五句万能指令 + 一份系统提示词模板，让 AI 直接给答案、先代码后说明、写完就停。API 用户照抄 system，输出 token 直接降三分之二。
用 AI 干活最烦的一点：明明问题很简单，它非要给你写八百字小作文。问个「Python 怎么读文件」，先来一段「在 Python 中，读取文件是一项常见的编程任务……」，你想看的那行代码在第五段才出现。我日常 API 用得多，最近把输出长度这件事彻底整明白了，方法很简单，这篇一次说清。
为什么会这样
两个原因。
一是模型的天性：训练数据里高分回答普遍是「结构完整」的长文，它就学会了往长了写。二是默认的对话习惯：你问得随意，它就只好把背景、步骤、注意事项全塞给你，宁可啰嗦也不敢漏。
特别提醒 API 用户：每次调用都重新开始，模型不记得你上次嫌它啰嗦。系统提示里不写死输出规则，它每轮都会默认开写小作文，token 费用也跟着涨。
五句万能指令
直接复制就能用，按场景挑。
1. 直接答案型（事实、概念、怎么做的快速查询）
直接给答案，不要铺垫和开场白，不要重复我的问题。2. 代码优先型（写代码、改 Bug）
先给可运行的代码，再补一句关键说明。不要解释每一行在做什么。3. 结构化输出型（对比、列举、整理信息）
用表格回答，只保留列名提到的信息，不写总结段。4. 限制字数型（摘要、向老板汇报、发消息给客户）
控制在 100 字以内，只写结论和关键理由，删掉所有修饰词。5. 追问式收尾（想继续深聊但怕它一次说太多）
先回答我刚才的问题，字数不超过 150 字。写完停下，我追问时再展开。这五句可以叠加用。我最常用的组合是 2 + 5：代码给完就停，我哪行看不懂再问。对话效率高了一个量级。追深入的问法，之前写过一篇追问技巧，两篇配合着用。
API 用户：把规则写进 system
天天调 API 的话，别在每条 prompt 里重复这些要求，写进系统提示一次搞定。贴一份我在用的：
你是我的技术助手，遵守：
1. 默认简洁模式：先给结论/代码，解释压到最少
2. 禁止：开场白、客套话、"总的来说"式总结、复述我的问题
3. 代码任务：先完整代码，注释只标关键行，一句话说明思路
4. 不确定的事直说"不确定"，不要凑字数
5. 输出超长时优先砍解释，保代码效果立竿见影：我测了一个整理数据的任务，加规则前后输出从 1200 token 降到 400 左右，信息量没丢。按每天几十次调用算，一年下来省的 token 不是小数。
多提一句：这条 system 本身也就 100 多 token，每次调用都会计费，但跟它省下的输出费比（输出单价是输入的 3 到 5 倍），稳赚。token 怎么计费的账目，这篇基础科普里有详细换算。
一个加分习惯
AI 的啰嗦有时是被我们的问法带出来的。「帮我详细分析一下」这种问法，等于主动要一篇长文。把提问改成封闭式：「A 和 B 哪个更适合我的场景？一句话说理由」。问题问得越具体，答案越短。
还有人担心的「会不会漏掉重要信息」：真漏了，追问一句就行，比每次删掉几段废话省事多了。信息获取的主动权要握在自己手里。
总结：想要简洁输出，就把「直接给答案」「先代码后说明」「字数限制」「写完停下等我追问」写进提示词，API 用户写进 system 提示。试一周，你会发现跟 AI 的对话速度快了一倍。
参考：输出长度、system 提示等行为描述基于 OpenAI、Anthropic 官方文档对对话补全机制的说明，效果因模型而异，建议拿自己的高频任务实测一次。