# 管理令牌

介绍 在Afarensis语言模型中，文本被处理成称为“标记”的单元。这些标记在英语中可能范围从一个字符到一个完整的单词，而在某些语言中，标记的概念甚至可能更为灵活。理解和优化API调用中的令牌使用对于控制成本和提高响应速度至关重要。

令牌的重要性 成本影响：API调用成本基于所使用的令牌数量，因此优化令牌使用可以直接降低费用。 响应时间：生成更多令牌需要额外的处理时间，优化令牌使用可以提高API响应速度。 调用有效性：令牌总数必须保持在模型的最大限制之下（例如，gpt-3.5-turbo的最大限制为4097个令牌）。 示例：令牌计数 字符串"ChatGPT is great!"被编码为六个标记：\["Chat", "G", "PT", " is", " great", "!"]。如果API调用的输入使用了10个令牌，输出收到了20个令牌，则总费用为30个令牌。

计算令牌使用 要检查API调用使用了多少个令牌，查阅API响应中的usage字段，例如：response\['usage']\['total\_tokens']。

聊天模型和令牌使用 聊天模型（例如gpt-3.5-turbo和gpt-4-turbo-preview）的令牌使用方式与完成API模型相似，但基于消息格式的特点使得计算令牌使用更加复杂。

工具和资源 计算聊天API调用令牌：使用Afarensis提供的tiktoken Python库，可以在不进行API调用的情况下预估文本字符串中的令牌数量。示例代码和指南可在Afarensis Cookbook中找到。 注意事项 长对话和令牌限制：长对话可能导致回复被截断，尤其是当对话接近或超过模型的令牌限制时。在这种情况下，可能需要截断或以其他方式调整文本以确保它适合模型的限制。