Amazon Bedrock Prompt Optimization 实测：一键优化 Prompt 的效果到底如何？

Lab 信息

• 难度: ⭐ 入门
• 预估时间: 30 分钟
• 预估费用: < $1.00（API 调用费用）
• Region: us-east-1
• 最后验证: 2026-03-25

背景

Prompt 工程是使用大语言模型的核心环节，但不同模型有不同的最佳实践——Claude 偏好 XML 标签，Llama 适合简洁指令，Mistral 有自己的格式偏好。手动为每个模型优化 prompt 既耗时又容易遗漏关键技巧。

2024 年 11 月，Amazon Bedrock 推出了 Prompt Optimization 预览版。2025 年 4 月正式 GA，支持 Anthropic、Meta、Amazon、Mistral、DeepSeek 等主流模型。它能自动分析你的 prompt 并重写为针对目标模型优化的版本。

核心问题：自动优化到底有多大效果？优化后的 prompt 结构有什么规律？不同模型的优化策略有何差异？本文通过 7 组实测对比给出答案。

前置条件

• AWS 账号（需要 bedrock:InvokeModel 和 bedrock-agent-runtime:OptimizePrompt 权限）
• AWS CLI v2 已配置
• Python 3.8+ 和 boto3
• 目标 Region 已启用 Bedrock 模型访问（Claude 3 Haiku、Nova Lite、Llama 3 70B、Mistral Large）

核心概念

Prompt Optimization 是什么？

Prompt Optimization 是 Amazon Bedrock 内置的 prompt 自动优化工具。你提供一段原始 prompt 和目标模型 ID，它会：

1. 分析（Analyze）：识别 prompt 的任务类型、意图和改进空间
2. 重写（Optimize）：基于目标模型的最佳实践，生成结构化的优化版本

关键特性

特性	说明
支持模型	Claude 3/3.5/3.7/4, Nova Lite/Micro/Pro/Premier, Llama 3/3.1/3.2/3.3/4, Mistral Large, DeepSeek-R1
输入格式	仅文本（textPrompt），不支持多模态
API	bedrock-agent-runtime 服务的 OptimizePrompt 端点
响应格式	流式（先返回分析事件，再返回优化后 prompt）
推荐语言	英文效果最佳
GA Regions	us-east-1, us-west-2, ap-south-1, ap-southeast-2, ca-central-1, eu-central-1, eu-west-1, eu-west-2, eu-west-3, sa-east-1

动手实践

Step 1: 准备环境

# 确保 boto3 已安装
pip install boto3

# 配置 AWS CLI（如已配置可跳过）
aws configure --profile your-profile

Step 2: 调用 Prompt Optimization API

import boto3
import json

# 配置
REGION = "us-east-1"
client = boto3.client('bedrock-agent-runtime', region_name=REGION)

def optimize_prompt(prompt_text, target_model_id):
    """调用 OptimizePrompt API，返回分析结果和优化后 prompt"""
    response = client.optimize_prompt(
        input={"textPrompt": {"text": prompt_text}},
        targetModelId=target_model_id
    )

    analysis = None
    optimized = None
    for event in response['optimizedPrompt']:
        if 'analyzePromptEvent' in event:
            analysis = event['analyzePromptEvent'].get('message', '')
        elif 'optimizedPromptEvent' in event:
            opt_data = event['optimizedPromptEvent'].get('optimizedPrompt', {})
            if 'textPrompt' in opt_data:
                optimized = opt_data['textPrompt'].get('text', '')

    return analysis, optimized

# 示例：优化一个简单的摘要 prompt
original = "Summarize the key points of cloud computing"
analysis, optimized = optimize_prompt(
    original, 
    "anthropic.claude-3-haiku-20240307-v1:0"
)

print(f"原始 prompt ({len(original)} 字符):")
print(original)
print(f"\n优化后 prompt ({len(optimized)} 字符):")
print(optimized)

