---
title: "如何减少提示词 token：精简前后实测对比 | BroadRouter"
description: "用真实分词器实测：精简系统提示词、few-shot 示例、工具 schema、数据格式、对话历史和阿拉伯语变音符号，各能省下多少 token。"
url: https://broadrouter.com/zh/blog/reduce-prompt-tokens/
lang: zh-Hans
updated: 2026-11-15
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

本页由英文原文借助 AI 翻译。[阅读英文原文](https://broadrouter.com/blog/reduce-prompt-tokens/)（2026-11-16 更新）。

# 减少提示词 token：系统提示词、工具和数据的实测精简

BroadNet Inference 团队 · 阅读约 7 分钟 · 发布于 2026-11-15 · 更新于 2026-11-16

先测量：记录每次调用的 prompt\_tokens，找出最大的部分，再用模型的分词器对比修改前后。在五种分词器上，精简啰嗦的系统提示词节省了 68% 到 71%，CSV 比压缩后的 JSON 少用 31% 到 41% 的 token。在三个模型上，精简系统提示词并用 3 个简短工具代替 10 个冗长工具，使完整渲染后的请求减少约 65% 到 71%。

## 要点

-   用真实分词器计数，再用 usage.prompt\_tokens 确认。对话模板会加入自己的 token，工具 schema 也会被它重新序列化。
-   工具是我们测到的最大固定开销：10 个冗长的工具 schema 让每个渲染后的提示词多出 1,200 到 1,400 token。只发送当前步骤能用到的工具。
-   表格数据：从格式化 JSON 改成 CSV 节省 57% 到 61%；从压缩 JSON 改成 CSV 仍可节省 31% 到 41%。Qwen 和 Gemma 的分词器把数字拆成单个数位，所以数字密集的数据在它们上面更费 token。
-   把 16 轮旧对话换成 3 行摘要，让一个 2,700 token 的 Qwen 提示词降到 1,100。摘要会丢失细节，所以最近几轮要原样保留。
-   完整标注元音的阿拉伯语，所用 token 是不带变音符号的同一段文字的 2.4 到 3.5 倍。除非任务需要，否则去掉它们。

**本页内容**

1.  我们是怎么测的？
2.  哪些精简最省 token？
3.  完整请求是什么样子？
4.  如何精简系统提示词而不把它改坏？
5.  需要多少个 few-shot 示例？
6.  工具、数据和历史应该换种方式发送吗？
7.  缓存在其中起什么作用？
8.  如何测量你自己的提示词？
9.  BroadNet Inference 适合什么场景

更短的提示词更省钱，能为实际工作留出更多[上下文窗口](https://broadrouter.com/zh/glossary/context-window/)，通常还能更快返回第一个 token。但“把提示词写短一点”是句空话。本文在一个贴近真实的客服机器人提示词上，用四个开放模型的真实分词器和 OpenAI 的 `o200k_base`，实测常见的精简手段，让你看清哪些修改值得花时间。

如果你在运行编程智能体，[智能体 token 预算](https://broadrouter.com/zh/blog/agent-token-budget/)讲的就是那个循环。本文讲的是应用提示词：聊天机器人、分类器和信息抽取任务。

## 我们是怎么测的？

以下所有计数均由我们于 2026 年 11 月 15 日完成：

-   \*\*分词器。\*\*DeepSeek V4.1 Flash、GLM 5.3、Qwen3.8 27B 以及 Google Gemma 4 26B A4B 的官方 `tokenizer.json` 文件，各自固定在某个 Hugging Face 版本（见来源），用 Hugging Face `tokenizers` 0.23.3 加载。另加 `tiktoken` 0.14.0 中的 `o200k_base`，用于和 GPT 模型对比。未添加特殊 token。
-   \*\*渲染后的提示词。\*\*对 DeepSeek、GLM 和 Qwen，我们还用各模型公开的 `chat_template.jinja`（Jinja2 沙箱）渲染了完整请求，包括系统提示词、工具、历史和问题，并对结果计数。这与服务器实际分词的内容很接近，但服务商可能使用不同的模板，所以请以 API 返回的 `usage.prompt_tokens` 为准。
-   \*\*文本。\*\*一个虚构电信公司的合成客服机器人：261 个英文词的系统提示词、10 个工具、8 个 few-shot 示例、40 行订单数据、20 轮历史对话，以及一段 31 个词的阿拉伯语。一个提示词只是一个数据点。你的节省幅度会不同，但方法是通用的。

