讓 AI 定時整理資料前，先決定它多久醒一次

第一版的想法很直覺：把 588 則訊息全部丟給 AI 讀。算完成本，每個月 400 美金。

我幫一個社團做了「LINE 群訊息自動整理成活動看板」。訊息堆在群裡沒人整理，想知道下週例會幾點，得一直往上滑。

這篇講我怎麼把每月 400 美金壓到 76 元台幣，以及過程中發現的一件事：省錢的關鍵不在挑哪個模型，是決定 AI 多久醒一次，挑模型反而是其次。文章裡的耗時與準確度是實測，用 138 則真實訊息、八天、一個 LINE 群跑出來的；月費是拿那八天的量推估的，不是真的跑滿一個月的帳單。

一個群，一天十七則訊息，堆到 588 則沒人整理

文中的群組、活動與課程名稱都已去識別，只留下判斷需要的結構。數字與訊息則數沒有動。

那是一個社團的 LINE 公佈欄群組。成員在裡面公告例會、貼報名接龍、傳活動照片、講參加心得。

問題是 LINE 沒有整理功能。想知道「下週例會幾點」，得往上滑。想找上個月參訪的照片，滑不到。

所以我做了一個看板：把群訊息整理成活動清單，每場活動有時間地點、報名名單、當天照片、社友心得。

做的時候第一個版本很簡單：把全部訊息丟給 AI，請它整理出活動清單。跑了一次，確實會動。然後我算了一下成本。

全部丟給 AI 讀，一個月要 400 美金

先把三個數字分清楚，後面都會用到：九百多則是這個群的全部歷史訊息，588 則是目前累積還沒整理的，138 則是我拿來做測試的樣本（連續八天）。

全量重讀的意思是每次都把九百多則送進去，大約 145,000 個 token。

Token 是計費的單位，中文一個字大約算 1.3 個 token。如果每小時整理一次，一天 24 次，一個月 720 次：

用當時的單價算，一個月 400 美金。台幣一萬兩千塊，整理一個社團的群組。

把「有沒有新東西」這一步交給程式，同樣每小時跑，成本差一百倍

改法是把整件事拆成兩層。

機械層：查資料庫有沒有比上次更新的訊息。這是一句資料庫查詢，問的是「有沒有比上次新的」，不用 AI，不花錢。

AI 層：有新訊息才啟動，而且只送新的那幾則，不重讀全部。

這個拆法的判準

判準只有一句：這件事的答案唯一嗎。跟難易無關。

決定多久醒一次，就決定了帳單長什麼樣

拆完兩層之後，成本剩下唯一一個旋鈕：多久檢查一次。

我用那個群八天的真實訊息（138 則）算了四種頻率。「平均等多久」是指一則訊息從貼出來到出現在看板上，中間隔多久。

最慢跟最快差五倍價錢，體感差八十倍。

為什麼選每三小時

看起來每五小時更省（一個月省 16 元），但有個數字讓我放棄它：每三小時的話，只有 4% 的訊息要等超過三小時才進看板；改成每五小時，這個數字跳到 36%。

省下 16 元，換來三分之一的訊息要等三小時以上。這不划算。

而且那個群的貼文集中在早上十點到晚上十點，深夜八天下來一則都沒有。每三小時剛好接得住整個活躍時段。

排程醒來 144 次，真的花錢的只有 4.5 次

這是整套機制裡我最喜歡的一段。

排程固定每十分鐘醒一次，一天醒 144 次。但醒來會做三件事，前兩件都不花錢：

為什麼不乾脆設成每三小時醒一次

因為這樣換頻率就要改程式、重新部署。

現在的做法是頻率寫在設定裡，不寫在程式裡。想從每三小時換成每小時，改一個字就好，不用動程式碼，也不用重新上線。新舊之間只有一個開關，退得回去。

四個模型全錯在同一個地方，問題出在規則

這一段是整件事裡最意外的發現。

我寫了一份規則給 AI：什麼算活動、什麼不算、同一場怎麼合併。然後拿四個模型跑同一批訊息測準確度。結果四個全部把一段課程介紹當成獨立活動建立了：

那是某場例會的講題。它沒有自己的日期、沒有自己的地點。

