在企业 AI 的发展中，除了选择合适的模型和提示词，如何优化提示词同样至关重要。Databricks 近期推出的 Agent Bricks 技术致力于解决这一难题，并在此基础上进一步改善了提示优化技术。该公司今天发布的新研究显示，其 GEPA（生成进化提示适应）技术在提示优化方面实现了质的飞跃，帮助企业将模型的运营成本降低多达90倍。
此次突破的提示优化技术正值 Databricks 与 OpenAI 达成1亿美元合作伙伴关系之际。该协议将使 Databricks 的企业客户能够原生访问 GPT-5模型，这也与 Databricks 之前与 Anthropic 和 Google 达成的合作相呼应。需要强调的是，1亿美元并非两家公司之间的支付金额，而是 Databricks 对该合作潜在收益的预期。
“提示优化不仅仅是对已有查询的优化，而是对查询本身进行重新构造，”Databricks 神经网络首席技术官唐汉林在接受采访时表示。他指出，GEPA 技术通过调整企业提问的方式，提高与 AI 系统的交互质量。
GEPA 采用一种被称为自然语言反思的方法，让 AI 对自身输出进行自我评估并逐步改进。通过这种反馈循环，该技术能够自动发现特定任务的最佳提示策略。数据显示，GEPA 优化后的模型在金融、法律、商业和医疗等多个领域的表现比基准模型高出4-7个百分点。
在企业级应用中，Databricks 的优化开源模型在处理10万次请求时，服务成本仅为 Claude Opus4.1的1/90。这一优势在大规模应用时更为明显，优化的单次成本相较于长期服务成本显得微不足道。GEPA 不仅超越了目前流行的监督微调技术，还减少了20% 的服务成本，同时节省了工程师和数据科学家的时间。
此外，与 OpenAI 的集成使得企业能够更加便捷地使用多种高质量模型。唐汉林提到，企业无需外部供应商关系或 API 密钥，即可直接在 Databricks 中调用 GPT-5模型。该集成简化了以前在部署高级模型时所需的供应商管理工作。
为了帮助企业更好地部署 AI 技术，唐汉林给出了三条建议:首先，建立可靠的评估机制;其次，质疑传统微调的默认选项;最后，重新思考模型采购策略。对于希望在 AI 应用中占据领先地位的企业而言，显然，突破性的 AI 性能成本壁垒已经被打破，早期投资优化能力的企业将拥有越来越明显的竞争优势。
