@levie: 这里有一些关于AI令牌成本优化的良好最佳实践。但如果没有深入理解，这些都无法实现……

这里有一些关于AI令牌成本优化的优秀最佳实践。然而，如果不以非抽象的方式深入理解底层所做的工作，这些都无法实现。

最终的含义是，介于工作本身与底层智能之间的一个层需要深刻理解你的工作流程、上下文和业务流程。现在，每家公司各自为政很难实现规模化有效性，因此，这实际上就是当前任何应用型AI公司的行动指南。

通过针对应用场景评估模型、深入理解领域、为用例调整用户体验和功能，并具备支持采用和变更的能力（通过FDEs），这个层能带来巨大价值。因此，企业可以获得更高的投资回报率，因为通过最优的架构和工作流程，每美元实际上能获得更多的智能。

这种方法将会有许多水平和垂直的版本。现在正是巨大的机遇。

Brian Armstrong (@brian_armstrong): 如何在令牌使用量指数级增长的同时保持AI支出平稳：不是通过设置障碍和支出警报，而是通过更好的默认设置、路由和缓存。

更好的默认设置（而非使用上限）——工程师可以选择任何他们想要的模型，但默认设置很重要。我们正在实验默认设置