通过提示工程降低 AI 成本：实用技巧

大多数团队将 AI 成本视为模型选择问题。但对于给定模型，提示设计决定了 30–60% 的成本差异。

设计不佳的提示在三个方面浪费 token：发送不必要的上下文、生成不必要的长响应、以及产生需要重试的输出。输出是更昂贵的一方——GPT-5.4 每 1M 输出 token 收费 $15，而输入仅 $2.50；Claude Sonnet 5 输出收费 $10，输入 $2——因此冗长输出的成本是长提示的 5–6 倍。

面向成本的提示工程不同于面向质量的提示工程。目标不仅是正确的输出——而是以最少 token 一次性获得正确的输出。

最常见的提示浪费是开场白——模型完成任务不需要的上下文和解释。

不要这样写：“我正在为一家 SaaS 公司开展营销活动，需要你的帮助。该产品帮助企业自动化工作流程。能否为我们的新功能写一个邮件主题行？”

应该这样写：“为一款 SaaS 工作流自动化产品撰写 5 个宣布新功能的邮件主题行。每个不超过 60 个字符。格式化为编号列表。”

第二个提示短了 65%，并产生更可用的输出。指令前置，格式指定，没有对话填充内容。

AI 模型在未受约束时默认输出冗长内容。要求“总结这份文档”的模型，除非你另有说明，否则会产生 400 字的摘要。必须说明。

始终包含明确的输出长度和格式约束：

• “用 3 个要点总结”
• “写一段，最多 100 字”
• “仅返回一个 JSON 对象，键为：title, description, tags”
• “用一句话回答”

对于结构化输出任务，使用函数调用或 JSON 模式而非自由文本响应——这可以防止模型在你实际需要的数据周围生成任何散文。

系统提示会随每个请求发送。一个 2000 token 的系统提示在 GPT-5.4 上每次请求花费 2000 × $2.50 / 1M = $0.005，或在 Claude Sonnet 5 上花费 $0.004——单次调用成本小，但每 10,000 次请求就是 $50 或 $40，而一个每次任务进行 20 次工具调用的 agent 会为此支付 20 倍。

审计系统提示中的：

• 冗余指令（如果你已经说过一次，第二次提及很少增加价值）
• 礼貌填充内容（“请保持有帮助且专业”没有增加行为约束）
• 未起到应有作用的示例（移除任何不能提高输出质量的示例）

然后缓存剩余内容。缓存的输入读取成本在 OpenAI 和 Anthropic 上约为列表价格的 10%，在 Gemini 上约为 25%，因此同样的 2000 token 提示在 GPT-5.4 上每次请求降至约 $0.0005。大多数系统提示还可以在不损失质量的情况下削减 40–60%——在部署前用你的评估集进行测试。

多轮对话会随每条消息发送完整历史。一个十轮的对话，每轮消息 200 token，会发送 1000+ token 的历史，模型可能并不需要所有这些内容——而 agent 循环也会对工具输出做同样的事，这些输出通常每条数千 token。

减少历史开销的策略：

• 大多数用例只保留最近 3–5 轮——较旧的上下文很少改变当前响应
• 对于长对话，用运行摘要替换完整历史
• 当话题发生实质性变化时，开始新的对话
• 在 agent 中，在大型工具输出重新进入上下文之前对其进行截断或摘要，并设置每轮 token 预算

对于拥有大量用户和长会话的应用程序，历史修剪可将输入 token 成本降低 30–50%。