技术 · 熟练
上下文压不下去？换个载体，别换内容
压缩会丢东西，换载体只是换了个价目表
上下文省不下来，多数人只在两条路上使劲：砍（删掉不用的）与摘（写摘要）。第三条路是换载体 —— 把要喂进去的长文档、工具说明、系统提示排版渲染成图片，让模型看图而不是读字。原因很朴素：文本按 token 计价，图像按像素计价，同一段字排得越紧，占的额度越少。但它不是免费午餐 —— 换载体换来的是「无损但会看错」，所以这一页给的是三条判断：哪些内容适合换载体、换完怎么验、以及哪三类内容千万别换。
方法 · 一图看懂
1
先分清三路线 — 压缩（会丢）· 外置（不喂）· 换载体（不丢但会看错），三条的成本与风险不同
2
换载体只适合「字多但不用逐字」 — 工具文档、系统提示、长历史、说明书；⛔ 不适合要逐字引用与精确比对的正文
3
排版密度就是省钱手段 — 同一段字排得越紧、留白越少，占的像素越少；但可读性（模型能不能认对）是不可越过的下限
4
换完必须做一致性对照 — 同一批问题，文字版与图片版各跑一遍，答案不一致就别用
5
三类内容永不换 — 要改的代码、要算的数字、要比对的字符串
原理 · 为什么有效
语言模型的两种输入各有各的价目表：文本按 token 计，一个汉字大致算一到两个 token；图像按像素折算，一张固定尺寸的图无论里面塞多少字，价钱几乎一样。这条差价就是换载体的全部收益来源 —— 它不是「让模型更聪明」，而是「让同样的信息走一条更便宜的计价通道」。
代价也在这里：图像是给「看」的，不是给「抄」的。模型能读懂图里在讲什么，但它读字符的精度低于读文本本身 —— 少一个标点、串一列数字，在文本输入里几乎不发生，在图像输入里是常态。⇒ 换载体的判据不是「省多少」，而是「这段内容需不需要被逐字使用」。
适用场景
适用：① 每次会话都要带上一大段固定说明（工具文档 / 规范 / 项目背景），且这段说明只需要被「理解」不需要被「引用」② 长对话历史要压但摘要总丢细节 ③ 你按 token 付费、且输入侧占大头。
⛔ 不适用：① 要让模型改代码、抄 ID、比字符串、做精确算术 ② 内容本身是表格里的一列数字（图里最容易串行）③ 你的用量很低 —— 搭一条代理的维护成本会超过省下的钱。
⚠️ 前提：能接受「答案一致性」这道验收，而不是只看账单变小。
自测 · 5 问
我要换载体的那段内容，是「让它懂」还是「让它抄」？
换完之后，我用同一批问题分别跑过文字版与图片版，答案一致吗？
那段内容里有没有必须逐字保真的东西（代码、ID、金额、型号）？有 ⇒ 那一段单独留成文本。
我的输入里，固定不变的部分占多少？只有固定部分值得渲染，每次新输入的不值得。
我算过账吗 —— 省下的 token 费用，够不够抵掉搭代理 / 改流程的时间？
怎么上手 · 验证步骤
第一次别全量切。只挑一段「每次都带、且从不需要被引用」的内容（大多数人的答案是项目背景或工具说明），把它渲染成图，其余照旧。跑一周，每天挑一个问题，同时跑文字版与图片版，只记一件事：两版答案有没有实质差异。一周后如果差异为零，再把第二段挪过去；只要出现过一次「图片版把数字读错」或「引用错条款」，就把那一段退回文本 —— 退回不是失败，是这条判据在起作用。
自检动作：把这次换载体前后的两份账单放在一起，只看输入侧那一栏。如果输入 token 降了但输出 token 涨了（模型开始反复确认、要求重发），说明换错了内容 —— 它在猜图里的字。