Bonsai-27B-GGUF
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。

改写提示词,让它用更少的 Token 要求同样的结果。每条要求、名称和格式都会保留。
提示词瘦身 是一款 AI 提示词技能,属于开发类,由 Mindket 上架。可免费获取。当前为第 1 版,最近更新于 。从本页复制它的提示词,粘贴到任意 AI 对话,把 {{input}} 换成你的文字即可使用。
Rewrite this prompt so it asks for exactly the same result in as few words as possible. Keep every requirement, constraint, name, number and output format. Cut filler, repetition and politeness. Return the rewritten prompt, then one line: "About N words before, M after."
{{input}}提示词瘦身会改写一段提示词,让它用更少的字要求同样的结果。你写下的每一项要求、约束、名称、数字和输出格式都会保留,去掉的是问候、重复和客套的凑字内容。如果一段提示词每次调用都要发出,省下的部分就次次都省。
按 Token 付费、或者经常碰到上下文上限的人。一段提示词发出的次数越多,精简版省下的就越多。
| 行业 | 谁在用 | 怎么用 | 例子 |
|---|---|---|---|
| 软件 | 写了长篇系统提示词的开发者 | 在智能体上线前精简它的常驻指令 | 开发者先用它处理一遍很长的系统提示词,之后的每次调用都会少发一些输入 Token |
| 客户服务 | 客服主管和团队 | 缩短团队回复每张工单时都要粘贴的模板 | 团队负责人精简回复模板,换上之前先拿几张旧工单试试精简版 |
| 数据与研究 | 脚本每处理一行就发一次提示词的分析人员 | 删减每一行都会重复发出的指令 | 有人用脚本逐行总结电子表格,就把每一行都要附带发出的那句指令缩短 |
| 营销代理商 | 共用提示词模板的写手 | 让一整套客户提示词保持简短 | 一家代理商精简写手们为每位客户写帖子时都要复用的需求模板 |
如果你只问一些简短的一次性问题,就用不着它。
在任何 AI 聊天里,把长提示词发给付费模型之前使用。越是反复发送的提示词,用它越划算。
| 提示词 | 为什么精简版划算 | 精简之后检查什么 |
|---|---|---|
| 智能体的系统提示词 | 智能体每执行一项任务都要发出它 | 每条规则和输出格式都还在 |
| 脚本每一行附带发出的指令 | 每处理一行就重复一次 | 脚本读回来的格式没有变 |
| 团队的回复模板 | 每个人回复每张工单都要粘贴它 | 语气仍然适合你的客户 |
| 你自己写的长请求 | 凑字的内容能看出哪些词模型根本用不着 | 名称、数字和限制都保留了下来 |
开始之前需要准备的:
把技能的提示词粘贴进聊天,再把你想精简的提示词放在 {{input}} 的位置。
<the skill’s prompt>
<paste your prompt here, in place of {{input}}>一条客客气气请人写摘要的请求,放在 {{input}} 的位置。
Hello, I hope you are well. If it is no trouble, could you please write a short summary of the article below, under 100 words, and mention the author and the date. Thank you so much.
返回的大致是下面这个样子,并非保存下来的实际运行结果。字数是模型自己估的。
Summarize the article below in under 100 words. Name its author and date. About 36 words before, 13 after.
每一项要求都保留了下来:100 词以内的限制、作者和日期。删掉的只是要求周围的客套话。
新手:AI 模型会读你发出的每一个字,付费模型就按这些字收费。提示词瘦身保留你的指令,去掉指令周围凑字数的内容。先拿你上周发给 AI 的一条请求试试。再核对精简版是不是仍然提到了每一项要求。
专家:它是一个提示词模板,由聊天当前所用的模型执行,所以哪些算废话,由那个模型说了算。约束、名称、数字和格式能保留下来,靠的是提示词里的要求,而不是解析文本。删字也可能删掉某些模型在语气上依赖的重复,或者用来固定格式的 few-shot 示例。字数也出自同一个模型,而不是分词器。换上精简版之前,先用你自己的评测跑一遍。
lmstudio-community · 工具包
面向 LM Studio 的 27B Bonsai 模型 GGUF 转换版,含 3.80 GB 的 Q1_0 语言文件和 0.93 GB 的 BF16 视觉投影器。已测试文本、视觉和并行工具调用。
LibertAIDAI · 工具包
以每权重 2.9 位的 EXL3 量化运行 DeepSeek-V4.1-Flash-1017,这是一份 196 GiB 的副本,适合在自己硬件上部署大模型的人。困惑度与原模型相差不大。
facebook · 工具包
根据文字描述或音频提示生成短音乐片段,是 facebook MusicGen 的 small 检查点。适合想在自己电脑上试用文字生成音乐的开发者和音乐爱好者。
alpindale · 工具包
用一个只有约 984 个权重的小型神经网络,为 C 源代码的每个字符打上语法高亮标签,通过一个小小的 C 程序运行。适合对手工设计的网络好奇的开发者和研究者。
prithivMLmods · 工具包
在浏览器或你自己的电脑上,用一个 Gradio 应用试用 FLUX.2 Klein 图像模型的一组 LoRA。适合制作或测试 AI 图片的人。
Sokheng · 工具包
这个模型从文档、收据和路牌照片里读取高棉语和英语文字,用一个检测器找文本行,再用识别器读每一行。适合需要在 Python 里做高棉语 OCR 的开发者。