第四章：Prompt工程优化成本：减少Token浪费的技巧
说到Prompt工程，很多人第一反应是「怎么让AI回答得更准」。但我今天想聊另一个角度——怎么让AI回答得更省。说白了，Token就是钱。你每次多塞几个无关紧要的字，可能就多花了几分钱。积少成多，一个月下来，这笔账可不小。
我见过不少团队，模型选得挺好，参数调得也挺细，结果一看账单傻眼了。问题出在哪？就出在Prompt上。他们写的Prompt太「胖」了，全是冗余信息。嗯，今天我们就来聊聊怎么给Prompt「减肥」。
一、减少Token浪费的核心思路
先问大家一个问题：你每次调用API时，真的需要把整段历史对话都传过去吗？
我个人的习惯是，先搞清楚「哪些Token是必须的」。举个例子，你让AI总结一篇5000字的文章，你非要把全文塞进Prompt里，然后再加一句「请用100字总结」。这合理吗？其实你可以先让AI提取关键信息，再基于这些信息做总结。这样Token消耗能降一半。
核心原则：只传递必要信息，删除一切冗余。
具体来说，我总结了三个方向：
- 精简指令：去掉「请」、「谢谢」这类礼貌用语。AI不需要你客气。
- 压缩上下文：历史对话只保留最近几轮，或者只保留关键结论。
- 避免重复：同一个约束条件不要写两遍。我见过有人把「用中文回答」写了三次。
小技巧：你可以用「角色+任务+约束」的三段式结构。比如：「你是一名翻译。把下面英文翻译成中文。不要添加任何解释。」这样比写一大段描述省Token得多。
二、结构化Prompt设计
结构化Prompt，说白了就是让AI知道「哪块是哪块」。我刚开始做Prompt工程时，习惯写一大段自然语言。后来发现，AI经常漏掉关键信息。为什么？因为你的指令被埋在了大段文字里。
后来我改用结构化写法。效果立竿见影。Token消耗减少了，准确率反而提升了。
给大家看个例子：
# 非结构化写法（Token消耗：120）
请帮我写一封邮件，内容是邀请客户参加下周的产品发布会。时间在下周三下午两点，地点在北京市朝阳区XX大厦。请用正式的语气，邮件标题要吸引人。另外，记得在邮件末尾加上联系方式。
# 结构化写法（Token消耗：85）
## 角色
商务邮件撰写专家
## 任务
撰写产品发布会邀请邮件
## 参数
- 时间：下周三 14:00
- 地点：北京市朝阳区XX大厦
- 语气：正式
- 标题要求：吸引人
- 末尾：添加联系方式看到了吗？结构化写法不仅省了35个Token，而且AI理解得更准。我在项目中遇到过，用结构化Prompt后，API调用成本直接降了30%。
注意：结构化Prompt不是越细越好。你想想看，如果你把每个标点符号都规定死，反而会浪费Token。把握好度，只约束关键变量。
三、缓存策略与复用
这块是我最想强调的。很多人在重复造轮子。同一个Prompt，每次调用都重新写一遍。这不是傻是什么？
我建议你建立自己的「Prompt库」。把常用的Prompt模板存起来。比如：
- 邮件撰写模板
- 文章总结模板
- 代码审查模板
- 数据分析模板
每次要用时，直接调模板，只改参数部分。这样Token消耗能降到最低。
另外，缓存策略也很关键。举个例子，你让AI生成一份周报。如果这周的业务数据和上周差不多，你完全没必要重新调用API。直接把上周的结果拿出来，改几个数字就行。
我的经验：对于重复性任务，缓存命中率能做到60%以上。这意味着你至少能省60%的Token费用。
具体怎么做？我推荐两种方式：
- 本地缓存：把Prompt和对应的输出存到本地数据库。下次同样的Prompt进来，直接返回缓存结果。
- 语义缓存：如果两个Prompt意思相近，但字面不同，可以用向量相似度匹配。我团队之前做过一个实验，语义缓存能把命中率再提升15%。
避坑指南：我曾经犯过一个错误——把所有Prompt都缓存了。结果发现，有些Prompt的输出会随时间变化（比如新闻摘要）。后来我加了过期时间，超过24小时的缓存自动失效。嗯，这才合理。
四、实战案例：一个Prompt的优化全过程
光说不练假把式。我拿一个真实案例给大家演示一下。
原始Prompt：
你好，我是一名产品经理。我需要你帮我分析一下我们产品的用户反馈数据。数据如下：用户A说「功能太难用了」，用户B说「界面不够美观」，用户C说「加载速度太慢」。请你帮我总结一下这些反馈，并给出改进建议。谢谢！Token消耗：约150。输出质量：一般。
优化后Prompt：
## 角色
产品分析专家
## 任务
分析用户反馈并给出改进建议
## 输入数据
1. 功能太难用
2. 界面不够美观
3. 加载速度太慢
## 输出要求
- 分类汇总
- 每条反馈对应一个改进建议Token消耗：约90。输出质量：更高，更结构化。
你看，Token省了40%，输出反而更好了。这就是结构化+精简的魅力。
提醒：优化Prompt时，一定要做A/B测试。别凭感觉改。我见过有人把Prompt改得太短，结果AI理解错了，反而多花了几次调用的钱。得不偿失。
五、总结与行动清单
好了，今天的内容就到这里。我给大家整理了一份行动清单：
| 优化方向 | 具体做法 | 预期节省 |
|---|---|---|
| 精简指令 | 去掉礼貌用语，合并重复约束 | 10%-20% |
| 结构化设计 | 用角色+任务+参数三段式 | 20%-30% |
| 缓存复用 | 建立Prompt库，实现语义缓存 | 50%-60% |
| 上下文压缩 | 只保留最近3轮对话 | 30%-40% |
你想想看，如果每个月API费用是1万块，优化后可能只需要4000块。省下来的钱，干点啥不好？
最后说一句：Prompt优化不是一锤子买卖。随着业务变化，你的Prompt也需要迭代。我建议每两周复盘一次，看看哪些Prompt可以进一步优化。嗯，今天就到这里，下次我们聊聊模型选型怎么省钱。
核心一句话：Token就是钱。省Token就是省钱。别让你的Prompt「虚胖」。