Prompt 工程的“断舍离“:如何用更少的词让 AI Agent 更聪明

一个反直觉的事实

在 Prompt Engineering 中,我们总倾向于"加"。加一条规则、加一个示例、加一个兜底说明------每个加法都有充分的理由。但很少有人问:这段话删掉之后,Agent 的表现会变差吗?

我这次尝试了一种反向方法论:逐句审查,每遇到一段话就问自己一个问题------

如果我把这句删掉,Agent 在相同输入下,会不会做出不同的决策?

如果答案是"否",就毫不犹豫地删掉。

结果出乎意料:在 15 个技能文件中,我找到了几十处这样的"无害冗余"。它们可能是:

对 Agent 已经知道的框架背景的复述

已经被更上层规则覆盖的重复约束

解释性文字(Agent 不需要理解"为什么",只需要执行"什么")

"注意""请确保""请记住"这类软化词------它们消耗 Token 但不改变行为边界

我把这个过程叫做 "no-op 修剪"(无操作修剪)。删掉的内容不改变一行代码输出,不改变一个决策路径------只改变 Token 消耗量。

剪枝的三种策略

这次实践中,我总结了三种可复用的剪枝策略:

策略一:覆盖性去重

当全局规则(如 AGENTS.md)和某个技能(如 code-review/SKILL.md)都提到了"提交前必须验证",保留哪个?

原则:保留层级最高的那个,删除低层级的重复。Agent 在处理任务时,高层级规则已经在上下文中了,低层级再重复一遍不会增加遵守概率------只会增加成本。

策略二:功能性去重

当一个技能的功能可以被另一个更通用的技能覆盖时,前者就是冗余。例如:

有一个专门的"调试循环"技能,但系统已经内置了更强大的调试工作流

有一个"提交规范"技能,但 Agent 的基础指令已经包含了提交格式要求

这类技能的价值往往来自"心理安全感"------"万一 Agent 不懂呢?"但实际测试会发现,删掉之后表现完全一致。

策略三:解释性剥离

最常见也最难察觉的冗余:解释性文字。

❌ 坏:"在开始之前,请确保你理解了项目结构。这意味着你需要先查看目录布局,因为了解整体架构对于后续的代码修改至关重要。"

✅ 好:"先查看项目结构再开始修改代码。"

前者 60 字,后者 12 字。传达的信息完全一致,但 Token 消耗差了 5 倍。Agent 不需要你解释"为什么重要"------它需要的是清晰、可操作的约束。

从"加"思维到"减"思维

这次瘦身之后,我有两个感悟:

第一,每个 Prompt 都有一个"边际收益拐点"。

在拐点之前,加一段话确实能让 Agent 表现更好。但过了拐点,再加就是噪音------甚至可能稀释真正重要的约束。问题是,大多数人(包括我)都在拐点右侧工作,却意识不到。

第二,删除比添加更需要勇气。

加一段话,即使没用,也"不会出错"。删一段话,如果真的影响了 Agent 行为,代价就是一次调试。这导致了一个自然的熵增趋势------Prompt 只会越来越长,除非有人主动逆向操作。

所以我现在给自己定了一个规矩:每次要加一条规则时,必须先找到一条可以删掉的旧规则。 如果找不到,说明那条新规则可能没那么必要。

几个具体的技术实践

如果这套思路对你有用,以下是一些可以直接尝试的做法:

用"删掉会怎样?"替代"加上够不够?"来审查每一条 Prompt。

用函数式思维写 Prompt:一个约束一个职责,避免复合句。如果一段话说两件事,拆开------你会发现其中一件可能根本不需要。

消除软化词:"请""建议""可以尝试"之类的词在 Agent 上下文里只是字节垃圾。和代码一样,Prompt

相关推荐
sunshine22 girl20 分钟前
Java学习六 Java常见API-1-Radom随机数
java·开发语言·学习
IT_陈寒35 分钟前
Vite静态资源导入这个坑我帮你们踩过了
前端·人工智能·后端
wangbing11251 小时前
使用jps jstack排查系统问题
java
于指尖飞舞1 小时前
java面试题总结
java·开发语言
打工仔折腾 AI1 小时前
把AI Agent托管在家用电脑:UU远程终端与端口映射实测记录
人工智能·后端·python·langchain·ai agent 实战
ZealSinger2 小时前
LangChain4j用AiServices拼Tool
java·rag·ai智能体·langchain4j
vx_Biye_Design2 小时前
springboot高校选课系统82776-计算机课程设计、毕业设计
java·vue.js·spring boot·后端·spring·课程设计·express
Sweet锦3 小时前
不调 Python,不装向量库:我用纯 Java 写了一套以图搜图引擎
java·人工智能·开源·图搜索
打工仔折腾 AI3 小时前
LLaMA 1 到 LLaMA 3 架构演进拆解:从 RoPE、GQA 到词表扩张
人工智能·后端·python·深度学习·langchain·llama