BroadNet 的 Gemma 4 VL 26B 基于 Google 的模型，所以它的计数是估算值。其他模型使用的是各自的文件。

## 哪些精简最省 token？

原始文本，修改前 → 修改后，括号内为节省比例：

| 修改 | DeepSeek V4.1 Flash | GLM 5.3 | Qwen3.8 27B | Gemma 4 | GPT o200k |
| --- | --- | --- | --- | --- | --- |
| 系统提示词：261 词 → 66 词 | 295 → 88 (70%) | 294 → 89 (70%) | 297 → 95 (68%) | 297 → 96 (68%) | 293 → 86 (71%) |
| Few-shot：8 个示例 → 3 个 | 157 → 69 (56%) | 157 → 69 (56%) | 156 → 71 (54%) | 156 → 71 (54%) | 152 → 69 (55%) |
| 40 行：带缩进 JSON → 压缩 JSON | 2,446 → 1,606 (34%) | 2,460 → 1,581 (36%) | 3,180 → 1,980 (38%) | 3,210 → 2,010 (37%) | 2,446 → 1,567 (36%) |
| 40 行：压缩 JSON → CSV | 1,606 → 948 (41%) | 1,581 → 960 (39%) | 1,980 → 1,359 (31%) | 2,010 → 1,382 (31%) | 1,567 → 946 (40%) |
| 10 个工具：冗长 → 简短描述 | 1,224 → 806 (34%) | 1,214 → 797 (34%) | 1,225 → 806 (34%) | 1,252 → 827 (34%) | 1,202 → 796 (34%) |
| 10 个冗长工具 → 3 个简短工具 | 1,224 → 258 (79%) | 1,214 → 257 (79%) | 1,225 → 266 (78%) | 1,252 → 276 (78%) | 1,202 → 255 (79%) |
| 阿拉伯语段落：完整标注元音 → 不带符号 | 193 → 74 (62%) | 267 → 78 (71%) | 151 → 62 (59%) | 180 → 64 (64%) | 218 → 62 (72%) |

对英文文本，各分词器的节省比例相近，所以对一个模型有效的精简，对其他模型也有效。有两行打破了这个规律。订单数据在每种格式下，Qwen 和 Gemma 都比 DeepSeek 和 GLM 多花 23% 到 46% 的 token，因为它们的分词器把数字拆成单个数位：`100200` 在 Qwen 上是 6 个 token，在 DeepSeek 上是 2 个。另外，阿拉伯语变音符号对某些分词器的影响远大于其他分词器。

## 完整请求是什么样子？

原始文本漏掉了对话模板。用各模型自己的模板渲染、使用同一个客户问题，实测的完整提示词如下：

| 请求 | DeepSeek V4.1 Flash | GLM 5.3 | Qwen3.8 27B |
| --- | --- | --- | --- |
| A. 冗长系统提示词 + 10 个冗长工具 | 1,677 | 1,535 | 1,797 |
| B. 精简系统提示词 + 10 个简短工具 | 1,052 | 913 | 1,176 |
| C. 精简系统提示词 + 3 个简短工具 | 574 | 443 | 636 |
| D. 精简系统提示词，无工具 | 136 | 121 | 174 |
| C + 之前 20 轮完整对话 | 2,374 | 2,243 | 2,693 |
| C + 3 行摘要 + 最近 4 轮 | 979 | 849 | 1,103 |

从 A 到 C，每个请求减少了约 65% 到 71%（Qwen 上为 64.6%，GLM 上为 71.1%）。其中大部分来自工具。在冗长系统提示词下渲染，10 个冗长工具在 DeepSeek 上多出 1,334 token，在 GLM 上多出 1,209，在 Qwen 上多出 1,421；C 中的 3 个简短工具比 D 多出 322 到 462。[工具调用](https://broadrouter.com/zh/glossary/tool-calling/)的 schema 会随每个请求发送，不管模型用不用它们。

