Mindket

提示词瘦身

新上架第 1 版 · 更新于

概览

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。

速览

你需要
  • 在哪里运行:任何 AI 聊天
  • 密钥:不需要
  • 费用:除了聊天所用模型本身的花费,不会再额外花钱
用在
  • 任何 AI 聊天:ChatGPT、Claude、Gemini 或别的聊天应用,在这里粘贴技能的提示词和你自己的提示词
  • 提示词原本所在的地方:智能体的设置、脚本、共享文档或别的聊天应用,只要能把文字复制出来就行
  • 提示词接下来要去的地方:把精简版贴回原来放长版本的位置

平台

任意 AI 对话把它的提示词粘贴进去

提示词全文

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}}

复制到任意 AI 对话里,把 {{input}} 换成你的问题或文字。点获取,它会留在你的 Mindket 账户里,随时可以再复制。

关于

它是什么

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。

  1. 你粘贴技能的提示词,把自己的提示词放在 {{input}} 的位置
  2. 聊天所用的模型按技能的规则改写它
  3. 精简后的提示词连同字数一起返回

适合谁

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。

谁在用,怎么用
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。

用在哪里

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。

  • 任何 AI 聊天:ChatGPT、Claude、Gemini 或别的聊天应用,在这里粘贴技能的提示词和你自己的提示词
  • 提示词原本所在的地方:智能体的设置、脚本、共享文档或别的聊天应用,只要能把文字复制出来就行
  • 提示词接下来要去的地方:把精简版贴回原来放长版本的位置
拿什么来精简
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

如何设置

开始之前需要准备的:

  • 在哪里运行:任何 AI 聊天
  • 密钥:不需要
  • 费用:除了聊天所用模型本身的花费,不会再额外花钱
  1. 登录 Mindket 账户,在这个商品上点“获取”。
  2. 在你的 Mindket 账户里点“查看”,就能读到提示词并复制。本页也显示了这段提示词。
  3. 把它放在随时能再粘贴的地方:聊天应用能保存提示词的话,就存在那里,不然就记进笔记。

如何使用

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}}>
  • 返回什么:改写后的提示词,接着一行写明前后字数
  • 复用之前:先读一遍精简版,需要的词被删了就补回去

示例

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.
这个例子的词数
客气的原请求36 个词
改写后的提示词13 个词

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。

新手与专家

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。

注意事项

  • 用词取舍:它分辨不出你的模型依赖哪些词,所以在语气或示例很关键的地方,要先读一遍精简版
  • 回答长度:输入的字少了,输入 Token 就少,但回答写多长仍由模型决定
  • 隐私:它只读你粘贴的内容,从不读取你打开的页面

更新内容

  • 第 1 版 · 2026-11-03

评价

还没有评分

写评价

还没有评价。

Mindket 的更多商品

查看 Mindket 的全部商品

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。

新上架

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。

新上架

MusicGen Small

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。

新上架

开发类的相似商品

查看开发类的全部商品

Lexnet

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。

新上架

FLUX.2 Klein LoRA Studio

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。

新上架

anaksor-ocr

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。

新上架