提示词压缩（Prompt Compression）指的是：在不明显损害模型输出质量的前提下，把送进模型的提示文本变短。
压掉的是哪些字
被压掉的通常是四类：
1. 语言冗余。礼貌语、连接词、重复强调——"麻烦你""非常重要""换句话说""正如前面提到的"。这些词对人有用，对模型基本是噪声。
2. 无关上下文。检索增强（RAG，Retrieval-Augmented Generation）召回的文档里，跟问题无关的段落、页眉页脚、导航文字、反复出现的条款编号。
3. 可预测的内容。一段话里，前半句已经把后半句说死了的部分。压缩工具常用一个小模型给每个词元（token）打"意外程度"分，分数低的先删。
4. 结构重复。少样本示例（few-shot）里反复出现的模板句、每条都一样的指令前缀。
不该压掉的：否定词、数字、专有名词、硬约束（"只能用中文""不要编造"）。删掉一个"不"字，意思就反了，这是压缩最容易出事的地方。
打个比方
像搬家打包。聪明人不会扔东西，而是扔掉纸箱、气泡膜、说明书里重复的那几页，把被子抽真空。体积小了，到新家拆开还是那些家当。压缩追求的是提高信息密度，不是把行李减到最少。
和相邻概念的区别
| 概念 | 砍的依据 | 结果长什么样 |
|---|---|---|
| 提示词压缩 | 每个片段的信息量 | 可能不太通顺 |
| 摘要 | 人的阅读需求 | 通顺、像人话 |
| 上下文截断 | 位置（老的先扔） | 保留原文 |
| 检索（RAG） | 相关性，在进来之前就筛 | 保留原文 |
关键差别：摘要追求"人看得懂"，压缩追求"模型答得对"。所以压缩后的文本可能人读起来莫名其妙——只剩一串名词和数字——但模型照样答得对。
实际意义
词元就是钱和延迟。AI 词典：上下文窗口">上下文窗口再大，塞得太满也会让模型注意力被稀释，关键信息反而被淹没。压缩能同时省钱、提速、提准，所以在长文档问答、多轮对话、批量处理里很常见。
但压缩是有损的。压缩率越高，丢关键信息的风险越大，而且往往丢得悄无声息——不报错，只是答错。稳妥做法是：保留原文以便回溯，在真实任务上做 A/B 对比，而不是只看压缩率这一个指标。合同、病历、财务这类高风险场景，宁可少压。
对普通职场人来说，把提示里的"请""麻烦""非常感谢"删掉，把约束和事实留下，就已经是手动版压缩了。省下的不只是钱，还有模型的注意力。