將 JSON 轉為 TOON 節省大模型 Token

省 30–60% Token

運用無損的面向 Token 物件表示法,為 GPT-5、Claude 4 與 Gemini 2.5 提示詞大省 30%–60% 的結構化 JSON 負載。

100% 用戶端本機執行 — 可在 Network 分頁驗證 0 位元組上傳在 Network 面板確認 0 位元組傳送

或將多個檔案拖曳至此 · Ctrl V 快速貼上 · 或拖放 .json 檔案 · Ctrl V 貼上 JSON 酬載
  • 0 位元組上傳
  • 節省 30–60% LLM Token
  • 即時 Token 節省計量條

即時轉換前後預覽

省下 51% LLM Token
轉換前(輸入)users-payload.json
{
  "users": [
    { "id": 1, "name": "Alice Chen", "role": "admin", "active": true },
    { "id": 2, "name": "Bob Tanaka", "role": "editor", "active": true },
    { "id": 3, "name": "Clara Diaz", "role": "viewer", "active": false },
    { "id": 4, "name": "David Kim", "role": "editor", "active": true }
  ]
}
轉換後(輸出).toon
users[4]{id,name,role,active}:
  1,Alice Chen,admin,true
  2,Bob Tanaka,editor,true
  3,Clara Diaz,viewer,false
  4,David Kim,editor,true

來源格式與目標格式規格比較: JSON → TOON

規格屬性來源格式:JSON目標格式:TOON
結構類型階層式階層式
人類可讀性高高
支援巢狀結構支援支援
LLM Token 效率低高
副檔名.json.toon
MIME 類型application/jsontext/plain
最適合用於REST/GraphQL API 接口、結構化應用程式狀態、NoSQL 文件與跨系統資料交換。傳送結構一致的 JSON 物件陣列給 GPT-5、Claude 4 或 Gemini 時,將 LLM 提示詞 Token 成本大省 30%–60%。

運作方式

如何利用 TOON 壓縮大模型 JSON 提示詞

在將記錄陣列插入 AI 系統提示詞之前,先消除重複出現的 JSON 屬性鍵與大括號。

  1. 貼上或拖入 API JSON提供任何 JSON 酬載——結構一致的物件陣列可獲得最大的 Token 節省成效。
  2. 即時觀察 Token 節省以 o200k_base、Claude 4 或 Gemini 2.5 估算即時比較輸入 JSON 與輸出 TOON 的 Token 數。
  3. 複製 TOON 放進提示詞複製精簡的 TOON 酬載,或前往 LLM Token 計算器檢視各模型完整成本。

常見問題

常見問題解答

為什麼 TOON 相比格式化 JSON 能省下如此多 Token?

TOON 僅在精簡標頭宣告一次欄位鍵名(`users[4]{id,name,role}:`),再逐列串流數值,大幅去除重複鍵名、引號與大括號。

大語言模型不靠特殊外掛就能看懂 TOON 嗎?

是的。TOON 結合了熟悉的 YAML 縮排、明確陣列計數與類 CSV 資料列,對現代大型語言模型具備極高自我詮釋性。

TOON 能無損轉換回原本的 JSON 嗎?

可以。隨時使用「TOON 轉 JSON」即可將 TOON 還原回具型別的 JSON 陣列、物件、布林值與數字。