量大时，这就很可观了。在 [Qwen3.8 27B](https://broadrouter.com/zh/models/qwen3.8-27b/) 上，从 A 到 C 每个请求节省 1,161 token。每月 100,000 个请求就是约 1.16 亿输入 token，按标准输入价计每月 116 × $0.175。

## 如何精简系统提示词而不把它改坏？

我们 261 词的提示词和 66 词的提示词包含同样的七条规则。所有精简都属于同几类：

1.  **去掉对模型的客套话。**“It is very important that you always remain polite and courteous at all times”（译文：非常重要的是，你必须始终保持礼貌和谦恭）直接删掉：角色设定那一行已经隐含了这层意思。
2.  \*\*一条规则一行。\*\*用要点列表代替 “Please make sure that you always…”（译文：请务必确保你总是……）这样的句子。
3.  \*\*合并重复内容。\*\*关于语言的三句话变成了 “Reply in the customer’s language (Arabic or English), briefly.”（译文：用客户的语言（阿拉伯语或英语）简短回复。）
4.  **删除重复默认行为的话。**“Remember to always be helpful!”（译文：记得始终乐于助人！）什么也改变不了。

然后测试。一个丢了规则的短提示词，损失比节省的还多。用同样的 50 到 100 条真实输入跑两个版本并比较，就像[切换模型前先评估](https://broadrouter.com/zh/blog/evaluate-llm-before-switching/)中那样。

## 需要多少个 few-shot 示例？

比大多数提示词里带的要少。每个 [few-shot](https://broadrouter.com/zh/glossary/few-shot-prompting/) 示例在每次调用时都要付费。保留那些能纠正模型在没有示例时会犯的错误的示例，比如阿拉伯语分类器的方言示例；删掉模型本来就能做对的。我们从 8 个减到 3 个，示例部分节省了 54% 到 56%。3 个对你的任务够不够，是准确率问题而不是 token 问题，所以请在你的测试集上检查。

## 工具、数据和历史应该换种方式发送吗？

\*\*工具。\*\*只发送当前步骤能用到的工具。一个账单问题需要 `get_account`、`get_bill` 和 `create_ticket`，而不需要 `order_esim`。把描述精简到模型选择和填写工具所需的程度。这里缩进无关紧要：我们渲染的模板全都用 `tojson` 重新序列化 `tools` 数组，所以格式化的 tools 数组和压缩后的费用一样。

\*\*消息中的数据。\*\*粘贴到消息里的数据会按原样发送。至少要把 JSON 压缩。对于扁平的记录，CSV 或 TSV 去掉了重复的键名：在我们的测试中比压缩 JSON 少 31% 到 41% 的 token。嵌套数据仍然用 JSON。请检查模型是否仍能正确读取各列。

\*\*历史。\*\*每一轮过去的对话都会重新发送。把 16 轮旧对话换成三行摘要、最近四轮原样保留，让 Qwen 提示词从 2,693 降到 1,103 token。摘要会丢掉用户可能回头提到的细节，而且改写摘要会改变前缀，从而破坏缓存。[长时间运行智能体的上下文管理](https://broadrouter.com/zh/blog/long-running-agent-context-management/)介绍了何时压缩。

\*\*阿拉伯语变音符号。\*\*大多数阿拉伯语书写时不带短元音。如果你的输入来自词典、教材或宗教文献，带有完整元音标注，那么去掉这些符号（U+064B 到 U+0652）让我们的段落减少了 59% 到 72%。如果任务依赖它们，比如教学或诗歌，就保留。[阿拉伯语文本规范化](https://broadrouter.com/zh/blog/arabic-text-normalization-search/)介绍了其他值得规范化的字符，[阿拉伯语每词 token 数](https://broadrouter.com/zh/blog/tokens-per-word-arabic-english/)介绍了它与英语之间更大的差距。

## 缓存在其中起什么作用？

缓存不会缩短提示词，它让重复的部分更便宜。OpenAI 的缓存指南说 “the entire rendered prefix”（译文：整个渲染后的前缀）必须匹配，并建议把稳定的指令放在最前面。BroadNet 的[价格页](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-reduce-prompt-tokens&utm_content=body)把缓存输入描述为 “usually the repeated start of recent requests, such as a long system prompt”（译文：通常是近期请求中重复的开头部分，比如一段很长的系统提示词），无需任何设置；其文档在 `usage.prompt_tokens_details.cached_tokens` 中报告命中。

