大语言模型（LLMs）的失败并非源于遗忘，而是源于记忆过多。随着对话的扩展，提示词中会累积大量冗余且低价值的 token，从而推高成本与延迟，并在静默中降低输出质量。本文介绍了一种确定性提示词剪枝层，可在不破坏依赖关系的前提下减少 token 用量，并辅以真实基准测试与经过生产环境验证的设计方案。