七天烧230亿Token，我整理了50条Codex使用经验

我们是一家做抖音和小红书内容营销种草的服务商，目前正在推进公司内部全流程的AI化改造。

这段时间，我们已经拿到了一些比较具体的结果。

我们做了一款笔记生成工具，把可商用笔记的产量从原来的日产100条提升到了日产1000条；内部提效工具的开发周期，也从原来的1个月缩短到了3天以内。

过去很多耗费人力、不敢尝试的事情，现在也敢做了。比如我们只用了1天，就做出了一套内部销售陪练和考核系统。

这些结果，都是我们在公司内部持续推进AI化改造后跑出来的。也正是在这个过程中，我开始高频、重度地使用Codex。

在7天的时间，我一共消耗了230亿Token，价值约26000美元，Token消耗量一度排到第一。

下面和大家分享50条关于烧Token和使用Codex的经验。

2.真正拉开差距的不是“会不会用AI”，而是拥有AI Native的思维，不要让人成为瓶颈，思考怎么减少自己的参与，你敢不敢让AI连续工作几小时、几天，甚至长期替你推进一个目标。

最近航海家举办的大课一定要去听，必有收获，强烈推荐。尤其是包子老师的AI思维，其他嘉宾的干货也很多。

3.学会搭建稳定、低成本的模型调用方案。 Token成本降不下来，你就会下意识少思考、少尝试、少并行。

4.想办法让账号拥有更充足的Token配额。 可以研究OpenCodex、CC Switch。

5.不要把“省Token”当成最高目标。 Token可以再买，真正稀缺的是你的时间、注意力和机会窗口。

6.烧Token不是让AI陪你闲聊，而是让它持续搜索、分析、执行、验证，最后交付可以直接使用的结果。

7.最有价值的不是一个神奇提示词，而是一套能够反复运行、持续优化的工作流程。

8.相信AI，理解AI，然后尽可能让AI去做。 很多事情不是AI做不了，而是你没有真正把权限和任务交给它。

9.再次强调不要让人成为工作流里的瓶颈。 每次需要你复制、粘贴、确认、整理，都应该思考能否继续自动化。

10.AI Native不是“原来的业务加一个聊天框”，而是重新设计整个业务，让AI成为默认执行者。

12.遇到新行业，不要先花三个月学习。 先让Codex调研市场、整理术语、分析竞品，再用真实项目反向学习。

13.做新业务时，先考虑能不能让AI完成，再考虑要不要招人。 很多过去需要一个团队的事情，现在可能只需要一个负责人。

14.一定要优先使用当前能力最强的模型。 模型能力差一点，可能不是结果差一点，而是整个复杂任务根本跑不通。

15.简单任务可以交给便宜模型，关键判断、复杂编码和长期任务交给顶级模型。 不要为了省小钱，浪费更多返工时间。

16.学会观察Codex的额度和重置时间。 临近重置还有大量额度，就安排代码审计、竞品调研、批量测试等重任务。

17.不要等到额度快过期才随便烧。 提前准备一个“高Token任务池”，有剩余额度时直接启动。

18.学会使用目标模式。 把一个需要数小时甚至数天的结果设成目标，让Codex围绕最终交付持续推进。

20.学会使用Plan模式。 复杂任务先让Codex拆步骤、找风险、确定验收标准，再开始执行，返工会少很多。

21.简单任务别过度规划，复杂任务别直接开干。 判断标准是，做错一次的返工成本高不高。

22.给Codex明确的完成标准。 例如“页面能打开”不够，要写清楚响应速度、移动端效果、异常状态和测试要求。

23.不要只告诉AI“做什么”，还要告诉它“做到什么程度”。 没有验收标准，AI很容易交付一个看起来完成的半成品。

24.大任务尽量交付文件、代码、表格或网页，不要只停留在聊天答案。 能沉淀的成果，才有复利。

25.让Codex先读取现有项目、历史文档和真实数据，再提出方案。 上下文越真实，输出越少像套话。

27.把经常重复的操作做成Skill。 一次写好规则，以后一句话就能触发完整流程。

28.把高频提示词升级为模板，把模板升级为Skill，再把多个Skill串成自动运行的业务系统。

29.学会使用工具和连接器。 让Codex直接读取代码、文档、邮件和数据库，少做人工搬运。

30.不要复制几万行日志给AI。 让Codex自己搜索关键词、定位异常时间段、提取相关上下文，更快也更准确。

32.修复问题时要求Codex先写失败测试，再修改代码。 能被测试捕获的Bug，才更不容易再次出现。

33.不要用“感觉差不多”验收。 让Codex跑测试、查看页面、检查日志，用证据证明任务已经完成。

34.做网页时，让Codex同时检查桌面端、移动端、加载状态、空状态和错误状态，别只看首页截图。

35.学会让Codex操作浏览器。 大量调研、录入、页面测试和后台操作，本质上都可以转化成浏览器工作流。

36.让AI看图、看截图、看视频，不要什么都靠文字描述。 多模态输入经常比你解释十分钟更准确。

37.不要自己逐个整理竞品。 让Codex批量搜集、分类、去重、打标签，再由你判断真正值得关注的信号。

38.相信自己的想法，但前提是看过足够多的竞品、用户反馈和失败案例。 自信应该建立在信息密度上。

39.一个想法不要只生成一套方案。 让Codex同时给出保守版、激进版、低成本版和最快验证版，再进行比较。

40.学会并行推进。 市场研究、产品设计、技术验证和内容生产可以同时运行，不必等上一件事做完。

41.并行不是让十个AI重复回答同一个问题，而是把任务拆成互不依赖的子问题，最后再汇总判断。

42.让最好模型用最高推理做审查，执行用中等推理即可。

43.重要决策不要只问“这个想法好不好”，要让AI主动反对你。 哪里会失败、什么假设最危险、如何最低成本证伪，都可以让它一起检查。

44.学会洞察Codex或Claude的周额度重置时间，它是有规律的，不要浪费剩余的Token。

45.一次对话只解决一个问题，会浪费Codex的连续工作能力。 尽量把“调研、方案、实现、测试、复盘”连成闭环。

46.每完成一个项目，都让Codex复盘。 哪些步骤浪费了Token，哪些信息重复提供，哪些流程可以自动化。

47.建立自己的失败案例库。 AI犯过的错误、无效提示词和项目踩坑，都应该沉淀成下一次的约束条件。

48.买一台性能更好的电脑，建议是1万元以上的Mac，尤其是需要同时运行Codex、浏览器、开发环境和Docker时。 生产工具卡顿，会直接限制你的并行能力和思考速度。有段时间，我只能每天烧30亿Token，因为电脑成为了瓶颈。

49.不要为了烧Token而烧Token。 试试装一下这几个Skill。

MarkItDown插件可以将PDF、Word、PPT等文件转换为干净的Markdown格式，减少无效Token消耗，效率提升50%。

安装Ponytail技能，自动检测并复用已有代码，减少重复编写，Token消耗降低50%以上。

50.最终的竞争不是谁掌握了更多提示词，而是谁建立了一个能持续消耗算力、自动完成任务、不断积累资产的AI生产系统。

以上就是我最近重度使用Codex后，整理出的50条经验。

你不需要一次把50条全用上。先找一个自己每周都会重复做的任务，把目标、验收标准和上下文交代清楚，让Codex完整跑一遍。跑完以后再复盘，把重复步骤写进AGENTS.md或做成Skill。

当AI开始持续替你推进真实任务，Token才真正花到了结果上。