Prompt Compress - 提示词压缩技能

概述

本技能帮助用户压缩和优化提示词（Prompt），通过提取关键词、删除冗余、结构化表达等方式，在保持语义完整的前提下显著减少 Token 消耗。

何时使用

当用户需要：

• - 压缩长提示词以节省 Token
• 提取提示词核心关键词
• 优化提示词结构
• 减少 API 调用成本
• 处理超长上下文输入

压缩流程

第一步：分析原始提示词

识别提示词中的：

1. 1. 核心任务 - 用户真正想要什么
2. 关键约束 - 必须满足的条件
3. 冗余内容 - 可删除的礼貌用语、重复描述
4. 隐含信息 - 不需要明确说出的常识

第二步：关键词提取

使用以下策略提取关键词：

• - 名词 > 动词 > 形容词 > 其他
• 保留专业术语和特定名称
• 删除通用修饰词（好的、请、非常等）

第三步：结构化压缩

将自然语言转换为结构化表达：

第四步：输出压缩结果

输出格式：

原始 Token 数：XXX

压缩后 Token 数：XXX

节省比例：XX%

压缩后提示词：

压缩技巧

1. 删除礼貌用语

❌ 你好，请帮我分析一下这个问题，谢谢
✅ 分析此问题

2. 用符号替代描述

❌ 请列出所有优点和缺点，分别列出，并给出建议
✅ 列出优缺点+建议

❌ 第一步做什么，第二步做什么，第三步做什么
✅ 步骤: 1.xxx 2.xxx 3.xxx

3. 合并相似内容

❌ 这个功能很好用，非常方便，使用起来很简单
✅ 功能：便捷易用

4. 使用缩写和符号

5. 结构化模板

原始

压缩后

压缩等级

根据需求选择压缩强度：

示例

示例 1：对话压缩

原始：
你好，我想请你帮我分析一下这个代码的问题。这段代码是我在写一个网页爬虫的时候遇到的，
我需要爬取一个电商网站的商品信息，但是代码运行的时候总是报错，错误信息是超时。
请帮我看看是什么问题，最好能给我一个解决方案，谢谢。

压缩后：
[分析]爬虫代码报错
问题: 超时
目标: 爬取电商商品信息
需求: 解决方案

原始 Token: ~120
压缩 Token: ~35
节省: 70%

示例 2：任务压缩

原始：
请帮我写一篇关于人工智能发展历史的文章，要求如下：

1. 1. 时间跨度从1950年代开始到现在
2. 包含主要的里程碑事件
3. 提及重要的科学家和他们的贡献
4. 字数控制在2000字左右
5. 使用通俗易懂的语言
6. 最后给出对未来的展望

压缩后：
[写文章]AI发展史
范围: 1950-今
内容: 里程碑+科学家贡献
字数: ~2000
风格: 通俗
结尾: 未来展望

原始 Token: ~100
压缩 Token: ~40
节省: 60%

示例 3：关键词提取模式

原始：
我正在做一个机器学习项目，需要处理图像分类问题，数据集是CIFAR-10，
模型想用ResNet，请问我应该怎么设置超参数才能获得最好的效果？

关键词提取：

• - 任务: 图像分类
• 数据集: CIFAR-10
• 模型: ResNet
• 问题: 超参数调优

压缩后：
[图像分类]超参数设置
数据: CIFAR-10
模型: ResNet

注意事项

1. 1. 语义优先 - 压缩不能改变原意
2. 上下文保留 - 必要的背景信息不能删除
3. 可读性平衡 - 过度压缩可能影响理解
4. 模型适配 - 不同模型对压缩提示词的理解能力不同

工作流程图

输入原始提示词
↓
分析结构
├── 提取核心任务
├── 识别关键词
└── 标记冗余内容
↓
应用压缩策略
├── 删除礼貌用语
├── 结构化表达
└── 合并相似内容
↓
计算节省比例
↓
输出压缩结果

与其他技能配合

• - RAG: 压缩检索到的文档再输入
• 长对话: 压缩历史对话摘要
• 代码审查: 压缩代码 diff 描述
• 文档分析: 压缩文档摘要