在企业 AI 发展的浪潮中，除了精心选择模型与提示词，如何高效优化提示词已成为决定性因素。Databricks 近期推出的 Agent Bricks 技术正是为这一挑战量身打造，并在此基础上实现了提示优化技术的重大突破。该公司最新发布的研究成果表明，其 GEPA（生成进化提示适应）技术已实现质的飞跃，助力企业将模型运营成本降低高达90倍。图源备注：图片由AI生成，图片授权服务商Midjourney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。这一里程碑式的合作将使 Databricks 的企业客户能够原生访问 GPT-5模型，同时延续了其与 Anthropic 和 Google 的战略合作布局。需要特别指出的是，1亿美元并非双方直接支付金额，而是 Databricks 对该合作潜在收益的预期值。
“提示优化并非简单修改现有查询，而是对查询本身进行彻底重构。”Databricks 神经网络首席技术官唐汉林在采访中强调。他指出，GEPA 技术通过创新的企业提问方式，显著提升与 AI 系统的交互质量。该技术采用独特的自然语言反思方法，使 AI 能够对自身输出进行自我评估并持续改进。通过这种精密的反馈循环机制，GEPA 能够自动发现特定任务的最佳提示策略。实证数据显示，经过 GEPA 优化的模型在金融、法律、商业和医疗等多个领域表现比基准模型提升4-7个百分点。
在企业级应用场景中，Databricks 优化后的开源模型展现出惊人效率。在处理10万次请求时，其服务成本仅为 Claude Opus4.1的1/90。这一优势在大规模应用中尤为突出，优化的单次成本在长期服务成本面前几乎可以忽略不计。GEPA 不仅超越了当前流行的监督微调技术，更将服务成本降低20%，同时大幅节省工程师和数据科学家的研发时间。此外，与 OpenAI 的深度集成使企业能够更便捷地访问多种高质量模型。唐汉林表示，企业无需处理外部供应商关系或管理API密钥，即可直接在 Databricks 平台调用 GPT-5模型。这种集成极大简化了以往部署高级模型所需的复杂供应商管理工作。
为帮助企业更有效地部署 AI技术，唐汉林提出了三条关键建议：首先建立可靠的评估机制；其次要敢于质疑传统微调的默认选项；最后需要重新思考模型采购策略。对于希望在 AI应用领域保持领先地位的企业而言，GEPA技术已经打破了长期困扰业界的 AI 性能成本壁垒。早期投资提示优化能力的企业将逐渐构建起明显的竞争优势。
划重点:
🌟 **Databricks 推出 GEPA 技术，助力企业优化 AI 提示词，显著提高交互质量。**
💰 ** 与 OpenAI 达成1亿美元合作，企业客户可直接使用 GPT-5模型，拓展应用边界。**
🔍 ** 专家建议企业建立评估机制、质疑传统微调方法、重新思考模型采购策略，抢占AI应用先机。**
