OpenAI的模型将文本分解为 标记 的更小单元来处理文本，同时也是收费的一个标准。标记可以是单词、单词块或单个字符。可以通过官方的 tokenizer 来了解标记的分割方式。如果你使用Playground，下面也有一行小字标注了标记数量。

I have an orange cat named Butterscotch.

这句话将会本分解成 I have an orange cat named But ters cot ch . （总计占用11个标记）

以上，类似cat这种常见的单词即为一个标记，而不太常见的单词就被分解为多个标记，比如 Butterscotch

一个汉字通常需要占用2个标记，少量非常常见的汉字（例如人）占用1个标记，罕见的汉字甚至可以占用4个标记。中文标点通常也比英文标点更占用标记，代码中已经对标点做了优化，实际发送消息时可以忽略这些问题。

只要是Unicode的内容，AI都可以分析。例如Unicode表情也可以作为输入或者输出。（甚至你可以教AI用表情包说话 什么抽象AI ）

提问+回答的标记总数不能超过API参数中的max_tokens。提问标记长度小于max_tokens时，AI会尝试使用剩余的标记额度（man_tokens减去你提问占用的标记）来回答你的问题。如果实在不行，问题会被截断。如果你的问题标记长度已经大于max_tokens，API会直接报错。

发挥你的语文功底，长话短说：

• 缩词为字（“应该”换成“应”）
• 省去非必须的成分（“接下来，你将扮演一只猫娘”中“接下来”和“将”的时间词与时间副词并不影响请求的含义；“一只”的量词也可有可无。直接主谓宾“你扮演猫娘”虽然在对话上很奇怪，但作为AI命令非常合适）
• 短句变长句（“你扮演猫娘，名字是xxx”变为“你扮演名字是xxx的猫娘”。虽然少了个标点多个了字，看上去没省，但是经测试前者token是24，后者是21。）
• 多用抽象词汇来进行简洁精确的指代。（“回答应该密切围绕当前的话题，像两个人交流对话那样。”改为“回答应情景式，对话式。”）

你可以用英语作为提示词，这样可以显著节约标记。操作的时候，你要在提示的最后加入：the following conversation should be in Chinese。另外，示范的一问一答中，AI的回答必须是中文，否则这对于AI的用于是一个糟糕的示范，会有很浓的翻译腔。

这种提示词确实很省token，但是AI偶尔会对某些特定的的单词产生混淆（例如偶尔会称自己为"猫女"而非"猫娘"），这类翻译的误差则较为难以消除。