所以顺序是：先缩短，再让缩短后的前缀保持稳定。系统提示词和工具放在最前面，每次调用都逐字节一致；接着是历史，只追加不改写；新消息放在最后。在 Qwen3.8 27B 上，缓存输入每百万 $0.0435，新输入则是 $0.175。[如何组织提示词以利用缓存](https://broadrouter.com/zh/blog/prompt-structure-for-caching/)给出了布局和一个证明前缀被复用的测试。缓存 token 仍然占用上下文窗口。

## 如何测量你自己的提示词？

从账单开始。按调用位置记录一天的 `usage.prompt_tokens`，找出最大的那个。然后用下面的脚本在本地比较两个版本，它会打印两个文件修改前后的计数：

```python
# pip install tokenizers tiktoken huggingface_hub
import json, sys
import tiktoken
from huggingface_hub import hf_hub_download
from tokenizers import Tokenizer

def hf(repo, rev):
    return Tokenizer.from_file(hf_hub_download(repo, "tokenizer.json", revision=rev))

COUNTERS = {
    "Qwen3.8 27B": hf("Qwen/Qwen3.8-27B", "37561816e66b5b9153b1b64c10968c18c1e6f4a0").encode,
    "GPT o200k": tiktoken.get_encoding("o200k_base").encode,
}

def n(enc, text):
    out = enc(text)
    return len(out.ids if hasattr(out, "ids") else out)

def diff(before, after):
    for name, enc in COUNTERS.items():
        a, b = n(enc, before), n(enc, after)
        print(f"{name:12} {a:6} -> {b:6}  saved {a - b} ({100 * (a - b) / a:.0f}%)")

if __name__ == "__main__":
    diff(open(sys.argv[1], encoding="utf-8").read(), open(sys.argv[2], encoding="utf-8").read())
```

在我们的两个系统提示词上运行，输出为：

```text
Qwen3.8 27B     297 ->     95  saved 202 (68%)
GPT o200k       293 ->     86  saved 207 (71%)
```

从来源列表中加入其他模型的仓库，就能比较全部四个模型。想在浏览器里快速检查，可以用[提示词 token 对比工具](https://broadrouter.com/tools/prompt-token-diff/)并排比较两个版本，用 [token 计数器](https://broadrouter.com/tools/token-counter/)统计单个版本。部署之后，用包含模板的 `usage.prompt_tokens` 确认节省效果。

## BroadNet Inference 适合什么场景

BroadRouter 是 BroadNet 的网站。BroadNet Inference 按各模型的输入价对提示词 token 计费，对于有缓存价格的模型，重复的前缀从缓存读取并按缓存价计费，所以更短的提示词和稳定的前缀都能降低账单。[Gemma 4 VL 26B](https://broadrouter.com/zh/models/gemma-4-vl-26b/) 的上下文为 32,768 token，在它上面精简既关乎费用，也关乎能否放得下。DeepSeek V4.1 Flash 套餐不计 token，但 1,048,576 token 的上下文限制依然适用，更短的提示词也依然返回得更快。每个请求结束后，提示词都不会被保留。

相关免费工具（英文）

-   [OpenAI to BroadNet migration helper](https://broadrouter.com/tools/openai-to-broadnet-migration/) Paste OpenAI SDK code; get base URL, key and model edits, a diff and the checks that remain.
-   [max\_tokens calculator for reasoning models](https://broadrouter.com/tools/reasoning-token-budget/) Answer length + reasoning budget + margin = a max\_tokens that does not cut the answer off.
-   [JSON schema generator for LLM structured output](https://broadrouter.com/tools/json-schema-generator/) Sample JSON to strict schema, Pydantic, Zod and a ready request.
-   [LLM JSON output validator](https://broadrouter.com/tools/llm-json-output-validator/) Parse errors by line and column, safe repairs, cut-off detection and JSON Schema checks for model output.

