在企業 AI 的發展中，除了選擇合適的模型和提示詞，如何優化提示詞同樣至關重要。Databricks 近期推出的 Agent Bricks 技術致力於解決這一難題，並在此基礎上進一步改善了提示優化技術。該公司今天發佈的新研究顯示，其 GEPA（生成進化提示適應）技術在提示優化方面實現了質的飛躍，幫助企業將模型的運營成本降低多達90倍。

AI機器人面試，談判

圖源備註：圖片由AI生成，圖片授權服務商Midjourney

此次突破的提示優化技術正值 Databricks 與 OpenAI 達成1億美元合作伙伴關係之際。該協議將使 Databricks 的企業客戶能夠原生訪問 GPT-5模型，這也與 Databricks 之前與 Anthropic 和 Google 達成的合作相呼應。需要強調的是，1億美元並非兩家公司之間的支付金額，而是 Databricks 對該合作潛在收益的預期。

“提示優化不僅僅是對已有查詢的優化，而是對查詢本身進行重新構造，”Databricks 神經網絡首席技術官唐漢林在接受採訪時表示。他指出，GEPA 技術通過調整企業提問的方式，提高與 AI 系統的交互質量。

GEPA 採用一種被稱爲自然語言反思的方法，讓 AI 對自身輸出進行自我評估並逐步改進。通過這種反饋循環，該技術能夠自動發現特定任務的最佳提示策略。數據顯示，GEPA 優化後的模型在金融、法律、商業和醫療等多個領域的表現比基準模型高出4-7個百分點。

在企業級應用中，Databricks 的優化開源模型在處理10萬次請求時，服務成本僅爲 Claude Opus4.1的1/90。這一優勢在大規模應用時更爲明顯，優化的單次成本相較於長期服務成本顯得微不足道。GEPA 不僅超越了目前流行的監督微調技術，還減少了20% 的服務成本，同時節省了工程師和數據科學家的時間。

此外，與 OpenAI 的集成使得企業能夠更加便捷地使用多種高質量模型。唐漢林提到，企業無需外部供應商關係或 API 密鑰，即可直接在 Databricks 中調用 GPT-5模型。該集成簡化了以前在部署高級模型時所需的供應商管理工作。

爲了幫助企業更好地部署 AI 技術，唐漢林給出了三條建議:首先，建立可靠的評估機制;其次，質疑傳統微調的默認選項;最後，重新思考模型採購策略。對於希望在 AI 應用中佔據領先地位的企業而言，顯然，突破性的 AI 性能成本壁壘已經被打破，早期投資優化能力的企業將擁有越來越明顯的競爭優勢。

劃重點:  

🌟 **Databricks 推出 GEPA 技術，助力企業優化 AI 提示詞，提高交互質量。**  

💰 ** 與 OpenAI 達成1億美元合作，企業客戶可直接使用 GPT-5模型。**  

🔍 ** 專家建議企業建立評估機制、質疑傳統微調、重新思考模型採購策略。**