#817.Anthropic技术人员：你的旧提示词正在让AI变差

Lance Martin 介绍了如何通过优化提示词、利用提示词缓存及自动化爬山优化来提升前沿模型性能并降低成本。提示词审计应剔除冗余的验证指令，以防干扰模型思考并增加 token 开销。提示词缓存能显著降低多轮交互成本，而设计严谨的评估集（evals）则是实现自动化迭代的关键。通过将 Agent 的 “大脑” 与 “双手”（沙箱）分离，可提升长时间运行任务的可靠性与安全性。构建评估集时，应确保评分标准明确且方差可控，从而为模型提供有效的反馈信号。这些方法论不仅能大幅节省 token 使用，还能确保模型在生产环境中的表现与评估结果高度一致，实现性能与成本的最优平衡。