這個頁面
你意想不到的帳單
每天在工作中使用 Claude 或 ChatGPT 的大多數人，從未真正了解自己付費購買的是什麼。可能是一份月訂閱，也可能是一組餘額默默減少的 API 金鑰，而數字持續變動 - 有時比預期慢，有時則快得多。如果你曾納悶，為什麼 AI 輔助工作的「輕鬆」一週，費用反而比繁忙的一週高，答案幾乎從來不是 AI「很昂貴」。通常關鍵在於你傳送了什麼，而不只是你問了什麼。
本文會以白話、不使用術語的方式，逐步說明實際計算方式 - 讓你看清楚成本究竟從何而來，以及為什麼解決方法不是「少用 AI」，而是「停止在每則訊息中都付費重新解釋自己」。
用白話說明 token
你傳送的每則訊息和收到的每個回覆，都會被拆成稱為 token 的小片段。粗略來說，一個 token 約等於四分之三個單字 - 因此 1,000 個字的文字大約相當於 1,300-1,400 個 token。短字、常見片語和程式碼通常每個字所需的 token 較少；不常見的字、格式設定和非英文文字則可能使用更多。
人們第一次思考這件事時，通常會被兩點難住：
- 雙向都算。 你輸入的文字（輸入）以及 AI 回傳的文字（輸出）都會計費或計量。即使是回答同一個問題，冗長詳盡的答案也比一句話的答案更昂貴。
- 每則訊息都會重新傳送整段對話。 這是幾乎所有人在看到完整說明前都沒意識到的部分。聊天型 AI 模型不具備像人類同事那樣、跨訊息持續保留的記憶。為了產生符合上下文的回覆，系統每次你按下傳送時，都必須重新讀取截至目前的整段對話 - 你的第一則訊息、它的第一次回覆、你的第二則訊息、它的第二次回覆，依此類推。
為什麼「只是聊天」會隨著對話增長而變得昂貴
以下才是真正重要的部分。想像一段一開始很短、隨著工作自然增長的對話，就像真實的工作對話一樣：
- 第 1 則訊息：你傳送 200 個字的背景資訊，收到 150 個字的回覆。
- 第 2 則訊息：系統現在必須處理第 1 則訊息和你的新訊息，然後再次回覆。
- 第 3 則訊息：系統會重新處理第 1 則和第 2 則訊息，再加上你的新訊息。
到了第 10 則訊息時，你付費的已經不是「一個新問題」而已。你是在每次傳送時，重新傳送之前的所有內容。對話紀錄是累積的 - 不會自行重設或壓縮。20 輪對話並不只是 10 輪的兩倍昂貴；由於重複傳送的影響，即使每則訊息實際新增的內容大小大致相同，最終費用也可能高出好幾倍。
這是方向性的計算，不是價格表 - 供應商會自行設定並調整每 token 的費率；如果你想知道自己方案的確切數字，應一律查看供應商網站（anthropic.com 或 openai.com）上目前公布的價格。但無論費率為何，運作機制都成立：即使每 token 的成本不高，乘上不斷增長的對話歷史後，也會很快累積起來。費率不是主要的槓桿。你重新傳送的內容大小才是。
浪費實際發生的地方
現在再加上大多數人實際工作的方式。一般使用 AI 輔助任務的知識工作者 - 撰寫電子郵件、摘要通話內容、分析試算表、撰寫簡報、檢查合約條款 - 不會從零開始每項任務。他們每次都重新解釋：
- 「你是一位經驗豐富的[role]。請以資深[X]的方式行事。以下是我們的品牌語調／團隊背景／格式偏好……」
- 關於公司、專案、受眾和限制條件的背景資訊。
- 他們昨天以及前天輸入的相同語氣和風格指示。
這些內容對當下的任務來說都不是「新」資訊 - 它們只是樣板內容。但因為這些內容是重新輸入到聊天視窗中（或更糟的是，在一段冗長而漫無邊際的對話中逐漸累積），所以每次都會被計算、重新傳送並再次計費。
一個說明性範例：每天 10 項任務，兩種不同方式
讓我們比較同一天工作的兩種方式 - 10 項由 AI 輔助的任務，每項都要求 AI 扮演某種特定類型的專業人士（例如，檢視行銷活動數據的行銷分析師，或精簡流程文件的營運經理）。
方法 A：臨時重新輸入的 prompts
10 項任務中的每一項，都從使用者重新輸入（或從舊文件複製貼上）一兩段角色設定開始：「你是一位精通歸因分析和行銷活動投資報酬率的資深行銷分析師。請分析以下資料，並提供一份結構化摘要及建議……」接著才是實際任務。然後，通常還會在同一個對話串中傳送幾則後續訊息來釐清或完善內容，而每一則都會重新傳送其上方的所有內容。把這種樣板內容加上後續追問的模式套用到 10 項不同任務上，就等於一整天、每天為基本上相同的指示重複付費，幾十次之多。
方法 B：精簡、以技能檔案為基礎的設定