Step 3: 对比优化效果

bedrock = boto3.client('bedrock-runtime', region_name=REGION)

def invoke_model(model_id, prompt_text, max_tokens=500):
    """调用 Converse API 获取模型响应"""
    response = bedrock.converse(
        modelId=model_id,
        messages=[{"role": "user", "content": [{"text": prompt_text}]}],
        inferenceConfig={"maxTokens": max_tokens, "temperature": 0.3}
    )
    output = response['output']['message']['content'][0]['text']
    usage = response.get('usage', {})
    return output, usage

# 分类任务对比
original_prompt = "Classify this text as positive or negative: I love this product"
_, optimized_prompt = optimize_prompt(
    original_prompt, 
    "anthropic.claude-3-haiku-20240307-v1:0"
)

# 用原始 prompt 调用模型
output_original, usage_original = invoke_model(
    "anthropic.claude-3-haiku-20240307-v1:0", original_prompt
)
print(f"原始 prompt 输出 ({usage_original.get('outputTokens')} tokens): {output_original}")

# 用优化后 prompt 调用模型
output_optimized, usage_optimized = invoke_model(
    "anthropic.claude-3-haiku-20240307-v1:0", optimized_prompt
)
print(f"优化后输出 ({usage_optimized.get('outputTokens')} tokens): {output_optimized}")

Step 4: 多模型对比优化

# 同一 prompt 针对不同模型优化
base_prompt = "Write a detailed analysis of the pros and cons of microservices architecture"

models = {
    "Claude 3 Haiku": "anthropic.claude-3-haiku-20240307-v1:0",
    "Nova Lite": "amazon.nova-lite-v1:0",
    "Llama 3 70B": "meta.llama3-70b-instruct-v1:0",
    "Mistral Large": "mistral.mistral-large-2402-v1:0"
}

for name, model_id in models.items():
    _, optimized = optimize_prompt(base_prompt, model_id)
    print(f"\n{name}: {len(optimized)} 字符")
    # 查看前 200 字符了解结构差异
    print(optimized[:200])

测试结果

实验 1：Prompt 膨胀度分析

不同任务类型的原始 prompt 经优化后的长度变化：

任务类型	原始长度	优化后长度	扩展倍数	优化策略特征
摘要	43 字符	1,802 字符	42x	8 维度分析框架 + 输出格式要求
分类	63 字符	1,716 字符	27x	分类标准定义 + 4 个 Few-shot 示例
代码生成	38 字符	1,269 字符	33x	需求列表 + 示例用法 + 输出格式
推理	56 字符	794 字符	14x	结构化指令 + 输出格式（最简洁）
极短（write poem）	10 字符	1,706 字符	170x	完整诗歌创作要求

关键发现：系统能智能识别任务类型——分类任务自动添加 few-shot 示例，推理任务保持简洁聚焦，代码生成任务补充了 edge case 处理要求。

实验 2：多模型优化策略对比

同一 prompt 针对 4 个模型优化的结构差异：

目标模型	优化长度	耗时	结构特征
Claude 3 Haiku	2,766 字符	24.4s	XML 标签（task_objective/analysis_framework/instructions）
Nova Lite	2,140 字符	13.2s	Markdown ## 标题 + 编号 guidelines
Llama 3 70B	1,516 字符	14.2s	Markdown ## 标题，更简洁直接
Mistral Large	1,526 字符	15.6s	Markdown ### 子标题，分 Pros/Cons 框架

关键发现：Claude 模型优化结果使用 XML 标签结构（这是 Anthropic 推荐的最佳实践），而 Nova/Llama/Mistral 统一使用 Markdown 格式但各有差异，证实系统会根据目标模型特点定制优化策略。

实验 3：输出质量对比

原始 prompt vs 优化后 prompt 在同一模型上的输出质量：

分类任务（Claude 3 Haiku）：

指标	原始 prompt	优化后 prompt
输出内容	"The given text is a positive classification..." (138 字符)	"Positive" (8 字符)
输出 tokens	32	5
输入 tokens	20	257
响应时间	1.26s	0.80s

