相信不少人和我一样，是从"汉语新解"这段爆火提示词中知道李继刚这位"神人"的。直到看到11月4日公众号**"数字生命卡兹克"** 对继刚做了专访文章《专访"Prompt之神"李继刚 - 我想用20年时间，给世界留一句话》，让我初步了解到继刚其实是一位有理想、爱读书、善思考的人。这激发了我的强烈好奇心和沟通欲，于是11月13日我专程前往北京，约继刚进行了一次深度面谈。别具一格的是，作为赠送给"粉丝"的签名纪念，也是他刚使用Claude生成的一句话："写越简，用越广；删越多，存越精"。
还是熟悉的地方（望京·聚宝源），还是熟悉的话题（提示工程），期间继刚思绪翻飞、滔滔不绝，完全不像一个"i人"，从这也能看出他对这个领域的专注与热爱，以至于饭后大家都意犹未尽，对我个人来说也是受益良多，故记述此文，以享诸位。
1. 提示词的本质
饭桌上火锅的温度刚上来，隐约中冒着热气，二人略作寒暄，我们便直入主题了。
继刚首先问："你觉得提示词的本质是什么？"，并追加道："我花了半年多的时间，终于把这个问题想明白了。"
"这个问题我尝试想过，但确实未做过深度思考，可能短时间也很难有确定结论。"，我略显尴尬并如实回复说。
"无妨，你放开想、敞开说，即便不对也没有关系，这个思考过程也很重要。"，继刚安慰我道，希望我不要有额外的压力。
我略作沉吟，细想了一会说道："可能我现在还没法用合适的语言组织起来，但是可以用一些词描述我的理解，如自然形式的编程语言、大模型的解压密码、大模型推理方向的向导诸如此类。"
看我已绞尽脑汁，继刚决定不再"折磨"我了，回应我说："你说的这些主要在描述提示词是什么，还是停留在表象，并非提示词的本质。就像射向标靶的无数根长矛，每根矛都指向靶心，但矛本身并不是靶心。"
"在我看来，提示词的本质，是表达。"，继刚直接说出了他的结论。
相信大多未对提示词本质做过相关思考的人，可能和我是相似的反应，面对这个结论仍是一脸懵逼，得其形，而不知其义。有一定的哲学基础的人，很清楚这就是继刚所理解的提示词的"道"，或者说是他认为的提示词的"第一性原理"。但是知"道"，并不意味着可以践"道"。
正如《道德经》所述：
有物混成，先天地生。......独立而不改，周行而不殆，......吾不知其名，强字之曰道，强为之名曰大。......
道就摆在那里，一直存在，但想做到知行合一并不容易。你可能理解"表达"是什么含义，但不一定能理解"提示词所表达的表达"是什么含义。道过于抽象，需要利用"实现"去对其进一步剖析，继刚给出了表达的第一步解析。
简而言之，本意是人的脑海中的想法，表示想做什么。文意是本意的符号化（提示词），表示想法如何描述。解意是让大模型理解人的想法，表示想法如何解读。通过这三个阶段的拆解，可以细致地还原提示词从人到大模型的过程，也就是提示词的本质。
提示词的目的是把人脑海中的想法（本意），精准无误地提供给大模型去理解（解意）。优秀的提示工程师善于通过控制提示词（文意），缓解本意与解意之间的差距。而首当其冲的，就是如何精准地描绘本意，告诉大模型，你到底想做什么？然后才是优化文意，尽量把本意无损的传递给大模型，也就是优化提示词。最后才是大模型，虽然不能通过提示词提升大模型的理解能力，但可以选择理解能力更好的大模型。
2. 如何清晰表达
继刚花了一年的时间去琢磨如何清晰地描述脑海中的想法，也就是如何描绘本意。
首先是经验，经验是想法的具象化，这是人理解想法的基础，没有体感经验的想法是空中楼阁。其次是词汇，词汇是经验在语言上的映射，是想法的符号化形式。最后是知识，知识是对词汇含义的详细解读和描述，是想法符号化为精确词汇的基础。有了以上的基础，才可以准确地表达脑海中的想法，实现清晰表达。
3. 怎样提升效果
分析如何提升大模型的问答效果，继刚给出了这样的思考。
-
首先要认清的是，大模型是放大器，不是许愿器。种什么因，结什么果，提示词的的输入直接影响大模型的输出，这里对应解意的部分。
-
其次，要定义清楚要解决的问题或任务是什么，描述清楚本意。这里继刚给了一个非常形象的描述："人要比AI凶"。说白了就是不要惧怕AI，要有信心操纵好AI，有种"战略上要藐视敌人"的意思。
-
最后才是提示词，通过文本把想法表达出来，对应的就是文意。提示词要足够精准，有助于大模型在Embedding语义空间的准确定位。提示词要足够简练，有助于大模型Attention机制实现重点意义的关联。
4. 提示工程方法论
以上，是继刚总结的提示工程的"道"，接下来描述提示工程的"术"，即如何写好提示词。
4.1 乔哈里视窗
提示词到底怎么写？乔哈里视窗本是关于沟通技巧的理论，继刚巧妙地将其迁移到人与大模型沟通的场景下，描绘了提示工程的基本沟通框架，有点"见人说人话，见鬼说鬼话"的莫明体感。
静态来看，视窗中的一、四象限所描述的是大多数人比较熟悉的方式，第二象限对提问的能力有比较高的要求，需要人不断地学习（可参考：问题之锤），第三象限需要人和大模型协同探索未知的领域和边界。
动态来看，未来大模型知道的会越来越多（X轴不断下移），那么对人的每个个体来说，如何丰富自身的认知边界就显得非常重要了（控制Y轴）。
最后，针对不同的象限，可以灵活地调节提示词的描述方式，从小到大，从简到繁地优化提示词的整体状态（Debug提示词），这就是提示工程的基本逻辑。