四個模型都錯，代表換模型救不回來。我回去在規則裡補了一段：「一段介紹要講什麼的文案，如果沒有自己的日期或地點，那是某場活動的講題，不要建立成活動。」

重跑，四個模型全部答對。

最貴最慢的模型沒有比較準

同一批 138 則訊息，我跑了六個組合（三個模型 × 兩種推理強度）。這是其中三組：

慢 2.4 倍、貴 2.6 倍，準確度一樣。還有一個意外：貴模型配低推理反而整個失敗，讀完六萬個 token 之後輸出一個空的結果。貴不等於穩。

真正影響帳單的是推理強度

推理強度（reasoning effort）是可以調的參數，決定 AI 在回答前「想多久」。想得越久越貴，因為那段思考本身就是要付錢的 token。

實測同一個模型：低推理每次用掉約 500 個推理 token，高推理用掉約 6,100 個。差 12 倍，而且這部分算貴的輸出價。 換模型省的錢，遠不如把推理強度調對。

模型有一次比我的標準答案還對

測到後面出現一件有趣的事。

我準備了一份人工標準答案當評分依據。某個模型拿了 29 分，滿分 38。它被扣最多的那一題（5 分）是把一場工作坊建立成獨立活動，而我的答案寫著「這是陷阱，不該建立」。

我回去看原文：

它有自己的報名連結。能單獨報名，就是單獨一場。

這件事後來變成規則裡的一條判準：有自己的報名連結，通常就是單獨一場。它比「有沒有寫日期地點」好用，因為報名連結是個乾淨的訊號，不用猜。

寫完這條之後又被審稿的 AI 打回一次：它不是鐵證。一場活動的晚宴可能另外收費、另外報名，但仍然屬於同一場。所以規則裡它是強證據，要跟其他判準一起看，判不準就留空。

教訓是：模型跟你的答案不一致時，先回去看原文，不要直接判它錯。

上面哪些數字是實測，哪些是估的

寫這種文章最容易犯的錯是把結果講得太漂亮。幾個限制要先講清楚。

省下來的錢有限。 一個群一個月從 400 美金壓到 76 元台幣，聽起來很多，但絕對值本來就不大。這套方法真正的價值是讓成本可預測。案子放大十倍時，可預測比省錢重要。

判斷錯了還是要人工修。 機制能把錯誤壓到少數，壓不到零。所以看板上每一則訊息都留了「為什麼這樣判斷」的紀錄，讓人能回頭查。

今天就能開始：先算再做

如果你手上也有類似的事情要自動化，這三步可以直接套。

第一步：把工作分成兩堆

拿一張紙，把要做的事逐項列出來，每一項問一句：這件事的答案是唯一的嗎？

答案唯一的（查有沒有新資料、數數量、比對格式、算日期）→ 程式做。

需要讀懂上下文才能判斷的（這段在講什麼、屬於誰、是不是同一件事）→ AI 做。

大部分人的第一版都是全部丟給 AI。分完之後你會發現，真正需要 AI 的比想像中少很多。

第二步：先算成本，不要先跑

不用真的接 API 才知道要花多少。你需要四個數字：每次送進去多少字（數一下你的資料）、每天會觸發幾次（看你打算多久跑一次）、模型單價（查官方價目表）、中文字換 token（大約 1.3 倍）。

乘起來就是月費。算出來如果超過你的預算，那是設計有問題。 回第一步重分。

第三步：頻率寫在設定裡，不要寫在程式裡

這是最容易忽略但最有用的一條。頻率是你之後最可能調整的東西。用起來覺得太慢想加快、帳單太高想放慢，都會改到它。把它寫在程式裡，每次調都要重新部署；寫在設定裡，改一個字就好。

順便留一個手動按鈕。 排程負責日常，按鈕負責「我現在就想看」。有了按鈕，頻率可以設得比你以為的慢很多。

自動化、效率、成本：真正要取捨的只有一組

回到最開始的問題：自動化、效率、成本，怎麼取捨。我的答案是它們不是三選二。

真正的取捨只有一組：延遲對成本。等得久一點就便宜，要快就貴。這條線畫在哪裡，看你的人多久會回頭看一次。

自動化程度不在這條線上。把「查有沒有新東西」交給程式，自動化程度提高了，同樣每小時跑的成本卻降到百分之一。因為那一步本來就不該給 AI 做。