为什么“会写提示词”不是最重要的AI能力？

Geoffrey Chen

《AI进入工作之后》· 第一季“从回答问题到参与工作”· 第二篇

设想两个人都让AI起草一份项目风险报告。

第一个人花了很长时间润色提示词：“你是一名具有二十年经验的高级风险顾问，请以严谨、专业、结构清楚的方式分析这个项目，列出主要风险并提出建议。”这段话听起来很完整，但他没有提供项目预算、时间表、合同、技术依赖、已经发生的问题和公司的风险标准。

第二个人的指令只有几行，却附上了当前项目计划、风险登记表、上次会议纪要和报告模板。他明确说明哪些文件是最新版本，哪些数据仍未确认，要求AI只根据给定材料提出风险，并把每项判断链接到具体证据；证据不足的地方必须标为待核查。

通常，第二种做法更可能产生可用结果。原因并不神秘：第一段提示词主要规定了语气和角色，第二种做法提供了完成任务所需的现实。

提示词当然重要。含糊指令会造成含糊输出，目标、格式和限制也需要被清楚表达。但当AI进入真实工作以后，最重要的能力已经不再是“怎样把一句话写得更聪明”，而是怎样把任务、材料、规则、工具和完成标准组织成一个模型能够正确参与的环境。

提示词解决的是指令问题

提示词首先回答：“现在希望模型做什么？”

一个有效提示通常需要包含任务、对象、必要背景、输出形式和限制。例如，“总结这份文件”远不如“为不熟悉技术的董事会成员，用五点概括这份安全报告；保留所有风险等级和日期，不增加文件中没有的判断”明确。

这些差异是真实的。好的表达能够减少歧义，告诉模型关注什么、忽略什么，并使输出更容易检查。对于一次性的翻译、改写、格式转换或头脑风暴，提示词甚至可能是影响结果的主要变量。

问题在于，真实工作很少只由一个输入和一个输出构成。

一份客户答复需要客户历史、当前合同、退款政策和授权范围；一次代码修改需要项目结构、依赖、测试、部署环境和已有约定；一篇研究文章需要可核查资料、适用日期、证据等级和引用规则。即使提示词写得非常优美，只要这些现实没有进入模型可以使用的环境，模型仍只能在缺失信息上作出语言上合理的补全。

把这种失败归结为“提示词写得不够好”，会掩盖真正的问题：系统没有获得足够、正确、及时并可追溯的上下文。

从提示词转向上下文工程

近年来，AI系统设计越来越重视“上下文工程”。这个词不是提示词的时髦替代，而是把关注范围从一句指令扩大到模型在一次任务中实际能够使用的全部信息。

上下文可能包括：

  • 系统规则和用户指令；
  • 当前对话与任务状态；
  • 文件、数据库记录和检索结果；
  • 可调用工具及其返回值；
  • 示例、模板、代码规范和完成标准；
  • 过去步骤留下的摘要、计划和错误记录。

Anthropic在关于代理上下文工程的技术说明中，把上下文视为有限而珍贵的资源。系统需要在需要时检索相关材料、压缩已经完成的过程，并避免让过量或陈旧信息淹没真正重要的内容。Anthropic：《Effective context engineering for AI agents》

这说明“把所有资料全部贴进去”也不是解决办法。

一项关于长上下文模型的研究发现，当相关信息位于很长输入的中部时，一些模型利用它的能力会下降；信息放在开头或结尾时，表现可能更好。这个现象被概括为“迷失在中间”。TACL：《Lost in the Middle: How Language Models Use Long Contexts》

因此，上下文工程不是信息堆积，而是选择与编排：什么必须放在当前视野中，什么只在需要时检索，什么应当被摘要，什么必须保持原文，什么已经过期，什么具有正式权威。

模型需要的不只是背景，还需要“事实等级”

工作材料并不处于同一地位。会议上的想法、未经确认的数据、签署后的合同和正式政策文件，不能因为都被放进同一个文件夹，就被模型视为同等可靠。

人类在熟悉组织时，往往会自动理解这些差异。看到“draft”就知道尚未批准，看到旧日期会寻找新版本，看到同事的猜测不会当成正式决定。模型未必拥有这种隐含背景。如果系统只提供文本而没有来源、日期、版本和状态，AI很容易把一条陈旧说明写成现行规则，或把提议写成已经决定的事项。

所以，高质量AI工作需要给上下文增加结构：

  • 文件是谁产生的；
  • 适用于哪个时期和对象；
  • 是草稿、证据、推断还是正式决定；
  • 是否已经被后来文件替代；
  • 哪些段落可以公开，哪些受到权限限制；
  • 出现冲突时以哪个来源为准。

