一句话看懂：开发者提出一种用法：让 Codex 回顾自己的历史运行记录，定位上下文被过度读取、工具返回过长等 token 浪费点，再据此调整读文件、用截图和子 agent 的方式；它属于个人经验，并非官方功能。
事件核心：发生了什么
2026 年 11 月，掘金用户 ikoala 分享了一条省 token 的提示词：直接让 Codex“回顾你过去的运行记录，分析怎样才能更省 token”，并允许它考虑用 skill、脚本或切换模型来调整设置，前提是不牺牲原有性能。据作者自述，Codex 能基于会话记录指出几类常见浪费：本只需读某个函数附近几十行，却整篇文件读入；工具返回几千行日志，真正有用的只有中间两段；子 agent 只查一个小问题，却带着主会话全部历史出发；截图默认用高精度原图；skill 和规则加载了当前任务用不上的内容。
为什么重要
在 Agent 类 AI 编程工具里，token 成本往往不集中在“写代码”，而分散在检索信息、理解上下文、处理工具返回和延续子任务上。上下文并非免费草稿纸，读得多、塞得多、留得多，都会变成后续推理的负担，也直接推高 API 费用。这条技巧的价值在于把优化对象从模型能力转向工作方式：让 Agent 少做没必要的活，而不是少知道事实。对使用 Codex、Claude Code 等 Agent 编程工具的团队来说，这提供了一种可自行验证的成本治理思路。
对用户/开发者/创作者的影响
作者给出的方向较具体：先搜索定位再分批读文件；对工具超长返回先截断、筛选或摘要；截图按判断需要选择分辨率；同一操作失败后先读错误信息再重试；子 agent 只接收任务必需信息；skill 按需加载。需要提醒的是，目前公开信息显示，这些只是个人实践总结，Codex 的诊断结论不一定准确，部分任务确实需要读完整文件或更高精度素材。更稳妥的做法是挑两三个高频任务做优化前后对比，观察 token 消耗、结果质量、工具调用次数、任务完成时间和人工介入是否变化；若牺牲了正确性，节省就没有意义。
AI 工具推荐
想把多个 AI 模型放在一个入口？
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型，适合写作、绘图、视频和日常 AI 工作流。
推广链接：通过此链接购买，我可能获得佣金，不影响你的价格。
值得关注的后续
一是这类“自查”提示是否会沉淀为可复用的 skill、配置或项目规范，而不只是单次对话；二是官方是否推出更细粒度的用量分析面板，让开发者不必依赖模型自述来判断浪费点；三是社区能否给出多任务、可复现的 A/B 数据，验证该方法的实际收益边界。
来源：juejin
