Markdown 文件助力企业控制 AI 成本，效果与局限并存

【导语：美国亚马逊数据分析师 Drona Reddy 发布 Markdown 文件，宣称可减少 Claude 输出令牌使用量。虽能在一定程度上节省成本，但在某些场景效果不佳，企业收益也相对有限。】

Markdown 文件：削减 Claude 输出冗余

在 GitHub 一个角落，Drona Reddy 发布了名为 Claude.md 的 Markdown 文件。该文件遵循 MIT 许可协议，列出结构化指令，无需修改代码，就能将 Claude 的输出冗长程度降低约 63%。其原理是消除 Claude 的“冗余”习惯，去除非必要内容，抑制风格怪癖，防止模型认同有缺陷的假设。

多场景适用，节省可观令牌

Reddy 列举了该 Markdown 文件最能发挥作用的三种场景，包括高流量自动化流程、重复的结构化任务和团队环境。在对 Claude Sonnet 的模拟测试中，若每天发起 100 次请求，每天可节省近 9600 个令牌，每月约节省 0.86 美元；若每天发起 1000 次请求，每月节省约 8.64 美元；三个项目综合使用可减少近 288000 个令牌，相当于每月节省约 25.92 美元。

不过，该文件在某些场景可能效果不佳，如一次性查询、修复严重故障或需要反馈的探索性工作，因为文件本身每次消息都会消耗输入令牌，只有输出量足够高才能实现净收益。

企业收益：运营优化但变革有限

分析师认为，企业及其 CIO 能从该 Markdown 文件中受益，特别是在平衡推理成本和将 AI 项目投入生产时。Forrester 首席分析师 Charlie Dai 表示，减少 63% 的令牌使用量能显著降低推理成本和延迟。

然而，Pareekh Consulting 首席分析师 Pareekh Jain 指出，这种收益更多体现在运营层面，不能从根本上改变企业的 AI 经济模式。在企业环境中，输出令牌只是总使用量的一部分，大多数企业可能只会看到个位数的节省。

模型适用性待拓展

该 Markdown 文件设计为与模型无关，理论上适用于能遵循结构化指令的大型语言模型。但 Reddy 指出，他尚未测试其在本地模型（如基于 llama.cpp 或 Mistral 运行的模型）上的效果。

编辑观点：Markdown 文件为控制 AI 成本提供了新途径，但有其适用场景和局限性。企业应理性看待，结合自身需求判断是否采用。