最近一直做知识库的训练，基于公司的场景一直做课程助手、课程推荐专家的训练。

慢慢了基于知识库回答的一些原理，也慢慢给自己解惑了。

首先，token的计算

众所周知，ChatGPT的token计算方法，是基于用户输入的问题+输出的结果 共同计算出来token总数量的。

如果基于知识库的提问，他用多少token呢？计算方式是怎样的呢？

不停试错后，逐渐了解计算逻辑：

• 首先，上面用户输入的问题+输出的结果肯定得计算的。
• 还得有一部分，基于用户输入的问题向量匹配到知识库里的某些分段内容（向量时分段存储），这里计算token是按段整体计算的。
• 还有一部分，内置提示语，也是计算的。

综合来说，** token = 用户输入的问题 + 输出的结果 + 匹配的整段内容（可能多个） + 内置提示语**