2.4 Output Control：告訴模型哪些話不要說

為什麼這章對成本最重要： 在 Anthropic／Copilot UBB 的定價邏輯下，輸出 token 的單價約是輸入的 5 倍。即使回應長度通常小於總輸入，這個價差仍讓輸出控制成為全指南中 ROI 最高的手段之一。只要在 copilot-instructions.md 放上一句 Code only, no explanation.，許多程式任務的輸出成本就能永久減少 40–70%。

2.4.1 要求只輸出程式碼

LLM 很愛解釋。你只是要它產生 50 行程式碼，它卻可能多送你 200 tokens 的說明。

加在 prompt 或 copilot-instructions.md：

Code only, no explanation.

也可以直接寫：

Add input validation to processOrder(). Code only.

節省幅度： 程式產生類任務常可減少 40-70% 的輸出 token。

取捨： 如果你正在學習或除錯，就還是需要解釋。當你已經知道自己要什麼，只想拿到實作時，再開 code only 最合適。

2.4.2 限制回應格式

直接指定格式：

指令	效果	輸出節省
"Answer in one sentence"	限制冗長程度	約 60-80%
"3 bullet points max"	硬性限制項目數	約 50-70%
"Reply as JSON"	結構化、無散文	約 30-60%
"Table format"	適合比較、較緊湊	約 40-60%
"Yes or no, then one line why"	回覆極短	約 70-90%

2.4.3 在 System Level 設定精簡輸出

把精簡輸出設成專案預設，例如放進 copilot-instructions.md：

Be concise. No explanations unless asked.
Code only for generation tasks.
Bullets over paragraphs.

這樣每次互動都自動套用，不用你每次再重打一次。

節省幅度： 幾乎每次互動都能省下約 30-60% 的輸出 token。

何時覆蓋： 你真的需要解釋時，直接明講即可，例如：Explain why this approach is better than X.

下一章： Workflow Optimization →