你的提示词里，90%都是浪费

所有人都知道长提示词烧钱。几乎没人知道，哪些部分其实可以删掉。

系统消息、风格指南、少样本示例、背景上下文——每个添加时都有道理。但几百次API调用后，开销滚雪球。问"哪段能删"，诚实答案是：不测不知道。

Token Budget Negotiator把这个测试系统化。它把提示词拆成命名、分优先级的区块，运行贪婪消融循环，逐块删除并用本地或远程大模型评委按评分标准打分，直到节省达到目标且质量未跌破阈值。结果是仍保持原行为的最小提示词。

它以命令行工具、Python库、MCP服务器三种形态发布。

提示词区块的价值不等，但没有原则性方法能判断哪些对特定任务重要——除非测试。手动裁剪是猜谜。Token Budget Negotiator用经验方法回答：逐区块、逐任务、对照定义该用例质量的评分标准。

提示词定义为带命名区块的YAML文件。每个区块包含类型（系统、少样本、上下文、指令）、内容块、优先级整数。优先级决定删除顺序：低优先级先评估，高优先级后评估。

删除前，完整提示词先由评委大模型按评分标准打分，建立基线。运行质量目标为：基线分数 × 阈值。

消融循环按优先级升序遍历区块。对每个候选，构建不含该区块的测试提示词并重新打分。若分数仍达目标，永久删除该区块，用更新后的提示词继续循环。若否，保留该区块，评估下一个候选。

两个条件终止循环：

每次接受的删除都验证确实减少了Token数。循环不会产生比初始更大的提示词。

输出为NegotiationResult，包含原始与优化后的Token数、删除的区块列表、每步分数、质量保留百分比、耗时、打分调用次数、评分标准名称、完整消融日志。可写入JSON或YAML。

安装：

cd token-budget-negotiator
pip install -e .

需要Python 3.11+。本地评委路径需要Ollama且已拉取模型，已用gemma4:latest端到端验证。OpenRouter路径需要OPENROUTER_API_KEY。

分析Token分布

协商前，analyze命令打印各区块Token数及占总预算比例：

$ token-budget analyze examples/prompt.yaml

Token Distribution Analysis:
Section Type

正方：自动化裁剪是刚需

Prompt工程有个脏秘密：没人敢删。系统消息"可能重要"，示例"也许有用"，上下文"留着保险"。结果就是提示词肥胖症——平均调用成本里，有效信息密度低得惊人。

Token Budget Negotiator的刚性设计解决了这个心理陷阱。优先级强制排序，消融循环强制验证，评分标准强制定义"好"是什么。人做裁剪是拍脑袋，它做裁剪是走流程。

三种发布形态覆盖不同场景：命令行给运维脚本，Python库给业务代码，MCP服务器给AI Agent生态。这种全覆盖思路说明作者清楚——成本优化不是一次性脚本，是持续基础设施。

本地评委支持是关键设计。用Ollama跑gemma4:latest，意味着敏感数据不出内网，也意味着零额外API成本。对于高频调用场景，本地打分的固定成本摊薄后，边际成本趋近于零。

反方：评分标准才是隐藏Boss

但工具把最难的问题外包了：什么是"质量"？

消融循环的停止条件依赖评分标准，而评分标准需要人工编写。如果标准模糊，工具会"优化"掉人类认为重要的部分；如果标准过严，工具不敢删，优化失效。

更深层的问题：提示词质量是多维的。准确性、风格一致性、安全边界、用户满意度——不同场景权重不同。Token Budget Negotiator把这一切压成一维分数，信息损失不可避免。

还有优先级整数。谁决定系统消息是5还是3？这个前置判断本身就是人工经验，工具只是把它显性化，并未消除主观性。

YAML配置也增加了使用门槛。Prompt工程师现在需要维护：原始提示词、分块YAML、评分标准、优先级映射。复杂度从"写提示词"迁移到"配置优化流水线"，团队是否有这个投入意愿？

判断：它是基础设施，不是银弹

Token Budget Negotiator的价值不在自动化本身，而在把不可讨论的成本变成可讨论的实验。

以前团队争论"这段上下文要不要"，凭的是直觉和职级。现在可以跑一遍消融，看分数掉多少、Token省多少，用数字结束争论。这种"可观测性"比节省的那点Token钱更值钱——它让Prompt工程从手艺变成可迭代的工程。

但它确实把脏活累活推给了使用者：你得写评分标准，你得定优先级，你得解释为什么85分可以接受而84分不行。工具不负责回答这些问题，只负责在你回答后执行得比人更系统、更可复现。

对于日调用量过万、提示词版本混乱、成本压力真实的团队，这是值得接入的基础设施。对于偶尔调用的实验性项目，YAML配置的 overhead 可能不划算。

一个细节暴露设计意图：输出包含"完整消融日志"。这不是给机器看的，是给人类复盘用的——哪些区块被删了、哪步分数跳水、最终保留什么。工具在帮用户建立直觉，而非取代直觉。