4.2 极致压缩
继刚对自己的提示词风格做过总结，去年他致力于提示词的清晰表达，而今年则专注于提示词的压缩表达。
提示词怎么简化？对于大模型来说，最容易理解的符号是向量，既而是token、单词、句子等，而人则反之。显然，单词是人和大模型沟通中最高效的形式。而作为将函数作为一等公民的LISP语言（首个函数式语言），代码形式与数据形式完全相同，这种高度的简洁性设计极度适合充当单词之间的"粘合剂"，构建最极致压缩的提示词表示，简直是天作之合！
虽然这是继刚最初的个人猜想，但经过无数的实验验证，大模型（尤其是Claude）具备理解这种提示词形式的能力，真正做到了《庄子》中所说的"得其意，忘其言"，妙到毫颠！
荃者所以在鱼，得鱼而忘荃 ；蹄者所以在兔，得兔而忘蹄 ；言者所以在意，得意而忘言。
4.3 点亮星星
那么，如何找到最合适的单词呢？既然大模型具备理解单词的能力，那么选用哪个单词就是很关键的问题。如前面拆解本意时提到的"词汇"与"知识"概念，尽量选用词汇的定义而非词汇的描述（可参考：定义之矛），让提示词中的单词"直击本质"。
这件事情说起来容易，做起来一点也不简单......
继刚常用"点亮星星"的比喻（可参考：类比之弓）来描述自己寻找本质词汇的过程。
想象我在一间没有灯光的屋子里（向量空间），周围都是黯淡无光的星星（单词向量），我可以喊星星的名字去点亮星星，当我按照顺序点亮星星时，它们之间的连线构成了一个星象图，大模型可以理解这个星象图的模式含义并做泛化输出，当我写提示词时，我的脑海其实在放烟花。
4.5 Read in. Prompt out.
最后，怎么写好提示词呢？大家应该可以看到，丰富的知识积累、深度的词汇理解、成熟的工程素养，对于写好提示词都至关重要，这里没有捷径，套用《卖油翁》中的话，可以表述为："无他，惟读书尔"。多读、多思、多写，每个人才能悟出自己的提示词之"道"。
5. 提示词工程师
再回头看提示词工程师这个角色，他是一个交叉领域的岗位。借用继刚的原话："提示词工程师，既要有提示词的写作能力，又要有工程师的素养，谜底就在谜面上。"
热爱协作的技术人，或者喜欢技术的创作者，将是提示词工程师的最佳人才画像。王小波必然是创作者的典型，而技术人中，有一类角色也将十分契合，他们叫"开源布道师"......
6. 尾记
13日和继刚聊完后，脑子一直处于发热的状态，14-15这两天又赶上全球机器学习大会，开启了"疯狂社交"模式，根本无暇整理思路。比较巧合的是，16日PEC 2024（提示工程峰会）继刚又给了《提示词的道与术》的演讲，主题与我们面谈的内容基本一致，所以文章我也直接引用了他演讲PPT中的内容作为辅助素材。
建了一个小群，大家一块聊聊提示词技术，感兴趣的同学可以进群保持关注。致未来优秀的提示词工程师们，一起加油！！！
窗外灯光点点，总算对这部分的心得做完了细致整理，还被家里人偷拍深夜码字的状态......
另外，大家也可以直接关注云中江树的"结构词AI"公众号，找到**"Prompt设计的艺术与构建AI原生产品"**分论坛的直播回顾视频直接观看（第47min开始）。
7. 参考资料
- 专访"Prompt之神"李继刚 - 我想用20年时间，给世界留一句话：https://mp.weixin.qq.com/s/JT2oOG2SYw2pDYEHlEmcyQ
- Claude Prompt: 汉语新解：https://mp.weixin.qq.com/s/7CYRPFQxi37ONTlX0hfzRQ
- Claude Prompt：问题之锤：https://mp.weixin.qq.com/s/KlkomVKEYKjVAb6NEXcjSg
- Claude Prompt：定义之矛：https://mp.weixin.qq.com/s/eNcqU-_-8SMpVBXAcgeQRQ
- Claude Prompt：类比之弓：https://mp.weixin.qq.com/s/p1viD22cPtD3iLzOIb_FMg
- 关于说话的一切：https://weread.qq.com/book-detail?type=1&senderVid=4000012&v=10132d20813ab77a6g012034
- 为什么伟大不能被计划：https://weread.qq.com/book-detail?type=1&senderVid=101531&v=0bf32020813ab7e6bg016510
- 深度学习的数学：https://weread.qq.com/web/bookDetail/01d327c071a122c701d71f3
- 拐点：https://weread.qq.com/web/bookDetail/08732220811e7ef55g012f82
- GPT图解大模型是怎样构建的：https://weread.qq.com/web/bookDetail/e0d32f10811e7ee55g010619
- 这就是ChatGPT：https://weread.qq.com/web/bookDetail/74332a90813ab86c4g019d98