代码从写代码这个角度来看的话，我的效率比前一周完整完完成一整个需求效率就下降了，但是它对 token 的消耗变小了，我现在对 AI 编程上的使用已经没有太去追求这个写代码的速度。我通过人为的干预，就是使用 auto 模式加一下人为的干预，把一个需求拆分成多个小的步骤，然后人为地进行串，每次改的代码量其实就。就会可能可能是局部的，也可能是只改一两个文件，然后进行多次修改，这种也能够节约 token