最佳化 VS Code 中的 AI 點數使用方式
每個 GitHub Copilot 方案皆包含每月配額的 AI 點數。不同的動作會根據所使用的模型與處理的 Token 數量，以不同的速率消耗點數。本指南涵蓋在 Visual Studio Code 中充分發揮 AI 點數效益的實用方法。
選擇高效能模型
能力更強的模型每 Token 成本較高，而較輕量模型則能延長您的使用時間。請根據任務的複雜度搭配合適的模型：
- 針對快速編輯、重複性程式碼（Boilerplate）生成及簡單問題，請使用 輕量模型。
- 針對複雜的重構、架構決策與多步驟偵錯，請使用 推理模型。
- 使用 自動模型選取 讓 VS Code 將每個請求導向能平衡品質與成本的高效模型。
- 使用搭配慣用模型的 自訂代理程式，將特定子任務導向專業且具成本效益的模型。當您將自訂代理程式叫用為子代理程式時，它會使用自身設定的模型，而非對話行程的模型。
對話介面中的模型挑選工具會在滑鼠懸停選單中顯示成本詳細資料，包含各 Token 類型的成本以及一般成本級別標籤（低、中、高）。請利用這些資訊做出明智的選擇。
如需詳細資訊，請參閱選擇與設定語言模型及模型選取的最佳實務。
先規劃再實作
若方法有誤，直接跳入程式碼生成可能會白費力氣。這也需要在整個過程中具備足夠推理能力的模型，因而可能消耗更多點數。建議將「規劃」與「實作」階段分開。如此一來，您就能使用推理模型進行規劃，一旦計畫確立後，再切換至速度更快、更有效率的模型來進行實作。
- 使用 規劃代理程式 來研究任務並建立結構化的實作計畫。
- 在代理程式編寫任何程式碼之前，先審查並完善計畫。
- 將核准的計畫交給使用較快模型的實作代理程式來執行計畫。
此工作流程可確保代理程式在開始生成程式碼前先理解需求，進而減少來回溝通與重工。
如需詳細資訊，請參閱先規劃，後實作。
使用預設思考強度
思考強度（Thinking effort）控制模型針對每個請求所套用的推理程度。較高的強度層級會產生更多思考 Token，進而增加延遲與點數消耗。VS Code 根據評估結果設定預設強度層級，並啟用適應性推理，讓模型能依據各請求的複雜度，動態決定思考的多寡。
對於大多數任務而言，預設值已綽綽有餘。只有在面對真正複雜的問題（如架構規劃或多步驟偵錯）時，才需要提高思考強度。
如需詳細資訊，請參閱設定思考強度。
針對新任務開新對話
隨著對話拉長，它會累積來自先前訊息、工具輸出與檔案內容的上下文。當您在同一個對話行程中切換至不相關的任務時，模型仍會處理所有這些不相關的歷史記錄，這會在毫無助益的情況下消耗 Token。
當您更換主題時，請啟動 新的對話行程（⌘N (Windows、Linux Ctrl+N)）。這能為模型提供乾淨、專注於當前任務的上下文視窗。
善用對話分岔
當您想要探索替代作法或詢問衍生問題時，請使用 對話分岔，而不是從頭開始重新輸入提示詞。分岔會建立一個繼承現有對話歷史的新行程，因此您不需要重新建立上下文。
- 在對話輸入框中輸入
/fork，即可將截至目前訊息的整個對話行程進行分岔。 - 將滑鼠懸停在先前的訊息上，然後選取 分岔對話，即可從特定的檢查點進行分岔。
停用不需要的工具與 MCP 伺服器
每個工具呼叫都會產生輸出，這會佔用 上下文視窗 的空間並導致點數消耗。請停用目前任務不需要的工具，以防範不必要的呼叫。
- 使用對話輸入欄位中的 設定工具 按鈕，為目前的請求啟用或停用個別工具或整個 MCP 伺服器。
- 在 自訂代理程式 中，透過
tools屬性僅指定代理程式所需的工具。這能防止代理程式呼叫與其工作流程無關的工具。
如需詳細資訊，請參閱在對話中使用工具。
從 Copilot 上下文中排除檔案
大型產生的檔案、建置輸出或不相關的目錄可能會增加 Token 使用量卻沒有實質幫助。請排除這些檔案，以確保代理程式的上下文保持專注：
- 使用
.gitignore檔案將檔案從 工作區索引 以及代理程式的文字搜尋和 grep 中排除。 - 使用 files.exclude 設定將檔案完全從 VS Code 中隱藏，這也會將其從索引與代理程式搜尋工具中排除。
- 使用 search.exclude 設定將檔案從代理程式的文字搜尋與 grep 中排除，同時讓它們在「總管」中保持可見，例如您想手動開啟但不希望包含在搜尋結果中的日誌檔案。
即使代理程式未開啟相符的檔案，搜尋相符的程式碼片段仍會計入上下文視窗中。排除雜訊路徑可減少搜尋結果中的不相關 Token。
如需詳細資訊與設定範例，請參閱使用排除設定改善代理程式搜尋。
使用壓縮管理上下文
當對話變得冗長時，請使用 /compact 來摘要對話較早的部分，並釋放上下文視窗的空間。您也可以選擇性地加入指示來引導摘要，例如 /compact focus on the API design decisions。
如需詳細資訊，請參閱上下文壓縮。
監控您的使用量
您可以在 VS Code 中監控特定對話請求的 AI 點數使用量、對話行程的累積使用量，以及整體的每月消耗量。這有助於您了解哪些請求成本較高、找出消耗大的對話，並在長期使用中做好管理。
若要檢視單一請求的成本，請將滑鼠懸停在對話回應上，即可查看該回合的點數消耗。這有助於您了解哪些請求成本較高，並據此調整提示詞或模型選取。
若要檢視整個對話行程的累積成本與 Token 明細，請將滑鼠懸停或選取對話輸入框中的上下文視窗控制項。行程資訊快顯視窗會顯示總點數成本以及整個行程的累積上下文視窗 Token 使用量，這與已顯示的各回合個別請求點數消耗相輔相成。
若要檢視整體的每月消耗量，請從 VS Code 狀態列開啟 Copilot 狀態儀表板。該儀表板會顯示您已使用的 AI 點數每月配額百分比（以及針對 Copilot 免費方案的行內建議）。
請參訪 GitHub Copilot 說明文件以取得更多關於監控使用量與授權額度的資訊。
您也可以在任何對話行程中執行 /chronicle:cost-tips 命令，根據您最近的活動取得個人化建議，以最佳化您的 AI 點數使用方式。深入了解對話洞察與 chronicle 命令。
檢查 Token 使用量與快取
使用 代理程式偵錯記錄 來了解對話行程中是什麼消耗了點數：
- 摘要檢視 顯示該行程的彙總 Token 使用量，包含工具呼叫總次數與總持續時間。
- 快取總管檢視 顯示提示詞快取命中率以及重複使用了多少輸入 Token。提示詞快取可讓模型提供者重複使用與先前請求相符的前綴，進而減少延遲與 Token 成本。
檢視這些記錄有助於您識別消耗 Token 超出預期的對話行程或工作流程，以便您調整作法。