从 Prompt 到 Token,再到你自己

今天和同事在群里聊ai的一些事情,突然有些感触,遂作此篇。

前一阵,同事去杭州参加了一场 Google Ads 关于 AI 漫剧的分享会。听他说起现场的内容,我突然意识到:现在开始,AI 已经不再只是科技圈里的热门话题,而是真正意义上成为了全球最具热度的事情之一。

在很多人的判断里,这甚至像是第五次工业革命的开端。

回顾2025: Prompt is all you need

大概是在 2024 年底,我开始深入关注"大模型"这个词。

那时候,DeepSeek 刚发布 V2.5,大家普遍还在使用 GPT-4。彼时的我,其实还没有真正接触到"深度推理"这个概念。直到后来 DeepSeek R1 发布,我才第一次对这件事有了很直观的认知。

我还记得,那个阶段的 DeepSeek 火得有些夸张。网站经常打不开,就算偶尔打开了,也经常回答不了问题。可也正是在那个时候,我第一次如此直观地看见:原来大模型是这样"思考"问题的。

直到今天,我依然记得当时看到 AI一行一行输出自己思考过程时的震撼。

我脑海里冒出的第一个念头是:

它是不是有灵魂?

现在回头再看,那种感觉其实很难形容。你明明知道,它本质上只是一个模型、一个系统、一段复杂代码组成的技术产物,可当它把"思考过程"展示在你面前时,你还是会忍不住产生某种错觉:屏幕另一端,仿佛真的有什么东西正在理解你、回应你。

而在那个阶段,我们又是怎么使用 AI 的呢?

其实很简单。

就是在网页上提问。

那时候的 AI 产品界面,本质上就是一个输入框:你输入问题,它给出回答。 后来随着多模态能力逐渐出现,输入框下方开始多了一个"+"号,用户可以上传文件。

再往后,能力越来越丰富,但回到当时,一个 AI 核心形态就只是一个网站而已。

我把那个阶段称为:AI 1.0 模式。

在 AI 1.0 时代,用户最重要、几乎也是唯一需要掌握的能力,就是提问。

换句话说,那时候几乎可以用一句话来概括整个方法论:

Prompt is all you need.

我至今都还记得,那时候自己会去看各种教程、各种文章,试图学习如何更好地写 Prompt。那时甚至还有一个听起来很"Professional"的名字,叫作 Prompt Engineering

现在回头看,这个词多少带着一点时代烙印。

但在当时,它确实是非常重要的一门"技巧"。

我想,很多人在最早接触大模型时,学会的第一种固定提问方式,大概都是这样的:

复制代码
你现在是一个 xxx 专家,精通 xxxx

这套写法,在最开始其实真的很有用。

因为那时候的大模型能力还没有今天这么强,算力也远没有现在这么充足。很多时候,你需要先帮它框定角色、限定方向、补足上下文,它才能更稳定地给出你想要的结果。

某种意义上,那时的 Prompt,更像是一种"手动调参"。你写得越具体,模型的回答往往就越贴近你的预期;你写得越模糊,它就越容易跑偏。于是,大家开始研究怎么设定角色、怎么补充背景、怎么拆分问题,那也是很多人第一次真正感受到:原来,与 AI 交流,本身就是一门新语言。

那个时候,我通常只是拿它来处理一些文字工作,比如润色、翻译之类的需求。至于写代码,我其实用得并不多。

偶尔,我也会把一整个文件的代码丢给它,让它帮我修改。但那种体验并不算轻松:上下文容易混乱,复制粘贴也经常出错,来回折腾下来,反而不如自己动手来得快。

所以在那个阶段,你其实并不会真切地觉得 AI 是一个多么强大的助手。它更像是什么呢?

