既然不想买高价显卡，我就在代码里优化每一个 Token。这话现在听起来像句格言，但两年前，2023年6月，它是我被逼到墙角后唯一的出路。4090的价格让我倒吸一口凉气，团队解散后现金流紧绷，每一分钱都得掰成两半花。那晚，我盯着屏幕上缓慢爬行的训练进度条，后背和颈椎的酸痛像警报一样持续鸣响。
我站起来做了组靠墙静蹲，大腿肌肉开始燃烧，注意力被迫从“OOM错误”和“CUDA内存不足”的红色字眼上移开。就在肌肉颤抖到极限、汗水滴到地板的那一刻，脑子里那团关于如何用 LoRA 微调压缩模型参数量而不损失关键业务逻辑的乱麻，“啪”一声，自己解开了。不是想通的，是身体极限后的某种强制清空。我突然意识到，之前纠结于全量微调还是Adapter，是陷入了“技术虚荣”的陷阱。我的业务场景根本不需要理解莎士比亚，只需要它精准识别用户指令中的“报销”、“提单”、“流转至下一节点”这几个关键动作。Token 不够？那就把 Prompt 模板砍到骨头里，每一个词都必须是功能性的，去掉所有“请”、“你好”、“感谢使用”。把系统指令和用户查询压缩成电报码，用最干的语法。
肌肉的疲劳感退潮后，大脑皮层异常清醒。我坐回电脑前，开始重构数据预处理管道。不再盲目截断，而是先用规则引擎筛掉对话中的寒暄和重复确认句，只保留核心动词和宾语实体。针对财务审批场景，我手动标注了五百条历史对话，提炼出不到二十个核心意图模板。这活儿笨，耗时间，但有效。模型需要处理的序列长度直接砍掉40%，在 Colab 的免费 T4 GPU 上也能跑得动了。省下的不是 Token，是钱，是时间，是“我到底能不能靠这玩意儿接单”的焦虑。
那次之后，我给自己定了死规矩：每晚代码卡壳超过半小时，必须起身做十分钟体能。深蹲、俯卧撑、弹力带划船。不是为了练出什么身材，是为了给大脑“重启”。我发现，很多优化灵感，不是在盯着屏幕时出现的，而是在心率提升、血液冲刷血管的时候蹦出来的。比如，后来做 Function Calling 封装，怎么把杂乱的用户自然语言映射到有限的 API 函数集，那个哈希映射加模糊匹配的二级降级策略，就是在一次跳绳间歇想到的。身体是唯一的、不可升级的硬件，它的散热和供电系统老旧且不可替换，你只能通过维护来延缓折旧。显卡贵可以等，可以租，可以找替代方案，但颈椎废了、腰椎突出了，所有代码都得停摆。
所以，2025年再看这句话，它不再是技术层面的节俭，而是一种生存哲学。当计算资源昂贵时，极致优化是本能。当自身成为瓶颈时，对“身体”这个本地硬件的优化，就成了更高优先级的工程问题。每一个无效的 Token 消耗，每一次情绪的內耗，每一晚不必要的熬夜，都是在浪费你此生唯一且不断贬值的算力。
