1. 一个反直觉的发现给 AI 贴个多动症标签Token 消耗直接砍半先说结论。我在 Cursor 里长期跑一套自己的提示词模板用来做代码审查和重构建议。某天调试一个前端组件的状态管理逻辑时我随手在系统提示里加了一句我有 ADHD请把回答压缩到最短别铺垫直接给结论和代码。结果那一次对话的 Token 消耗比我平时的同类请求少了将近一半而且我拿到的答案质量并没有下降——甚至因为废话变少我读起来更快了。这个现象值得拆开讲。因为节省 Tokens这件事很多人第一反应是去调max_tokens、换更便宜的模型、或者把上下文砍短。但真正在日常 AI 编程里吃掉你额度的往往不是模型本身而是你和模型之间的沟通方式。你让它详细解释一下它就真的给你写三段背景、两段原理、一段总结你说帮我看看这段代码它就先复述一遍你的代码再夸两句再给建议。这些全是 Token。所以这篇东西不是教你某个玄学咒语而是把用角色设定来约束输出长度这件事讲透为什么多动症这个说法有效、它在哪些场景下真的省、在哪些场景下会坑你、以及怎么把它固化成一个可复用的 Skill 或提示词模板。关键词里出现的 Cursor、Skill、GLM、AI Agent 这些我都会结合实际用法串进去讲。适合谁看如果你每天在 Cursor、Claude Code、或者接入 GLM 的编辑器里写代码额度总是不够用或者你觉得自己跟 AI 的对话信息密度太低那这篇就是给你写的。如果你只是偶尔问问天气那确实用不上。2. 多动症这三个字到底触发了模型的什么行为2.1 角色设定如何改变输出分布大模型在生成每一个 Token 时本质上是在做概率采样。你给的系统提示会整体地偏移这个概率分布。当你写你是一个耐心的资深工程师请详细解释模型采样出来的下一个词倾向于首先这是因为值得注意的是这类铺垫词。而当你写我有 ADHD注意力很难集中请直接说重点模型采样出来的词倾向于短句、结论、代码块、列表。这不是模型理解了多动症而是**ADHD这个词在训练语料里高频关联着简洁跳跃不要长篇大论需要即时反馈这类语境**。模型捕捉到的是这个语义场然后调整了它的输出风格。换句话说你借用了语料里对ADHD 沟通偏好的统计规律来给自己定制一个极简输出模式。我实测下来这个效果比单纯写请简洁要强。因为请简洁太抽象模型不知道该砍哪里而ADHD附带了一整套行为预期——不要铺垫、不要重复、不要客套、给可执行的东西。信息量更大约束更具体。2.2 为什么它比请简洁更省 Token我做过一组对照。同一个重构任务三种系统提示系统提示写法输出大致长度有效信息占比我的实际感受无特殊设定约 900 字约 40%要往下翻才找到代码请简洁回答约 600 字约 55%还是有一段背景铺垫我有 ADHD直接给结论和代码约 350 字约 85%一眼看到能用的东西省下来的不只是输出 Token。更关键的是多轮对话里的累积效应AI 每次啰嗦一段这段啰嗦就会进入下一轮的上下文你下一轮再问它又基于这段啰嗦继续展开。几轮下来上下文里塞满了好的我理解你的需求这是一个很好的问题这类垃圾。用 ADHD 设定把输出压短等于从源头掐断了上下文的膨胀。提示这个技巧对输出 Token和上下文累积都有效但对输入 Token没用。你贴进去的代码有多长还是多长。想省输入得靠别的手段比如只贴相关函数而不是整个文件。2.3 一个容易被忽略的点它改变的是默认行为不是能力上限有人会担心让它简洁是不是就不给我深入分析了不会。角色设定改的是默认输出风格不是模型的知识或推理能力。你需要深度分析时明确说一句这次例外给我完整推导它照样能给。区别在于平时它不再主动塞给你不需要的东西把要不要展开的决定权交回你手里。这一点在 Cursor 里尤其明显。Cursor 的 Chat 和 Composer 默认会带一些自己的系统提示你再叠加一层 ADHD 设定等于在它的默认风格上又压了一层极简。我个人的体感是叠加之后 Cursor 的回复从教科书式变成了同事式——直接甩代码附一句为什么。3. 