Revision Prompting：用差分补丁让 LLM 处理成本大降 65%
Dry_Rabbit_1123 · reddit · 2026-08-11
作者提出了一种名为 Revision Prompting 的实用技巧，适用于输入频繁微调的自动化 LLM 流水线（如文档翻译、发票提取）。
传统做法在输入变动时重新生成全部内容，存在两个痛点：模型非确定性导致未改动部分也被重写，且每次都需完整生成耗时耗力。新方法则保留原始输入与输出，当输入更新时，仅向模型提供输入差分，并要求其输出针对原结果的补丁，随后在本地应用该补丁。
实际收益：
- 处理时间下降约 80%，成本下降约 65%。
- 通过增加廉价的输入 token（prefill）换取减少昂贵的输出 token（decode），在本地部署中收益会更显著。
- 附带保证了未变动内容的字节级一致性。
注意事项： 若输入发生大面积更改，仍建议直接重新运行；此外需要系统额外存储历史输入/输出对。
「编程与Agent」频道最新
- 实测将AI Agent接入外卖与健康数据，全自动接管个人饮食 — claud_fuen · 2026-08-11
- OpenSkills：为各类 AI 编程助手提供统一技能加载器 — tom_doerr · 2026-08-11
- 生产级 Agent 调试痛点：复现 Bug 与精准定位哪个更难？ — JuniorLeg6988 · 2026-08-11
- RegTech 实践：LLM 在合规审查中的边界与可解释性 — Innowise_ · 2026-08-11
- 研究披露：公开AI智能体轨迹泄露超31万条机密信息 — matthew_d_green · 2026-08-11
- AI 智能体常写对代码却答错问题，Agentic 数据科学调查启动 — hugobowne · 2026-08-11