最近发布的令牌对象表示法（TOON）旨在成为一种模式感知的JSON替代方案，能显著减少令牌消耗，某些情况下比JSON少用40%。TOON结合了YAML和CSV的布局，适用于不同数据结构，且准确性良好。TOON 1.0已在MIT许可证下发布。

本文讨论了AI系统的架构设计与工程实践，介绍了基于阴阳五行模型的AI基础设施框架，重点介绍了TOON（面向令牌的对象表示法），旨在提高LLM提示和序列化的效率，强调紧凑性和可读性，适用于提示工程和轻量级数据交换。

TOON（Token-Oriented Object Notation）是一种新型数据序列化格式，旨在减少与语言模型交换结构化数据时的令牌数量。与冗长的JSON相比，TOON采用更紧凑的表格样式，能有效降低30-50%的令牌使用，适合AI项目。尽管TOON无法完全取代JSON，但在数据交换中更为高效。

TOON（文本导向对象表示法）是一种新型数据序列化格式，测试表明其在多个AI模型上的表现优于JSON和YAML，具有更高的准确率和更低的token消耗，适合大数据量和高准确率的应用场景。

TOON 是一种高效的序列化格式，通常比 JSON 节省 30-60% 的 tokens。它通过简化语法、减少冗余和使用缩进结构来优化数据表示，适合均匀对象数组，但对于深度嵌套数据，JSON 可能更高效。TOON 在 .NET 中提供了易用的 API。