重複的事,別每次都讓 AI 重做一遍
過去半年用 AI 處理雜事,一開始什麼都直接丟給 AI 都能幫我處理到好,真的是有夠方便,但用久了我發現一個問題,身為一個窮人,token 根本不夠燒啊啊啊~
於是我開始想,有什麼方法可以降低 token 使用量。最先想到的,就是那些重複性的工作。
最有感的是每個月的銀行對帳單。我會收到幾份 PDF,都是加密的,而且不同來源用不同密碼。一開始我直接把檔案都丟給 AI,請它打開、再把裡面的表格整理出來。每個月、每一份都重來一次。
第一次叫 AI 做,成果非常好,沒什麼問題。問題是第二次、第三次,我還是叫它「再做一次」,它就又跑一輪推理,重新理解一次需求,重新產出。
這件事的代價,不只是「多等一下」。每跑一輪,AI 都要重新讀懂需求、重新推理,慢,而且燒 token。更麻煩的是結果不穩——同樣的輸入,這次跟上次的格式、用詞、有沒有漏項,都可能不一樣。重複越多次,成本疊得越高。
其實,回到以前的做法就好
但仔細想想,這件事的規則其實完全固定:把檔案解開、抽出表格。這種事在以前還沒有 AI 的時候,我會寫個腳本,每次需要的時候執行就好。
怎麼有了 AI,反而退化成每次都從頭做一遍?
解法其實很簡單,回到以前的做法:先讓 AI 把它寫成一支腳本,之後只要執行腳本就好。把 AI 做的事,從「每次重做」改成「寫出腳本」。
規則固定、會重複很多次的工作,先讓 AI 寫成腳本,之後每次只要叫 AI 執行那支腳本。AI 的角色,從「每次重做的苦力」,變成「維護一支工具、需要時跑它」。
回到對帳單:我把流程寫成一支腳本,丟進資料夾,腳本自己用存好的密碼解開、批次處理、輸出整理好的表格。現在我只要把檔案放進去、跑腳本就好,AI 不必再一份一份重解,省下的時間和 token 很可觀,而且每個月輸出格式都一模一樣。
換成腳本之後,你會拿回這些東西:
- 一致性:腳本每次輸出都一樣。LLM 每次重跑,格式、用詞、漏項都可能漂移。
- 省時省額度:跑一支寫好的腳本,比重跑一輪 LLM 推理快得多,也不燒 token。
- 可檢查:腳本是固定邏輯,你可以讀、可以測。LLM 中間怎麼想的是黑箱,錯了不好查。
- 可累積:今天寫好,以後每次直接用,不用每次重新交代一遍前因後果。
但不是什麼都該腳本化
當然,不是所有事情都該寫成腳本,硬寫反而會綁手綁腳。
- 該寫:規則固定、輸入輸出結構明確、會重複很多次。格式轉換、批次處理、固定報表這類。
- 不該寫:一次性的、規則模糊、每次都要靠語意判斷的。這種就留給 LLM,它的強項本來就在這。
判斷標準很簡單:這件事下次還會用同樣的規則再做一遍嗎?如果會,那就值得寫成腳本。
實際上手也不難:
- 第一次遇到重複性工作,先讓 AI 寫成腳本。
- 你讀過一遍,確認邏輯對。
- 之後每次,直接叫 AI 跑這支腳本。
核心是把 LLM 當推理引擎,不是當苦力。確定性的、重複的事,交給確定性的程式碼,AI 留著做真正需要判斷的部分。
總之對我這種窮人來說,能少燒一點 token 是一點,跟 AI 公司的 token 之戰仍在持續(?