角色、語氣、標準和工作方法會一次仔細寫好，濃縮成一份簡潔的系統 prompt - 一份「技能檔案」- 並在工作階段開始時載入，而不是反覆重新輸入。這些內容只需預先設定一次，保持精簡（不冗長、不重複指示），並套用到該角色所執行的每項任務。使用者只需說明任務，不必重新解釋 AI 應扮演的角色、答案應如何格式化，或什麼才算「良好」- 這些都已在頂端以簡潔方式鎖定。
token 計算上的差異，不是因為 Approach B 中的 AI 「更努力工作」- 而是每則訊息中重複的樣板部分大幅縮減。每則訊息、每項任務、每一天都少重新傳送一些樣板內容 - 這種累積速度和對話不斷增長的問題一樣快，只是方向相反。
預先建立的系統 prompt，可將 Claude 或 ChatGPT 轉變為資深行銷分析師 - 一次設定好行銷活動 ROI、歸因和報告標準，您就不必每次貼上新數據時重新說明角色。
查看 Rafa - 行銷分析專家 →為什麼精心建立的 Skill 檔案勝過臨時 prompt
並非所有「可重複使用的 prompts」都能解決這個問題。臃腫、過於籠統的系統 prompt - 五頁充滿模糊指示、以防萬一 - 可能和重新輸入一樣浪費，因為它仍是每則訊息都會重新傳送的樣板內容，只是一次貼上，而不是每次重新輸入。真正重要的關鍵在於精簡：Skill 檔案只需明確說明角色是什麼、輸出格式如何，以及什麼才算「完成」 - 僅此而已，並在每個工作階段開始時一次提供。
這正是 Skill 檔案與您不斷重寫的零散 prompt 之間的真正差異：重點不只是方便，而是永久縮減您在整個工作階段中每次傳送訊息時重複的部分。
將 Claude 或 ChatGPT 設定為資深營運經理 - 內建 SOP、流程稽核和優先順序框架，讓每項新任務都能精簡開始，不必從頭重新說明您的營運背景。
查看 Owen - 營運經理 →真正能帶來實際效果的實用習慣
不論您使用哪種工具或方案，以下幾個習慣比其他做法更能減少「隱形重新傳送成本」：
- 在新的對話中開始新任務，不要把所有內容堆進一個不斷變長的討論串。全新且聚焦的對話會在每則訊息中重新傳送少得多的歷史內容。
- 只在一開始簡潔地提供角色和背景，不要每次都在任務本身中重新說明。
- 讓前置指示保持精簡。 冗長且散漫的系統 prompt 仍會在每次訊息中重新傳送 - 請刪減到真正會改變輸出的內容。
- 要求您實際需要的輸出長度。 輸出 token 也會計入，而「給我一份結構化摘要」通常比開放式的「告訴我所有相關內容」成本更低。
- 如果您想精確估算自己的成本，請直接向供應商查詢目前公布的價格 - 費率和模型會變動，確切數字最好以來源為準，而不是依賴任何第三方估算。
專為重複性、結構化任務打造的已設定營運 agent 技能 - 旨在讓指示保持精簡且一致，而不是隨著每個新要求不斷膨脹。
查看 Arthur - AI 營運 agent →輸入你（或團隊）實際使用 AI 聊天的方式，即可取得重新撰寫 prompt 與使用持續性技能檔案之間，實際每月 token 浪費量與金額的估算。不需要註冊，也不需要電子郵件 - 只要將本文的計算方式套用到你的數據即可。
試用計算器 →常見問題
我真的需要為 AI 的回覆付費，而不只是自己的訊息嗎？
是的。你傳送的內容和收到的回覆都會計入。預設會撰寫冗長、詳盡回答的模型，比起撰寫精簡、聚焦回答的模型，會使用更多輸出 token - 即使面對完全相同的問題也是如此。
為什麼就相同任務而言，長對話的成本會比短對話高出這麼多？
因為大多數以聊天為基礎的 AI 工具不會自行在訊息之間保留記憶 - 若要合理回答第 20 則訊息，系統必須連同該訊息一起重新處理前 19 則訊息（以及自身前 19 次的回覆）。每次都會完整重新傳送對話紀錄，因此成本的增長速度往往遠高於對話本身的長度。
技能檔案只是儲存 prompt 的華麗說法嗎？
就功能而言，是的 - 它是你寫好並重複使用的系統 prompt 或專案指示。優良版本與臨時 prompt 的差別在於嚴謹度：它會精確且簡潔地說明角色、標準與輸出格式，讓每則訊息都會重新傳送的「制式內容」盡可能精簡，同時仍能發揮作用。
我需要擔心精確的金額，還是只要關注使用方式？
先著重於使用方式 - 減少重複上下文，並為新任務開啟新的對話，無論本月 token 單價如何，都能降低用量。若想針對自己的使用量精確估算成本，請從供應商的定價頁面取得目前公布的價格，再根據自己通常的訊息數量計算。