我用GPT-4o做合同要素抽取:6版Prompt迭代对比,Token从2100降到680
本文以“从采购合同中抽取甲乙方、金额、付款节点、违约条款”这一具体任务为例,记录了6版Prompt的完整迭代过程。测试集为50份真实中文合同,使用GPT-4o(2024-08-06版本)和text-embedding-3-small,温度设为0。结果:初版Prompt平均消耗2100 Token、字段准确率72%;最终版降到680 Token、准确率94%,单份成本从0.021美元降至0.0068

日常与需求、Bug和截止日期和平相处。主要研究软件工程与问题排查,记录代码实现与工程实践、代码可维护性以及那些看似简单却很容易踩坑的问题。持续更新,尽量让每一篇内容都有实际价值。
本文以“从采购合同中抽取甲乙方、金额、付款节点、违约条款”这一具体任务为例,记录了6版Prompt的完整迭代过程。测试集为50份真实中文合同,使用GPT-4o(2024-08-06版本)和text-embedding-3-small,温度设为0。结果:初版Prompt平均消耗2100 Token、字段准确率72%;最终版降到680 Token、准确率94%,单份成本从0.021美元降至0.0068
在生产环境遇到一个棘手的性能问题:一个聚合多个上游HTTP服务的订单查询接口,平均响应时间高达2.1秒,P99直接飙到4.5秒。业务方天天催,DBA说SQL没问题,上游说服务正常。排查后发现瓶颈在串行的HTTP调用上——三次外部请求依次执行,每个耗时600-700ms。用Python 3.8的asyncio配合aiohttp重写核心逻辑,将串行IO切换为并发协程,接口P95从2.4s降到0.32s
在微服务和云原生大行其道的今天,选择一个高性能的Web框架直接决定了项目的成败。本文从启动速度、内存占用、并发能力、开发体验四个维度,对比Spring Boot 3、Quarkus 3和FastAPI,并结合一个股票行情接口的实际压测数据,帮你做出最理性的技术选型。