[免费工具（英文）](https://broadrouter.com/tools/)

## 本文涉及的术语

[Token（词元）](https://broadrouter.com/zh/glossary/token/)

token（词元）是大语言模型读写文本的基本单位：由模型的分词器切分出的一个词、词的一部分、一个标点或一段字节序列。大模型 API 按 token 计数、设定限制，通常也按 token 计费。

[系统提示词（system prompt）](https://broadrouter.com/zh/glossary/system-prompt/)

系统提示词是应用在对话开始前发给语言模型的指令文本，通常是一条 system 或 developer 角色的消息。它设定模型的角色、规则、语气和输出格式，当用户消息与它冲突时，模型应当优先遵循它。

[阿拉伯语变音符号（tashkeel）](https://broadrouter.com/zh/glossary/arabic-diacritics/)

阿拉伯语变音符号（tashkeel）是写在字母上方或下方的小符号，用来标示短元音、辅音重叠和无元音。它们是可选的：包括新闻在内，大多数阿拉伯语文本都省略它们，读者和软件需要根据上下文推断元音。

[少样本提示（few-shot prompting）](https://broadrouter.com/zh/glossary/few-shot-prompting/)

少样本提示是一种在真实输入之前，先在提示词中放入少量“输入—输出”示例的技巧，让语言模型从中推断任务和格式。模型权重不会改变；零样本不用示例，单样本只用一个。

[工具调用（tool calling / function calling）](https://broadrouter.com/zh/glossary/tool-calling/)

工具调用（也叫函数调用，function calling）是大模型 API 的一项功能：模型返回一个结构化请求，要求执行开发者定义的某个函数，并附上 JSON 参数。应用执行该函数并把结果发回；模型自己从不执行代码。

[输入 token 与输出 token](https://broadrouter.com/zh/glossary/input-and-output-tokens/)

输入 token 是语言模型在一次请求中读取的 token，包括系统提示词、对话历史、工具定义和图片。输出 token 是模型生成回复的 token，包括思考内容。大模型 API 通常分别计价，输出一般更贵。

[AI 智能体（AI agent）](https://broadrouter.com/zh/glossary/agent/)

AI 智能体是由语言模型自主决定步骤、朝目标推进的系统：它决定调用哪些工具、读取结果，然后重复，直到给出最终回答或触及上限。在固定位置调用模型的固定脚本，通常称为工作流（workflow）。

[对话模板（chat template）](https://broadrouter.com/zh/glossary/chat-template/)

对话模板是一套格式规则，通常用 Jinja 编写并随模型的分词器一起发布，它把带角色的对话消息列表转换成模型期望的单一 token 序列，包括模型专用的控制 token。用错模板会让模型的回答质量大幅下降。

## 常见问题

### 怎么减少提示词里的 token 数？

先测量：记录 usage.prompt\_tokens，找出最大的部分。然后按我们实测节省从多到少的顺序：只发送某一步需要的工具，精简工具和系统提示词的措辞，表格用 CSV 而不是 JSON 发送，few-shot 示例只留会改变结果的那些，再把旧的对话轮次做成摘要。

### 格式化（带缩进）的 JSON 会用更多 token 吗？

会。在我们的测试中，把 40 行带缩进的 JSON 压缩后，视分词器不同节省了 34% 到 38% 的 token，改用 CSV 发送则节省 57% 到 61%。反过来说，带缩进的 JSON 比压缩 JSON 多用 52% 到 61% 的 token，比 CSV 多 132% 到 159%。工具 schema 是例外：对话模板会重新序列化它们，所以 tools 数组里的缩进根本不会传到模型。

### 工具定义要用多少 token？

取决于措辞和模型的模板。我们那 10 个描述冗长的工具，在 DeepSeek V4.1 Flash、GLM 5.3 和 Qwen3.8 27B 上让渲染后的提示词多出约 1,200 到 1,400 token。3 个描述简短的工具多出约 320 到 460。

### 阿拉伯语变音符号会增加 token 数吗？

会增加很多。在五种分词器上，一段 31 个词的现代标准阿拉伯语段落，不带变音符号是 62 到 78 token，完整标注元音则是 151 到 267 token。大多数阿拉伯语文本本来就不带变音符号，所以除非任务需要（例如诗歌或教学），否则从输入中去掉它们。

