让 AI 回顾客户的几十次通话，最省事的办法是把全部转录稿直接塞给它。但这些原始记录既长又重复：一次约 30 通电话的客户历史，就可能占用约 24 万个 Token——也就是模型处理文本的计量单位。输入越多，费用通常越高，还容易撞上 Gong API 的调用上限。
Britton Stamper 介绍，团队改为先把 Gong 数据持续送入 Snowflake，再用 dbt 做数据建模——把原始记录整理成含义明确、适合模型读取的结构。系统会在新数据进入仓库时增量生成通话摘要，之后 Claude 读取的是精简上下文，而非每次重新抓取整篇转录。以约 12 通电话为例，单轮输入从 10 万 Token 降至 5000，输入成本从 0.30 美元降至 0.015 美元；计入相同的输出费用后，总成本从 0.375 美元降至 0.090 美元。
值得注意的不是“压缩”本身，而是成本治理的位置：先在数据层做好一次，再让每次模型调用重复受益。上述节省幅度及“保持或改善上下文质量”的判断均为作者自述，材料未披露独立评测方法。