# Andrej Karpathy 说，AI 编程账单九成花在了没用的上下文上

> 原标题：90%的人在白白浪费"Token"！

- 来源：AI HOT 精选
- 发布时间：2026-05-12T23:13:43.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/19083
- 原文：https://x.com/berryxia/status/2054339265103065156

## 摘要

Karpathy 点出几个常见的浪费行为：每次请求都把整个代码库丢给模型、用最贵的模型干简单活、Agent 重复发送相同内容。他给的省钱思路是管好上下文、打开提示词缓存、按任务难度分模型——日常用便宜的，关键任务再上贵的，再建一个 SKILL.md 文件避免每次都重新教模型。正文没给出具体测试数据，但逻辑上确实能省。

## 推荐理由

Karpathy 这条吐槽本身信息量不大，但胜在把“无效上下文”这个老问题用账单浪费的角度重新讲了一遍。我会先打个折：正文没给出具体账单样本或可复现的测试，所以没法验证 90% 这个数字。不过它确实把三种典型浪费场景列清楚了——重复传代码库、杀鸡用牛刀、不开缓存——对正在付钱的开发者有直接参考价值。这点先别太激动，但值得看一眼自己的 API 调用是不是也犯了这些毛病。

## 锐评

这条推文本身没给测试数据，更像经验总结，但逻辑上确实能省。Karpathy 点出的浪费行为很具体：每次请求都塞整个代码库、用最贵的模型干简单活、Agent 重复发相同内容。他建议按任务难度分模型——日常用便宜的，关键任务再上贵的，再建一个 SKILL.md 文件避免每次都重新教模型。这些操作门槛不高，但效果可能比调参更直接。

我会先打个折：正文没披露具体能省多少，也没说这些优化在不同场景下的实际收益。比如提示词缓存对长对话有效，但短任务可能差别不大；多模型路由听起来好，但切换模型可能引入风格不一致的问题。另外，Kimi 2.6 和 Opus 的组合是他举的例子，不一定适合所有人的技术栈。

还缺两样东西：一是量化数据，比如开了缓存后延迟和成本具体降了多少；二是边界条件，什么情况下这些优化会失效。如果只是转发观点而没有实测，这条的价值就停在“提醒”层面。