> For the complete documentation index, see [llms.txt](https://help.curseduca.com/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://help.curseduca.com/conteudos/agentes-a.i./consumo-de-tokens.md).
# Consumo de Tokens
### 🔍 O que são tokens
Os tokens representam unidades de texto que o modelo de linguagem utiliza para processar e gerar respostas. Cada palavra, símbolo ou parte de uma palavra é transformada em tokens. Em média:
* **1 token ≈ 4 caracteres em português, ou aproximadamente ¾ de uma palavra.**
* **Exemplo: A frase “Olá, tudo bem com você?” corresponde a cerca de 6 tokens.**
\
O consumo total de tokens em uma interação depende do tamanho da entrada (prompt) e da resposta do modelo (output).
***
### ⚙️ Como o consumo é calculado no seu agente AI
Quando você faz uma pergunta ao seu agente, o modelo processa três partes principais do prompt:
1. **Instruções base**
* Definidas pela nossa equipe.
* Incluem orientações gerais sobre o segurança, comportamento e o tom do agente.
* São sempre enviadas em toda requisição.
2. **Instruções customizadas**
* Criadas por você (ou seu time).
* Complementam as instruções base com regras específicas, como estilo de escrita, contexto de negócio ou políticas internas.
* Também são enviadas a cada interação.
3. Contexto via RAG (Retrieval-Augmented Generation)
* São os trechos de documentos, PDFs, vídeos, planilhas ou textos que o agente recupera automaticamente para responder à sua pergunta.
* Apenas os trechos mais relevantes são enviados ao modelo, limitados a um número máximo de tokens configurado pelo sistema.
***
### 📊 Fórmula simplificada do consumo de tokens
Consumo total = Tokens das Instruções base
\+ Tokens das Instruções customizadas
\+ Tokens do Contexto RAG
\+ Tokens da Pergunta do Usuário
\+ Tokens da Resposta do Modelo
***
### 💬 Exemplo prático
| Parte do Prompt | Tokens aproximados |
| ---------------------------------- | ------------------ |
| Instruções base | 1500 |
| Instruções customizadas | 400 |
| Contexto RAG (trechos recuperados) | 800 |
| Pergunta do usuário | 100 |
| Resposta do modelo | 600 |
| Total estimado | 3.400 tokens |
***
### 💰 Impacto no custo
O custo total da interação é calculado com base na soma dos tokens de entrada (prompt) e saída (resposta). O preço por token depende do modelo utilizado (por exemplo: Gemini, GPT, etc).
***
### 🧩 Boas práticas para otimizar o uso
* Mantenha as instruções customizadas objetivas.
* Evite incluir arquivos muito extensos quando apenas partes são relevantes.
* Prefira perguntas diretas e contextuais.
* Atualize os documentos RAG para que o agente precise recuperar menos informações redundantes.
---
# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.
## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question.
Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter:
```
GET https://help.curseduca.com/conteudos/agentes-a.i./consumo-de-tokens.md?ask=&goal=
```
`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal.
The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.
Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.