### 提示词缓存比缩短提示词更好吗？

两者配合使用。缓存让重复的前缀更便宜，但它仍然占用上下文窗口，也仍然要付费。先缩短，再让缩短后的前缀在每个请求的开头逐字节保持一致，这样它才能从缓存中读取。

### 为什么我算出的 token 数和 API 返回的 prompt\_tokens 不一样？

API 计算的是渲染后的提示词：你的消息被包进对话模板，再加上按模板自身格式写入的工具 schema。只对原始文本运行分词器会漏掉这些。用分词器比较不同版本，用 usage.prompt\_tokens 核对账单。

## 继续阅读

-   [智能体 token 预算：智能体循环的 token 都花在哪里](https://broadrouter.com/zh/blog/agent-token-budget/)
-   [发送大模型请求前，怎么计算 token 数？](https://broadrouter.com/zh/blog/count-tokens-before-sending/)
-   [如何组织提示词，让前缀被缓存](https://broadrouter.com/zh/blog/prompt-structure-for-caching/)
-   [缓存输入 token 详解：如何降低大模型 API 账单](https://broadrouter.com/zh/blog/cached-input-tokens-explained/)
-   [阿拉伯语与英语每词 token 数：为什么阿拉伯语更贵](https://broadrouter.com/zh/blog/tokens-per-word-arabic-english/)
-   [长时间运行的智能体如何管理上下文：用好 1M 窗口](https://broadrouter.com/zh/blog/long-running-agent-context-management/)
-   [降低编程智能体大模型成本的 10 个方法（附节省估算）](https://broadrouter.com/zh/blog/cut-coding-agent-llm-costs/)
-   [缓存大模型 API 响应以降低成本：用 Python 实现精确匹配缓存](https://broadrouter.com/zh/blog/cache-llm-responses-cut-cost/)
-   [BroadNet 的 GPU 硬件与推理部署方式（据 BroadNet 自述）](https://broadrouter.com/zh/blog/broadnet-gpu-fleet-and-serving/)
-   [把人工复核纳入文档 AI 工作流](https://broadrouter.com/zh/blog/document-review-queues/)
-   [指南：用 OpenAI Python SDK 调用 BroadNet Inference](https://broadrouter.com/zh/guides/openai-python-sdk/)

用你的真实业务负载试一试。新账户可获得 US$5 初始额度，用于 Gemma和转写。DeepSeek、GLM和Qwen3.8 需要先充值。

[开始使用](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-reduce-prompt-tokens&utm_content=page-cta) ·

**来源**

-   [Hugging Face 上的 Qwen/Qwen3.8-27B：版本 37561816 的 tokenizer.json 和 chat\_template.jinja（2026-11-15 下载）](https://huggingface.co/Qwen/Qwen3.8-27B)
-   [Hugging Face 上的 zai-org/GLM-5.3：版本 ba32f8c1 的 tokenizer.json 和 chat\_template.jinja（2026-11-15 下载）](https://huggingface.co/zai-org/GLM-5.3)
-   [Hugging Face 上的 deepseek-ai/DeepSeek-V4.1-Flash：版本 314113f8 的 tokenizer.json 和 chat\_template.jinja（2026-11-15 下载）](https://huggingface.co/deepseek-ai/DeepSeek-V4.1-Flash)
-   [Hugging Face 上的 google/gemma-4-26B-A4B-it：版本 4d7ae498 的 tokenizer.json，BroadNet Gemma 4 VL 26B 的基础模型（2026-11-15 查阅）](https://huggingface.co/google/gemma-4-26B-A4B-it)
-   [GitHub 上的 OpenAI tiktoken：o200k\_base 编码，使用 0.14.0 版（2026-11-15 查阅）](https://github.com/openai/tiktoken)
-   [OpenAI 提示词缓存指南：稳定内容放前面，整个渲染后的前缀必须匹配，工具属于被缓存的上下文（2026-11-15 查阅）](https://developers.openai.com/api/docs/guides/prompt-caching)
-   [BroadNet Inference 价格页：缓存输入是近期请求中重复的开头部分，计费更低，无需设置（2026-11-15 查阅）（英文）](https://inference.broadnet.ai/pricing?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-reduce-prompt-tokens&utm_content=sources)
-   [BroadNet Inference API 参考：usage 块中报告的缓存 token、模型能力（2026-11-15 查阅）（英文）](https://inference.broadnet.ai/docs?utm_source=broadrouter&utm_medium=referral&utm_campaign=zh-blog-reduce-prompt-tokens&utm_content=sources)
