小學三年級，為了拿到一臺任天堂游戲機，我被迫啃完800頁的《喬布斯傳》。四年后交蘋果公司的作業(yè)報告，我卻偷偷打開了韓國維基百科。這件事讓我困惑了很久：為什么800頁的書，能被一個百科詞條替代？

從游戲機到提示詞

作者小時候的經(jīng)歷藏著一條暗線。六年前，父親用Switch做誘餌，讓他讀完那本磚頭厚的傳記。800頁，六個月，對一個三年級學生來說是"brutal lift"（殘酷的重負）。四年后中學作業(yè)，他直接搜了Namuwiki——韓國學生常用的輕量百科，專門用來"quick skim"（快速掃讀）。

這個轉變的關鍵在于：作業(yè)不需要知道喬布斯花了40小時研究窗口重疊技術，也不需要蘋果早期的瑣碎細節(jié)。Namuwiki就是《喬布斯傳》的壓縮版，剝離冗余，保留骨架。

作者把這個發(fā)現(xiàn)遷移到了提示詞工程。他提出的核心概念叫"Token Deadbeats"——那些占用token卻不產生價值的冗余信息。處理它們的方法，就是壓縮。

第一層：同層重復

壓縮的第一把刀砍向"same-layer duplication"（同層重復）。

作者舉的例子很直白："cold and cool ice cream"（冰冷又涼爽的冰淇淋）應該壓縮成"cool ice cream"；"hot and warm water"（滾燙又溫熱的水）變成"warm water"。兩個詞描述同一層溫度感受，留一個就夠了。

這種重復在口語里常見，在提示詞里卻是token殺手。大語言模型按token計費，每一個重復形容詞都在白燒錢。

更隱蔽的是句子級別的重復。一段話里如果有兩句意思相同，刪掉一句。這不是損失信息，是去除噪音。

第二層：過度修飾

第二把刀對準"fussy add-ons"（繁瑣的附加說明）。

作者用買牛仔褲打比方。正常人說"出去買條牛仔褲"，沒人會說"出去買一條直筒版型、赤耳丹寧材質的牛仔褲"——除非你是"mutant nerds"（變異極客），作者自嘲地把自己歸入此類。

但附加信息并非一律砍掉。如果順路還要買辣炒年糕（tteokbokki），這件事和買牛仔褲同等重要，那就該說"出去買牛仔褲，吃完辣炒年糕回來"。

判斷標準是：這個修飾是否改變了核心動作？赤耳丹寧不改變"買牛仔褲"的本質，但"吃完辣炒年糕回來"改變了行程結構。

提示詞的壓縮實操

作者把這套方法總結為逐句處理：先在詞匯層面去除同層重復，再控制過度生長的修飾句。

他留下一個待辦：讓讀者復制一段提示詞，自己壓縮一遍。文末標注了測試環(huán)境——"GPT 5.4 Pro or above"。這個數(shù)字很具體，不是模糊的"最新版GPT"。

原文里還散落著一些系統(tǒng)殘留：關于模板功能的說明、隱藏評論的確認彈窗、舉報濫用的提示。這些是發(fā)布平臺的界面元素，不是文章主體，但說明這段文字可能來自某個內容管理系統(tǒng)或論壇帖子。

為什么這件事值得技術人關注

提示詞壓縮不是寫作技巧，是成本控制。大模型API按token計價，冗余就是真金白銀。但比省錢更深一層的是認知效率——壓縮迫使你想清楚：我到底想讓它做什么？

那個為了Switch讀傳記的小學生，和用Namuwiki趕作業(yè)的中學生，中間隔了四年。四年里他學會了一件事：信息的價值取決于使用場景。800頁的傳記不會消失，但作業(yè)只需要其中5%的骨架。

提示詞工程正在經(jīng)歷同樣的分化。有人寫小作文式的提示詞，有人寫電報式的指令。后者省下的不只是token，是模型理解你的路徑長度。

作者最后沒給壓縮后的示例，只留了一個動作指令。這本身也是一種壓縮：相信讀者能自己走完最后一步。

畢竟，他三年級就能為了游戲機啃完800頁。你也行。