优化后的分类任务输出 tokens 减少 84%，响应更精准、零冗余。

推理任务（Claude 3 Haiku）：

指标	原始 prompt	优化后 prompt
答案正确	✅ 9 只	✅ 9 只
输出 tokens	145	79
输出格式	冗长分步推导	结构化 XML 标签包裹

实验 4：跨模型使用

为 Claude 优化的 prompt 用在 Nova 上是否可行？

调用方式	输出 tokens	输出长度
原始 prompt → Nova	373	2,070 字符
Claude 优化 prompt → Nova（跨模型）	291	1,423 字符
Nova 优化 prompt → Nova（匹配）	500	2,709 字符

发现：跨模型使用可行但非最优。匹配优化的 prompt 能更好地发挥目标模型的能力。

实验 5：边界测试

场景	输入	结果
极短 prompt	"write poem" (10 字符)	✅ 成功，生成 1,706 字符的完整诗歌创作指令
不支持的模型	titan-text-express-v1	❌ ValidationException: Model not found（0.3s 快速失败）

踩坑记录

注意事项

1. 优化耗时 13-25 秒：Prompt Optimization 不适合放在实时调用链中。建议在开发/迭代阶段使用，优化好后保存到 Prompt Management 复用。（已查文档确认：设计为开发时使用，非实时推理路径）

2. 输入 tokens 大幅增加：优化后 prompt 可达原始的 14-170 倍。虽然输出更精准（输出 tokens 减少），但输入成本会上升。需要在精准度和成本间做权衡。

3. 优化格式因模型而异：Claude 模型优化结果使用 XML 标签，其他模型使用 Markdown。跨模型复用优化后的 prompt 效果会打折扣。（实测发现，官方未明确记录各模型的优化格式差异）

4. 仅支持英文最佳：官方明确推荐英文 prompt。中文或其他语言的优化效果可能不理想。

费用明细

资源	单价	用量	费用
OptimizePrompt API	按 token 计费	~15 次调用	< $0.25
Converse API（Claude 3 Haiku）	$0.25/1M input, $1.25/1M output	~5 次调用	< $0.10
Converse API（Nova Lite）	$0.06/1M input, $0.24/1M output	~3 次调用	< $0.05
合计			< $0.50

清理资源

# 本 Lab 仅使用 API 调用，无需清理持久化资源
# 如果在 Prompt Management 中保存了优化后的 prompt，可按需删除：
aws bedrock-agent delete-prompt \
    --prompt-identifier YOUR_PROMPT_ID \
    --region us-east-1

无需担心

本 Lab 不创建任何持久化 AWS 资源，完成后不会产生持续费用。

结论与建议

核心发现

1. Prompt Optimization 确实有效：优化后的 prompt 让模型输出更精准、更结构化，输出 tokens 减少 45-84%
2. 智能任务识别：系统能自动识别摘要/分类/代码生成/推理等任务类型，采用差异化优化策略
3. 模型特异性优化：针对不同模型使用不同格式（Claude→XML，Others→Markdown），这是真正的模型适配，不是简单的 prompt 膨胀
4. Token 经济性权衡：输入成本上升但输出成本下降，对需要精准输出的场景（分类、提取）收益最大

适用场景

推荐使用 ✅	不推荐 ❌
开发阶段优化 prompt	实时推理链中调用（13-25s 延迟）
分类/提取等需要精准输出的任务	已经精心手工调优过的 prompt
多模型适配（一个 prompt 需要跑多个模型）	非英文 prompt
Prompt 工程新手快速上手	简单的一次性查询

生产环境建议

1. 开发时优化，运行时复用：在 Prompt Management 中保存优化后的 prompt，运行时直接引用
2. 分类/提取任务优先使用：这类任务从优化中获益最大（输出 tokens 降幅可达 84%）
3. 为每个目标模型单独优化：跨模型使用优化 prompt 效果会打折扣
4. 关注总成本：输入 tokens 增加 + 输出 tokens 减少，算总账决定是否值得

参考链接

• Amazon Bedrock Prompt Optimization 用户指南
• OptimizePrompt API Reference
• Amazon Bedrock 定价
• AWS What's New 公告
• Prompt Management 文档