那筆你意想不到的帳單
大多數每天使用 Claude 或 ChatGPT 工作的人，從未真正了解自己付費的內容。可能是月費訂閱，或是餘額悄悄減少的 API 金鑰，而數字不斷變動 - 有時比預期慢，有時則快得多。如果你曾納悶為什麼一週「輕度」的 AI 輔助工作，費用反而比繁重的一週更高，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。
這篇文章會用白話、沒有術語地說明實際的數學計算，讓你了解費用真正從何而來，以及為什麼解決方法不是「少用 AI」，而是「停止為了每則訊息都重新解釋自己而付費」。
用白話說明 Token
你傳送的每則訊息，以及收到的每個回覆，都會被拆成稱為 token 的小片段。粗略而言，一個 token 約等於四分之三個單字 - 因此 1,000 個單字的文字大約是 1,300-1,400 個 token。短單字、常見片語和程式碼通常每個單字可壓縮成較少的 token；不常見的單字、格式，以及非英語文字，可能會使用更多。
人們第一次思考這件事時，通常會被以下兩點搞混：
- 雙向都會計費。 你輸入的文字（輸入）和 AI 回傳的文字（輸出）都會計費或計量。即使是同一個問題，冗長而詳細的回答也比只有一行的回答更昂貴。
- 每則訊息都會重新傳送整段對話。 這是幾乎所有人直到看到完整說明後才會意識到的一點。聊天型 AI 模型不像人類同事那樣，在訊息之間保有持續的記憶。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、它的第一個回覆、你的第二則訊息、它的第二個回覆，依此類推。
為什麼「只是聊天」會隨著對話變長而變得昂貴
以下才是真正重要的部分。想像一段一開始很短、自然逐漸變長的對話，就像實際工作中的對話一樣：
- 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 以及 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 和第 2 則訊息，再加上你的新訊息。
到第 10 則訊息時，你付費的並不是「一個新問題」。你其實每次都在付費重新傳送之前的所有內容。對話記錄是累積的 - 不會自行重設或壓縮。20 輪對話的費用不只是 10 輪的兩倍；由於重複傳送的效果，即使每則訊息中實際的「新」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，不是定價表 - 各家供應商會自行制定並調整每 token 的費率；如果你想取得自己方案的確切數字，應始終查看供應商網站（anthropic.com 或 openai.com）上目前公布的定價。但無論費率為何，其機制都成立：即使每 token 的成本不高，乘上不斷增長的對話歷史後，也會迅速累積。費率不是主要的槓桿。你重複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的工作方式。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 - 不會以全新的狀態開始每項任務。他們每次都會重新解釋：
- 「你是一位經驗豐富的[role]。請以資深[X]的身分行事。以下是我們的品牌語調／團隊背景／格式偏好……」
- 關於公司、專案、受眾與限制的背景資訊。
- 他們昨天輸入的，以及前天輸入的相同語氣與風格指示。
這些內容都不是該任務的新資訊 - 它們只是樣板文字。但由於每次都是重新輸入聊天視窗（或更糟的是，在一段冗長、漫無目的的對話中逐步累積），因此每次都會被計算、重新傳送並重新計費。
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 協助的任務，每項都要求 AI 以特定類型的專家身分行事（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，都先由使用者重新輸入（或從舊文件複製貼上）一兩段角色定位說明：「你是一位具備歸因分析與行銷活動投資報酬率專業知識的資深行銷分析師。請分析以下資料，並提供結構化摘要與建議……」接著才是實際任務。之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微調，而每則訊息都會重新傳送其上方的所有內容。把這種樣板加上後續訊息的模式套用到 10 項獨立任務上，就代表一整天、每天都要為基本相同的指示重複付費，總共數十次。
方法 B：精簡、以 skill file 為基礎的設定
