同一个模型，输出token差了89%：Agent变啰嗦，锅不在提示词

一个Agent跑15到20次工具调用的多步任务，系统提示里写着“保持简洁”“不要重复”，通常跑到一半就压不住了。模型开始在每次工具调用前先narrate一遍计划，把文件内容原样贴回对话，步骤之间塞满过渡句。

有人做了对照实验：同一个模型 gemini-3.8-flash，两套不同的agent harness，跑完全相同的任务。一套解决多文件配置bug输出了8711个token，另一套解决同一个bug只用了944个，生成的文本量掉了89%。

差别跟系统提示词的措辞关系不大，起作用的是prompt和工具循环的拼装方式，具体是两处结构选择。

一，工具步骤和用户回复混在同一个对话流里

当内部工具调用和面向用户的回复共享一条对话流，模型会把每次工具调用都当成一条发给人的消息，于是自动裹上一层礼貌性解释。把静默的工具轮次和对外回复拆开，这个习惯立刻消失。

二，每轮都在改prompt顶部

时间戳、动态状态块每轮都变，会破坏prefix caching（前缀缓存，让模型复用已计算的开头部分，避免重复计费和重复推理），逼模型在嘈杂的上下文上重新锚定。前缀严格保持只追加，总输入token砍半，prompt缓存命中率超过55%。

多数人调Agent的时间花在改提示词措辞上，措辞是表面。真正吃token的是harness的结构。

完整的benchmark表格和prompt结构写在原文链接，作者另外还放了一套技能包和专用提示词的组织方式。