这已经不是写作技巧，而是知识管理和工作设计。

检索增强生成（Retrieval-Augmented Generation，RAG）的基本思想，就是让模型在生成时调用外部知识来源，而不是完全依赖训练中形成的参数化知识。最早系统化提出RAG的研究，把模型内部知识与可更新的外部文档检索结合起来，用于知识密集型任务。NeurIPS：《Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks》

但检索并不会自动产生真相。检索可能找错文件、遗漏例外、返回过时版本，也可能只抓到关键词相似而实际无关的段落。真正的能力仍然包括：怎样组织知识库、怎样标记权威来源、怎样评价检索质量，以及怎样让最终判断回到原始证据。

一项任务还需要完成标准

提示词文化容易把注意力放在“输出看起来怎样”。真实工作更关心“怎样证明已经完成”。

如果要求AI修改程序，“代码写得简洁”不是充分标准。它是否通过单元测试、集成测试和安全检查，才是可以重复验证的结果。如果要求AI分析合同，“语言专业”也不是完成标准。关键条款是否全部覆盖、引用是否对应原文、例外是否被识别，才决定结果能否采用。

这也是为什么AI代理需要评估系统，而不只是更长的提示。Anthropic在代理评估实践中提出，评估需要根据实际任务结合静态检查、程序化测试、人类评分和模型评审等不同方式；“是否遵守指令”“是否破坏已有内容”“结果是否真正良好”是不同维度。Anthropic：《Demystifying evals for AI agents》

一个人如果只会对AI说“请更准确”，却不能说明哪些字段必须存在、哪些错误不可接受、什么测试必须通过，他仍然没有把工作交代清楚。

因此，AI时代的一项重要能力是把质量要求变成可检查的条件：

  • 事实主张必须指向来源；
  • 数字必须保留单位、日期和分母；
  • 修改不得超出指定文件；
  • 所有测试必须通过；
  • 不确定内容必须显式标记；
  • 高风险操作必须停下来等待批准。

这些条件比一句“你是世界一流专家”更能改变实际结果。

为什么提示词仍然如此受欢迎

提示词流行，有几个可以理解的原因。

第一，它是用户能够立即看到和控制的部分。模型、检索系统和权限结构隐藏在后台，而一句话改变输出的效果非常直观。

第二，它容易传播。一个“万能提示词”可以复制粘贴，一套知识治理和验证流程却需要理解具体工作，无法在社交媒体上用一张图片解决。

第三，早期聊天式AI主要以单轮回答出现。那时用户与模型的接触点就是输入框，把重点放在提示词上是自然的。随着AI开始读取项目文件、调用工具、长期执行和跨应用协作，单句指令所能控制的比例正在下降。

第四，提示词把失败解释为个人技巧不足。如果结果不好，只要继续修改措辞，看起来就还有简单解法。相比之下，承认材料混乱、规则冲突、任务本身没有完成标准，意味着组织需要处理更困难的问题。

提示词不会消失。它会像搜索关键词、程序参数和工作指令一样，继续成为人机协作的重要接口。但它不会独自承担整个系统的可靠性。

真正重要的五种能力

如果把“会用AI”从一句提示词扩展到完整工作，可以看到五种更基础的能力。

第一是定义问题。知道要解决什么、服务谁、哪些结果虽然漂亮却偏离目标。

第二是整理上下文。提供正确材料，识别版本、来源、权限和适用范围。

第三是设计任务。把模糊目标分解为AI可以完成、人可以检查的步骤。

第四是建立验证。用证据、测试和独立检查判断结果，而不是用语气和流畅度判断。

第五是控制采用。决定输出是供参考、进入草稿、自动执行，还是必须由有资格的人批准。

一个提示词高手如果缺少这些能力，可能更快地产生令人信服的错误。一个真正理解工作的人，即使指令朴素，也能通过良好材料、明确标准和反复验证获得稳定结果。

结论：AI能力首先是一种工作组织能力

“会写提示词”适合描述人与聊天模型的一次互动，却不足以描述AI参与真实工作的全部能力。

当任务简单、风险低、输入完整时，好的措辞能够显著改善输出。当任务需要多份资料、连续步骤、外部工具和正式责任时，决定结果的将是更大的结构：任务是否清楚、上下文是否正确、来源是否有等级、权限是否受控、结果是否可以验证。

因此，更准确的判断是：

提示词决定模型此刻听到什么；工作系统决定它能够看见什么、做什么、怎样被检查，以及结果能否被正式采用。

未来真正稀缺的未必是能够背诵提示词模板的人，而是能够理解一项工作，并把它重新组织成“人提出目标—系统提供证据—AI生成或执行—验证机制检查—责任人采用”的人。

提示词仍然是入口。但入口不是整座建筑。

主要资料

继续阅读：浏览《AI进入工作之后》系列文章

了解 Geoffrey Chen 的更多信息

订阅后即可通过电子邮件收到最新文章。