资讯

Shopify 推出 Gisting 新技术:将大模型系统提示词压缩为主旨词元

InfoQ中文·2026/9/9 16:30:00🔗 原文

📋总体概括

Shopify 推出名为 Gisting 的技术,核心思路是将大模型应用中冗长的系统提示词压缩成少量「主旨词元」(gist tokens),让模型先学会记住指令核心,再执行任务。这一做法可显著降低每次请求的输入词元数量,从而减少推理成本和延迟,同时保持模型对指令的遵循能力。对于大量依赖提示词工程、高频调用大模型的电商和SaaS场景,Gisting 提供了一条在不更换模型、不微调权重的前提下优化成本的中间路线,也反映出头部应用厂商正在从「调提示词」走向「工程化压缩提示词」的阶段。

关键信息

  • Shopify 发布 Gisting 技术,可将大模型系统提示词压缩为少量主旨词元
  • 压缩后的词元可让模型保留对原始指令的遵循能力,替代冗长提示词
  • 主要收益是降低每次请求的输入词元量,从而减少推理成本与延迟
  • 该方法无需更换模型或微调权重,属于应用层的提示词压缩方案

🔥犀利点评

Shopify 这招本质上是把提示词工程从玄学变成了成本工程。大模型按词元收费,系统提示词动辄几千词元重复发送,等于每次调用都在为同样的话反复付费——Gisting 把这部分固定开销一次性摊销掉,账算得非常精明。但别急着欢呼:压缩是否在所有任务上都无损、对复杂多约束指令的遵循会不会打折,仍需生产环境验证。它更像省钱的补丁,而非范式革命,中小团队拿来降本可以,指望它解决提示词设计混乱问题的,还是省省吧。

本文由本站自动聚合,以下为原始来源:前往 InfoQ中文 阅读全文