在 Cursor 里把这套设定落地从临时提示到常驻规则3.1 三种落地位置效果完全不同很多人只知道在对话框里临时打字其实 Cursor 提供了好几个层级的配置位置效果和持久性差别很大单次对话输入框最灵活但每次都要重打容易忘。Rules for AI全局规则在设置里配置对所有项目生效适合放通用的输出风格约束。项目级.cursorrules文件放在项目根目录只对这个项目生效适合放项目特定的技术栈约定。我的做法是分层把ADHD 极简输出这类跨项目通用的风格约束放进全局 Rules把这个项目用 Vue3 Pinia别给我 React 方案这类项目特定的约束放进.cursorrules。这样既不会每次重打也不会让项目规则污染全局。3.2 全局 Rules 里我实际写的内容下面是我全局规则里跟省 Token直接相关的一段你可以直接抄也可以按自己习惯改沟通风格 - 我注意力容易分散请把回答控制在必要范围内。 - 先给结论或代码再给理由理由不超过三句话。 - 不要复述我的问题不要复述我贴的代码。 - 不要用好的当然这是一个很好的问题开头。 - 涉及多个方案时用表格或短列表对比不要写成段落。 - 如果我的问题本身有歧义直接问不要猜着答一大段。注意最后一条。这是我从踩坑里总结出来的极简设定最大的副作用是模型可能过度自信地简短——它不确认你的意图直接按自己的理解给一个短答案结果答非所问你还得重新问一遍反而更费 Token。加一句有歧义就直接问能把这个坑堵上。3.3 为什么我不用请用最少的字回答因为最少的字是个没有下限的目标模型可能给你一个是或者不行信息量为零。我要的不是字少是信息密度高。这两个是不同的事。ADHD 这个设定的妙处在于它隐含的是别让我等、别让我找、别让我读废话而不是越短越好。所以它砍掉的是铺垫和客套保留的是结论和可执行内容。注意如果你把提示写成用最少的 Token 回答模型有时会为了省字而省略关键前提比如不告诉你某个方案有版本限制。省 Token 的前提是答案仍然可用别为了省而省。4. 这套玩法在 GLM、Claude Code 等其他工具里怎么迁移4.1 角色设定是通用的不绑定某个工具ADHD 极简输出这套逻辑本质是提示词工程里的角色约束跟具体用哪个模型、哪个编辑器没关系。你在 Cursor 里用在接入 GLM 的编辑器里用在 Claude Code 里用效果方向是一致的。区别只在于每个工具的系统提示叠加方式不同。比如你把 GLM 接进 VS Code 类的编辑器时通常是在插件的配置里填一段 system prompt。这时候你就可以把上面那段沟通风格直接贴进去。GLM 系列模型对中文提示的响应很直接我实测下来加了这段约束之后它给的中文回答明显更干不再动不动就首先我们需要理解……。4.2 做成 Skill 或可复用模板如果你用的是支持 Skill 机制的工具关键词里提到的 Skill、Agent Skill 这类概念更省事的做法是把它固化成一个 Skill。所谓 Skill你可以理解成一段打包好的、可被反复调用的能力描述。把极简输出做成一个 Skill意味着你不用每次手动贴提示直接调用这个 Skill模型就进入极简模式。一个 Skill 的最小结构大概是这样Skill 名称concise-mode 触发场景任何需要快速拿到结论和代码的对话 行为约束 1. 先结论后理由理由不超过三句 2. 不复述问题与代码 3. 多方案用表格对比 4. 有歧义先提问 5. 需要展开时由用户显式要求把它挂到你的 Agent 或编辑器里等于给自己配了一个默认话少的助手。我个人的用法是日常问答默认走 concise-mode遇到需要深度设计的架构问题再手动切回详细模式。这样额度的分配就跟着任务重要性走了。4.3 不同模型的听话程度有差异这里得说句实话。不同模型对角色设定的服从度不一样。有的模型你让它简洁它真的简洁有的模型嘴上答应输出还是老样子。我的经验是指令越具体、越可执行服从度越高。不要复述我的代码比请简洁有效得多因为前者是一个明确的、可判断对错的行为后者是个模糊的程度词。