角色、語氣、標準與工作方法會以精簡的 system prompt - 一份「skill file」- 仔細撰寫一次，並在工作階段開始時載入，而不必重新輸入。這些內容只在一開始完整設定一次，保持精簡（不冗長、不重複指示），並在該角色的每項任務中重複使用。使用者只需說明任務即可。不必重新解釋 AI 應該是誰、答案要如何格式化，或什麼才算「良好」- 這些內容已在頂端以簡潔方式鎖定。
token 計算上的差異，不在於 AI 在方法 B 中「更加努力工作」- 而在於每則訊息中重複且制式化的部分大幅縮減。每則訊息、每項任務、每一天都少重傳一些制式內容 - 這種累積速度和對話不斷增長的問題相同，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 - 一次鎖定行銷活動 ROI、歸因和報告標準，讓你每次貼上新數據時都不必重新解釋角色。
查看 Rafa - 行銷分析專家 →為什麼精心打造的 Skill 檔案勝過臨時拼湊的 prompt
並非所有「可重複使用的 prompts」都能解決這個問題。一個臃腫、過於通用的系統 prompt - 五頁充滿模糊指示、以防萬一 - 可能和重新輸入一樣浪費，因為它仍然會在每則訊息中被重複傳送，只是貼上一次，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「完成」的標準是什麼 - 僅此而已，每個工作階段只在一開始載入一次。
這才是 Skill 檔案和你不斷重寫的零散 prompt 之間真正的差異：重點不只是方便，而是永久縮短你傳送的每則訊息中重複內容的部分，貫穿整個工作階段。
將 Claude 或 ChatGPT 設定為資深營運經理 - 內建 SOP、流程稽核和優先排序框架，讓每項新任務都能精簡開始，不必從頭重新解釋你的營運背景。
查看 Owen - 營運經理 →真正能帶來實際改善的做法
無論你使用哪種工具或方案，有幾個習慣比其他做法更能降低「隱藏的重傳成本」：
- 在新的對話中開始新任務，不要把所有內容堆進一個不斷增長的討論串。全新且聚焦的對話，每則訊息需要重新傳送的歷史內容少得多。
- 只在一開始簡潔地載入角色和背景資訊，不要每次都在任務本身中重新解釋。
- 讓預先載入的指示保持精簡。 冗長又散漫的系統 prompt 仍然會被重複傳送 - 請刪減到真正會改變輸出的內容。
- 請要求你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「告訴我關於這件事的一切」成本更低。
- 如果你想精確估算自己的成本，請直接向服務提供商確認目前公布的價格 - 費率和模型都會變動，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、結構化任務打造的預先配置 operations agent skill - 能讓指示保持精簡一致，而不會隨著每個新要求不斷膨脹。
查看 Arthur - AI Operations Agent →輸入你（或你的團隊）實際使用 AI 聊天的方式，取得重新輸入 prompts 與使用持續性 skill 檔案之間，真實的每月 token 浪費量與金額估算。不需註冊，也不需提供電子郵件 - 只需將本文的計算方式套用到你的數字上。
試用計算器 →常見問題
我真的需要為 AI 的回覆付費，而不只是為自己的訊息付費嗎？
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，會比撰寫精簡、聚焦回答的模型使用更多輸出 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 工具不會自行保留訊息之間的記憶 - 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（以及自身的 19 則回覆）。每次都會完整重新傳送對話記錄，因此成本往往比對話長度本身增長得快得多。
skill 檔案只是儲存 prompt 的華麗說法嗎？
就功能而言，是的 - 它是你只需撰寫一次並重複使用的系統 prompt 或專案指示。優質內容與臨時 prompt 的差別在於紀律：它能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。
我需要擔心確切的金額，還是只要關注使用方式？
先專注於使用方式 - 減少重複的上下文，並為新任務開啟全新對話，無論本月每個 token 的費率如何，都能降低用量。如果你想針對自己的使用量計算確切成本，請從供應商的定價頁面取得目前公布的費率，再根據你平常的訊息數量進行計算。
