By Unbug 2026 年 2 至 9 月，四件”在大语言模型（LLM）吃进文本之前先做瘦身”的专利在 Free Patents Online 接连公开：日志折叠、子句剪枝、动态截断、工具清单最小化。Token 成本管控正从事后记账前移到喂给模型之前，而缺一个通用审计加裁剪中间层的空档，正是独立开发者能接的活。
专利信号：四件已公开申请全在”少喂”上做文章
- US20260260063A1（原文），Ciena Corporation，2026-09-03 公开：喂给 LLM 前对日志做空间折叠（重复序列聚类取代表）加时间窗折叠，只送代表性序列。
- US20260203500A1（原文），Naver Corporation，2026-07-16 公开：RAG（检索增强生成：先查外部资料再塞进提示词）段落先重排、再按子句剪枝，剪枝与重排可共用或分离模型，仅幸存子句进 prompt。
- US20260170265A1（原文），PayPal, Inc.，2026-06-18 公开：按输入 token 量动态确定截断阈值，保证输入加输出不超模型上限，用训练数据建”输入区间到阈值”查找表。
- US20260044679A1（原文），Cisco Technology, Inc.，2026-02-12 公开：function calling 只暴露函数组描述与私有函数清单，不喂全量工具 schema，按会话最小化上下文。
四件均为已公开申请（审查中），不是授权专利。
技术趋势：输入瘦身从提示词技巧变成模型前的架构件
共同走向：token 压缩不再靠人工调提示词，而是拆成模型调用之前的独立处理件——折叠、剪枝、阈值查表、schema 过滤各管一段输入。与现成方案的差异：LiteLLM 这类开源网关卖虚拟 Key、预算与成本追踪（见 References），只记账不动内容；官方压缩能力绑定各家自己的栈。对任意 OpenAI 兼容接口都能前置的通用层尚无标配产品。
落地机会：卖给被账单烧到的 AI 外包开发者
用户场景：接了 AI 客服或文档问答外包单的个人开发者，demo 阶段月账单几十块；上线后客户塞进几万行日志、工单历史和整段知识库上下文，月账单跳到四位数，长上下文还拖慢响应、触发限流——他不知道钱烧在哪个字段、哪些内容可砍。一个人能做两层：A. Token 浪费审计 CLI，拦截解析 OpenAI/Anthropic 请求体，按工具 schema、历史消息、RAG 段落、系统提示分桶统计 token，输出可裁剪项加预估节省报告；B. Drop-in 压缩代理，挂在 LiteLLM 或网关前置层，做函数组折叠、子句剪枝、动态截断，改一行 baseURL 接入。技术栈 Python/Go + tiktoken + tree-sitter + 现成小模型打分子句重要性；起步约 1500-3000 元（域名、VPS、测试 API 费），1 人 2-3 周出 MVP。上一篇Agent 权限拦截专利简报管 Agent 伸出去的手，这轮管它吃进去烧掉的钱。
创业发现：开源审计工具加按次账单报告
- 开源核心 + Pro 订阅（约 ¥299/年）：审计逻辑开源换信任，卖分桶报告、压缩策略与团队看板；首批客户来自 LiteLLM、LangChain 社区里抱怨账单的开发者。
- 按次审计报告（¥500-2000/单）：交付 token 分桶明细加裁剪清单，从外包接单社群获客。
门槛：压缩策略覆盖面靠真实请求样本长期积累；风险：上游官方免费工具在持续变强——护城河是跨厂商通用与”先验证省多少、再付费”的证据链。读完今天能做的事：写个小脚本抓一份自己的 LLM 请求体，用 tiktoken 按字段算 token 占比，看工具 schema 和历史消息砍一半能省多少钱。
AI 智创简报：《端侧小模型专利成簇，私有化部署的工具生意》