大模型（LLM）能够自动化大量任务。自2022年ChatGPT发布以来，市场上涌现出越来越多利用 LLM 的AI产品。然而，我们在使用 LLM 的方式上仍有许多可改进之处。例如，使用提示词优化工具改进你的提示（prompt），以及利用缓存的token，就是两种简单却能显著提升 LLM 应用性能的技术。
在本文中，我将介绍几种具体的技巧，帮助你优化提示的创建与结构，从而降低延迟和成本，同时提升生成结果的质量。本文的目标是为你提供这些切实可行的方法，让你能够立即将其应用到自己的 LLM 项目中。
这张信息图突出了本文的主要内容。我将讨论四种不同的技术，可显著提升你的 LLM 应用在成本、延迟和输出质量方面的表现。具体包括：利用缓存 token、将用户问题置于提示末尾、使用提示优化器，以及建立你自己的定制化 LLM 基准测试。（图片由 Gemini 提供。）
为什么要优化你的提示？
在很多情况下，你可能已经有一个能在特定 LLM 上运行并产生尚可结果的提示。但很多时候，你并未花时间对提示进行优化，这就意味着你错失了大量潜在的性能提升空间。
我认为，通过本文介绍的具体技术，你可以轻松地在几乎不增加额外工作量的前提下，同时提升响应质量并降低成本。仅仅因为一个提示和 LLM 能“跑通”，并不意味着它已达到最优性能。事实上，在很多场景下，只需稍作调整，就能获得显著改进。
优化提示的具体技巧
在本节中，我将详细介绍可用于优化提示的几种具体方法。
1. 始终将静态内容放在提示开头
我要介绍的第一个技巧是：始终将静态内容（static content）放在提示的最前面。所谓静态内容，是指在多次 API 调用中保持不变的部分。
之所以要这么做，是因为所有主流 LLM 服务商（如 Anthropic、Google 和 OpenAI）都支持缓存 token（cached tokens）。缓存 token 是指在先前 API 请求中已被处理过的 token，再次使用时可以以更低的成本和更快的速度进行处理。不同服务商的具体策略略有差异，但通常缓存输入 token 的价格约为普通输入 token 的 10%。
缓存 token 是指在之前的 API 请求中已经被处理过的 token，再次使用时比普通 token 更便宜、更快。
这意味着，如果你连续两次发送完全相同的提示，第二次请求中的输入 token 成本将仅为第一次的十分之一。这是因为 LLM 服务商会对这些输入 token 的处理结果进行缓存，从而让新请求的处理更便宜、更迅速。
在实践中，要有效利用 token 缓存，关键在于将变量内容放在提示末尾。
例如，如果你有一个很长的系统提示（system prompt），而每次请求的用户问题不同，你应该这样组织提示：
prompt =f"""{long static system prompt}{user prompt}"""举个例子：
prompt =f"""你是一位文档专家……你应始终按以下格式回复……如果用户询问……你应该回答……{user question}"""这里，我们将提示中不变的部分（静态内容）放在前面，而将变化的部分（用户问题）放在最后。
在某些场景中，你可能需要传入文档内容。如果你要处理大量不同的文档，应将文档内容放在提示末尾：
# 处理不同文档时prompt =f"""{static system prompt}{variable prompt instruction 1}{document content}{variable prompt instruction 2}{user question}"""
但如果你多次处理同一份文档，那么为了确保文档内容也能被缓存，你需要保证在文档内容之前没有任何变量内容：
# 多次处理相同文档时prompt =f"""{static system prompt}{document content} # 确保在任何变量指令之前{variable prompt instruction 1}{variable prompt instruction 2}{user question}"""
需要注意的是，缓存 token 通常只有在两个请求的前 1024 个 token 完全相同时才会被激活。例如，如果上面示例中的静态系统提示长度不足 1024 个 token，你就无法利用缓存机制。
# 切勿这样做！prompt =f"""{variable content} <--- 这会完全破坏缓存机制{static system prompt}{document content}{variable prompt instruction 1}{variable prompt instruction 2}{user question}"""
最佳实践：
你的提示结构应始终遵循“从最静态到最动态”的原则——即先放变化最少的内容，再逐步加入变化最多的内容。
如果你有一个很长但不含变量的系统提示和用户提示，应将其放在最前面，变量放在最后。 如果你要从文档中提取文本（例如处理同一份文档多次），应确保文档内容位于所有变量之前，以充分利用缓存。
2. 将问题放在提示末尾
另一个提升 LLM 性能的有效技巧是：始终将用户问题放在提示的末尾。理想情况下，你的系统提示应包含所有通用指令，而用户提示仅包含用户的问题本身，如下所示：
system_prompt ="<通用指令>"user_prompt =f"{user_question}"
Anthropic 在其提示工程文档中指出，将用户问题放在末尾最多可提升 30% 的性能，尤其是在使用长上下文时。把问题放在最后能让模型更清晰地理解当前任务目标，从而在多数情况下生成更高质量的回答。
3. 使用提示优化器（Prompt Optimizer）
人类编写的提示往往杂乱、不一致、包含冗余内容，且缺乏结构。因此，你应始终将提示通过一个提示优化器进行处理。
最简单的优化方式是直接让一个 LLM 来优化你的提示，例如：
“请优化以下提示：{prompt}”
LLM 会返回一个结构更清晰、冗余更少的新提示。
但更好的做法是使用专门的提示优化工具，例如 OpenAI 或 Anthropic 控制台中提供的优化器。这些工具是经过专门设计和调优的 LLM，专门用于优化提示，通常效果更佳。
此外，为了获得最佳优化结果，你应提供以下信息：
你希望完成的具体任务细节； 提示成功完成任务的示例（包括输入和输出）； 提示失败的示例（同样包括输入和输出）。
提供这些额外信息通常能显著提升优化效果。很多时候，你只需花费 10–15 分钟，就能获得一个性能大幅提升的提示。因此，使用提示优化器是提升 LLM 性能所需 effort 最低的方法之一。
4. 对 LLM 进行基准测试（Benchmarking）
你所选用的 LLM 本身也会极大影响应用的整体性能。不同模型擅长的任务各不相同，因此你需要在自己的应用场景中测试多个 LLM。我建议至少接入主流 LLM 提供商，如 Google Gemini、OpenAI 和 Anthropic。设置这些服务非常简单，一旦凭证配置完成，切换模型通常只需几分钟。此外，你也可以考虑测试开源 LLM，尽管它们通常需要更多配置工作。
接下来，你需要为你的具体任务建立专属的基准测试，以评估哪个 LLM 表现最佳。同时，你还应定期检查模型性能，因为大型 LLM 提供商有时会在不发布新版本的情况下悄悄升级模型。当然，你也应随时关注各大厂商推出的新模型，并及时尝试。
结论
在本文中，我介绍了四种可用于提升 LLM 应用性能的技术：
利用缓存 token 将用户问题置于提示末尾 使用提示优化器 建立定制化的 LLM 基准测试
这些方法都相对简单易行，却能带来显著的性能提升。我相信还有很多类似且简单的技巧尚未被广泛采用，你应该始终保持探索的心态。这类技巧通常散见于各类技术博客中，
