反思

本文没啥技巧，全是梳理与反思。

之前有人想找我教点东西¹，大概是AI啥的。我寻思那就讲门槛最低、最实用的Prompt Engineering²好了。但又一琢磨：不对呀，实际上这有啥好讲的呢？那些通用的纲领性原则不用讲，需要讲的又讲不了——最有价值的就是针对自己的需求情景沉淀use case。别人的按理有用，但作用确实也有限。就好似你买一百本生产力、计划类的书，难有一本完全切中你的习惯。

是的，市面上确实有各种各样的prompt教程。抛开那些卖课的智商税不谈，市面上甚至已经有了提示词工程师岗位³，可能对那些有所关注但了解不多的人有些唬头：哎呀，虽然平常好像聊一聊就能用，但其实里面也有其门道。

我只能说：是，规范且良好的prompt确实可以帮助模型输出更加优质的回答，但是……

指令自有其效率局限

• 在模型迭代面前prompt的效果可以说是忽略不计
• 不同模型各有“气质”，需要找针对性摸索调整
• 同一模型的不同版本也对相同提示词的反应有差别

须知：所有科技巨头会力使操作门槛无限压低，AI能力无限拉高。提示词工程努力调优的地方，是从来被炼丹师致力无限消减的领域。而我们作为使用者，本该自然而为坐享其成，而非产出五分钟，实际调优两小时。

技巧确实有用，但钻深更看经验

浸淫指令工程已久，想必你总能见到各种或正经或邪道但大同小异的指令技巧，比方说：

• 结构化表达
• 完整表述背景
• 设定身份
• PUA

后来也有人提纲挈领地提出进化新概念：上下文工程（Context Engineering），换一个视角去审视整个指令思路。

但是！我的朋友，但是——再进一步研究，好像就没了，或者说就这么开始鬼打墙了。此后再看更多地技巧、心得，好像都可以四舍五入地把之前学到的归为一类。

——然后按照同样的思路不断地尝试，调优。

是的，我的朋友。前面已经没有可靠的路了，我们得自己趟出来——趟这不断被模型厂商追逐消减的路。你在前面走，他们在后面追。不定方向，不定速度。太多太多的不可控。

放在生产环境中看，我更推荐……

以最小的精力最大限度地发挥模型工作价值

或者说：避免陷入无限追逐模型表现天花板，除非你意旨如此。

付出越少，损失越少⁴。在这不确定但变化又快的领域，尽可能追求模型表现得最大性能的性价比太低了。试来试去，甚至不如纯人力解决来的高效。没错，我说的正是我，正如本文就是面向个人的梳理总结。 因而，接受它在你自然状态下的表现吧。不要担心你会错过什么。模型会成长，你也是。

尾声

话虽如此，研究指令工程也没有那么塑料。

商业情景我了解不多。以自己为例，我所在的公司还是全球有头有脸的，但听IT的AI培训，里面分享的不算是烂熟于心，也是如数家珍了……也听说其他企业会找实习生调prompt，还有招聘平台上挂个把月提示词工程师岗位但就不闭岗来骗思路。

爱好者这块算是我的舒适区了。除了LinuxDo里佬友发帖交流提示词越狱、Coding指令，最值得提的还得是那帮聚集在Discord的酒馆佬。

酒馆是什么？也许你已经有所耳闻——有人会在各种模型的官方app或者AI陪伴平台聊天、谈感情。而酒馆，则是这个赛道的T0级屎山载体。酒馆佬不少会没日没夜高强度在酒馆畅聊，甚至在脑中培养出不同模型的AI语料库，直觉鉴AI。OpenRouter发布报告，有大概40%的Token都被花在这方面。

也就是说，酒馆佬有断层级的热情、经验去钻研如何让模型表现发挥最优。除了最基础的写卡，其中的“预设组”更是前沿悍将。他们想尽各种思路，各种结构，直击不同模型弊端，重塑模型输出范式。他们抵制商业化，乐于在社区里分享自己的知识、思考与经验。甚至也有人会因为更新、分享太频繁会觉得不好意思。

天下模型优劣当属华语社区，天下模型调优当属酒馆华语社区⁵。

Footnotes

1. 先叠一下个人bg，供读者批判性观看：

   • 技术力一般，但一直关注技术社区。算是网上头两批用上ChatGPT的人。初期是在Slack里用上Claude的，后来在官网注册的时候甚至无需手机验证。
   • ChatGPT爆火以后一直高强度关注LLM，与此同时也在学习各种原理、各种提示词工程，看尽模型未出教程先行的笑话。了解AI大体生态与格局。
   • 当前是酒馆重度用户，现在简直是人形AI鉴定机。
   ↩

2. 机翻，你害人啊！为什么要把它翻译成提示词工程呢？明明指令工程最贴切了。 ↩

3. 我很怀疑这些岗位的真实性，觉得只是骗面试者的经验。 ↩

4. 结果先行之不该是我的总不是我的。 ↩

5. 洋人当然也玩酒馆，也有社区。但怎么说……这边已经玩出花了，那边还简简单单的。没有说轻量不好的意思。 ↩