所以如果你发现某个模型不吃ADHD这套别急着换模型先把约束改得更具体。比如把请简洁改成回答不超过 150 字除非我要求展开。给一个硬性数字模型更容易遵守。5. 省 Token 之外这个设定还顺手解决了三个老问题5.1 上下文污染多轮对话里AI 的每一句废话都会留在上下文里影响后续所有轮次。你问第五个问题时模型还在记得它第一轮说的那堆客套话。极简输出从源头减少了这种污染让整个对话的上下文更干净模型后续的判断也更聚焦在真正的技术内容上。5.2 阅读负担这个不用多解释。一段 300 字的回答里只有一行是你要的代码和一段 80 字的回答里直接就是那行代码读起来完全是两种体验。尤其在你连续工作两三个小时、脑子已经累的时候少读废话就是少消耗你的注意力。5.3 决策速度当 AI 给你三个方案、每个方案写一大段的时候你其实很难快速比较。而用表格或短列表呈现时你能一眼看出差异。极简设定逼着模型把方案结构化间接提升了你的决策效率。这一点在做技术选型时特别有用。6. 踩过的坑极简设定不是万能的6.1 复杂调试场景下过度简洁会害你有一次我让 AI 帮我排查一个异步竞态问题。因为开了极简模式它直接甩给我一句在 useEffect 里加 cleanup 函数就完事了。问题是我的场景里根本不只是 cleanup 的事还涉及状态更新的时序。它省掉了推理过程我反而没意识到它漏掉了关键前提照着改了半天没效果。后来我总结调试类、排查类任务不要用极简模式。这类任务的价值恰恰在推理链条上你需要看到它怎么想的才能判断它想得对不对。极简模式适合我知道要什么你给我就行的场景比如写个正则、生成个样板代码、解释一个 API 用法。6.2 学习新东西时简洁等于没学如果你是在学一个不熟的技术让 AI 极简输出你拿到的是结论不是理解。这时候该让它啰嗦就让它啰嗦。省 Token 是为了把额度花在刀刃上不是所有场景都值得省。6.3 ADHD这个说法可能触发奇怪的联想虽然我用下来没遇到问题但理论上某些模型可能对ADHD这个词有额外的、你不想要的联想比如过度简化到影响准确性。如果你不放心完全可以用等效的替代说法比如我有阅读障碍请用最短的篇幅给结论或者请以工程师同事之间快速沟通的方式回答。核心是那套行为约束不是那个词本身。提示角色设定的措辞可以换但行为约束要保留。词是壳约束是核。7. 我现在的实际配置和日常用法7.1 分层配置全局 Rules放通用的极简风格约束所有项目生效。项目.cursorrules放技术栈约定比如用 TypeScript 严格模式不要引入新依赖。临时对话只在需要深度分析时手动加一句这次详细说。7.2 按任务类型切换模式任务类型用不用极简原因生成样板代码用要的就是结果解释 API 用法用结论明确不需要铺垫排查 bug不用需要看推理链架构设计不用需要权衡过程代码审查半用要结论但每条要有依据学习新概念不用需要完整解释这张表是我自己摸索出来的不一定适合所有人但思路你可以借鉴把省 Token当成一个可开关的模式而不是全局默认。默认开遇到需要深度的任务手动关。7.3 一个额外的小技巧如果你用的是按量计费或者有额度限制的工具可以在每次开始一个大任务前先问一句这个任务大概需要多少轮对话。模型有时候能给你一个粗略估计帮你判断要不要拆成几个小任务分别做避免一个超长对话把额度吃光。8. 关于省 Token这件事我的真实体会说到底Token 消耗的大头从来不是模型有多贵而是你和模型之间的沟通效率。同样一个问题会问的人三轮搞定不会问的人十轮还在绕。极简输出设定本质上是逼着双方都提高信息密度——你问得清楚它答得干脆。我用了这套设定大概几个月最直观的变化不是省了多少钱而是我不再需要在一堆废话里找答案了。这个体验上的提升比省下来的额度更值。至于多动症这个说法它只是个方便的壳你完全可以用任何能触发极简、直接、别铺垫语义的说法替代。关键是那几条行为约束先结论后理由、不复述、多方案用表格、有歧义先问。最后留一句我踩坑换来的经验别把极简模式当成默认信仰。该详细的时候果断关掉它。省 Token 是为了让你在真正需要深度的时候还有额度可用。