# 模型对比 · 普通对话提示词精简（2026-10-07，BUG-1256）

对比对象：改前 = staging `b8385adb` 的提示词；改后 = 分支 `codex/prompt-slim-20261007`（去重 + 方法书精简）。

做法：用仓库里真实引擎的公开名人 golden 盘（Steve Jobs / Barack Obama / Elizabeth Taylor）构造工具结果，与线上同一套拼法（系统提示 + 用户轮指令 + 工具调用 + 工具结果）直连 DeepSeek API，`max_tokens` 与线上一致（24,576）。两边的问题、盘面、工具结果完全相同，只换系统提示。脚本在会话临时目录，不入库；回答原文不入库，下面只记数字和结论。

## 体量

| 项 | 改前 | 改后 |
| --- | --- | --- |
| 本命系统提示 | 55,242 字符（约 2.2 万 token） | 26,591 字符（约 1.06 万 token） |
| 英文形状摘要出现次数 | 4 | 1 |
| 方法书摘录 + 共享方法 | 25,872 字符 | 约 2,500 字符 |
| 每轮实际输入（API 计量，含工具结果） | 平均 24,560 token | 平均 14,025 token（−43%） |

## deepseek-flash，10 题（事业 / 婚恋 / 财运 / 父母 / 子女 / 健康 / 学业 / 是非题 ×2 / 问时间）

| 指标 | 改前 | 改后 |
| --- | --- | --- |
| 平均耗时 | 37.8 s | 30.3 s（−20%） |
| 平均思考 token | 6,975 | 5,683（−19%） |
| 空回答 | 0（`max_tokens` 改为线上值后） | 0 |
| 自动检查（标题、列表、加粗、清单层名、数宫法、自造词 / 音译、置信标签、断定读心、后台词、空话、语气词） | 全 0 | 全 0 |
| 英文术语命中 | 1 题 | 1 题 |
| 「确定性措辞」命中 | 0 | 1 题，人工看是误报（原句「不是哪一天一定会发生什么」） |
| 是非题首句 | 「看情况」「不是」 | 「看情况」「不是」 |

人工通读 1、3、8 题两版：结构、分段、读心、括号依据一致；改后第 8 题主动说明「另一套推运没对上，所以不给具体某一天」（精简后补的边界要点生效）。

## 高严谨请求（第 11 题：「拉满三大引擎和外部案例验证，精确到月，说明核对过哪些外部资料」）

两版都如实说明未做外部核验。改后措辞更直白（「没有做外部引擎比对，没有联网核验，也没有拿真实案例回放校准……不假装做过」），并以两套推运未同向为由不给确定月份。耗时 42.3 s → 28.7 s。

## deepseek-v4-pro，抽 3 题

| 指标 | 改前 | 改后 |
| --- | --- | --- |
| 平均耗时 | 92.5 s | 33.6 s |
| 平均思考 token | 11,644 | 3,588 |
| 空回答 | 1（第 8 题思考 24,563 token 耗尽上限，181 s） | 1（第 7 题 4 s 返回空，重跑 3/3 正常，判为偶发） |

第 7 题再各跑：改后 3 次、改前 2 次，均正常作答，首句为「不是 / 看情况」。

## 结论与缺口

- 精简后体量减半，速度更快、思考更少，回答质量与诚实边界未见退化。
- 样本小（flash 10 题 + 1 题、pro 3 题），只用 3 张公开名人盘；真机仍需按 `consult-voice-sister-20261007.md` 与 `consult-readable-20261006.md` 两份清单走。