提示词精简可提升模型性能，需删除冗余指令、压缩对话历史、结构化四要素（背景、任务、输出、约束），并剥离静态知识至外部知识库。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
会失效，而且不是“可能”，是大概率发生。提示词过长不是模型“记不住”，而是它在大量信息中难以聚焦核心意图，注意力被稀释，规则之间还容易打架。GPT-6这类新模型更明显——它擅长推理“你真正想要什么”，而不是逐字执行你写的每一条细则。
精简的核心原则：每条指令只说一次
重复强调“不要改测试文件”“禁止修改配置项”“必须用JSON格式”，看似保险，实则让模型困惑：哪条才是真正的底线？官方指南明确指出，删掉冗余指令后，评测分数反而提升10%–15%，token用量减少41%–66%。
- 先保留已跑通的最小可用提示词，每次只删一组内容（比如一段示例、一条风格说明），删完跑回归测试，没退化就继续
- 工具描述只写当前任务真正需要的那几个，每个工具描述控制在1–2句话，不说“支持多种输入方式”，只说“输入订单ID，返回物流轨迹和预计送达时间”
- 把“必须”“严禁”“永远不许”这类强约束合并成一条清晰边界，比如：“仅调用order_status和logistics_track两个API；其余所有接口均不可访问”
把静态知识从提示词里移出去
行业术语表、字段映射关系、历史错误案例、SOP流程图……这些不是每次都要塞进上下文的信息。它们属于“按需加载”的知识，硬塞进去只会挤占模型对当前任务的理解带宽。
- 用Agent Skills机制封装：每个技能包里只放“什么时候触发+怎么调用+返回怎么用”，术语和字段说明放在独立知识库，通过RAG或检索动态注入
- 如果暂时没上Skills架构，至少把知识类内容从system prompt中剥离，改为在用户query里用
标签临时附带，避免常驻干扰 - 压缩层先行：8轮对话历史→自动摘要为2句关键状态，如“用户已提供订单号12345，尚未确认收货地址”
结构化比堆砌更重要
与其写500字自由发挥式提示，不如用四要素锚定语义：背景、任务、输出要求、约束条件。Qoder等平台验证过，这种结构能让模型快速定位决策锚点，减少幻觉。
- 背景用一句话交代场景，比如：“当前处理电商售后工单，客户已上传开箱视频”
- 任务用动词开头，比如：“判断是否符合7天无理由退货，并给出依据”
- 输出要求明确格式与粒度，比如：“返回JSON，含decision（true/false）、reason（≤30字）、evidence_key（如‘视频未展示商品破损’）”
- 约束条件聚焦不可妥协项，比如：“不推测用户情绪；不引用未提供的材料；decision必须二值化”
提示词不是越厚越稳，而是越准越可靠。删掉的不是功能，是噪音；腾出来的不只是token，是模型专注力。