更像是一辆"自动挡汽车"。

它确实能帮你省掉一些基础操作,让很多事情变得比以前更轻松一点;但它还远远没有达到那种"可以真正替你分担复杂工作"的程度。你会觉得它有用,但还谈不上震撼;你会愿意用它,但也不会真的依赖它。

来到2026: Token is all you need

到了 2026 年,我第一次听说了 Claude,也第一次接触到本地 CLI 这种使用方式。AI 不再只是停留在网页对话框里回答问题,而是开始真正进入本地开发环境,能够直接读取项目文件、理解代码结构,甚至参与具体的修改与实现。

正是从那个时候开始,我才真正开始学习,怎么把 AI 用进开发流程里。

一开始,我其实还是比较谨慎。通常只是让它帮我写一些简单函数,或者处理一些局部的小需求。我始终不太敢把一个完整页面,甚至一个完整模块,直接交给 AI 一次性写完。那时候的我,对它的能力既好奇,又始终保留着一点警惕。

但即便只是这样使用,我的效率也已经得到了颠覆式的提升。

因为到了这个阶段,AI 已经不再只是一个"回答问题的工具",而开始真正变成一个能够参与实际开发流程的助手。它不只是告诉你应该怎么做,而是已经可以和你一起做。

如果说前一个阶段,AI 更像是一辆自动挡汽车,只是帮你省去了一部分操作;那么从这一刻开始,它才第一次让我感觉到:它正在从"工具"变成"搭档"。

慢慢地,Prompt 这件事,似乎已经没有最初那么重要了。

Prompt 正在退居幕后,Token 正在走到台前。

因为你会越来越明显地感觉到,AI 正在变得越来越"懂你"。很多时候,你不再需要像过去那样,把角色、背景、步骤和要求交代得事无巨细。哪怕你的表达并不完整,它也能大致听懂你的意思;哪怕你的描述里存在缺口,它也常常能够顺着你的思路,把那些你没说出来的部分补上。

于是,变化也随之发生了。

如果说早期大家最关注的是"怎么把 Prompt 写好",那么到了这个阶段,越来越多人开始在意的,已经不再是"该怎么问",而是"这一轮调用会消耗多少 Token"。

它不再只是一个技术层面的参数,而正在逐渐变成 AI 时代最真实、最直接的成本单位。你给的上下文越长,任务越复杂,对话越深入,背后消耗的 Token 就越多。也正因如此,我们关注的重点,开始从"如何让 AI 更好地理解我",慢慢转向"如何更高效地使用 AI"。

如果说在 AI 1.0 时代,大家最在意的是 Prompt;那么到了 2026 年,真正站到台前的,其实已经是 Token。

很多人一开始理解 Token,可能只是把它当成一个计费单位:你说一句话要消耗 Token,AI 回答一段话也要消耗 Token,上传文档、附带上下文、读取代码、连续对话,这些统统都在消耗 Token。

但 Token 的意义远不止"计费"这么简单。它本质上决定了 AI 能看多少、记多少、理解多深、一次性能帮你做多少事。某种意义上,Token 之于 AI,就像带宽之于互联网,电力之于工业时代,汽油之于汽车------它不仅决定了成本,也决定了能力边界。

为什么有些 AI 看起来很聪明,却总是"聊着聊着就忘了前面说过什么"?为什么同样一个任务,有的人用起来行云流水,有的人却处处受限?很多时候,背后并不是模型本身差了多少,而是 Token 不够了。

所以到了这个阶段,我们关注的重点,已经不再只是"怎么把话说对",而是"怎么把上下文给对"。我们开始学会筛选信息、压缩描述、整理需求、控制上下文长度,也开始真正理解:所谓高效使用 AI,并不只是会提问,而是会分配 Token。

Prompt 决定你怎么开口,Token 决定你能走多远。

也正是在这个意义上,Token is all you need,开始成为一个越来越现实的判断。

我想象中的未来:Beyond AI, There Is You

如果说最开始,AI 还只是一个聊天框,一个会回答问题、会润色文字、会翻译内容的新工具;那么到了今天,它早已不再只是"工具"这么简单。

它开始进入写作,进入编程,进入设计,进入搜索,进入客服,进入运营,进入剪辑,进入分析,进入决策。它替代的,不只是某一个岗位上的某一项动作,而是大量重复的、标准化的、可流程化的工作本身。

过去很多事情,依赖的是经验积累,依赖的是时间堆叠,依赖的是一个人一点一点把能力磨出来。可现在,AI 正在迅速压低这些门槛。它让不会写的人开始写作,让不会编程的人开始做产品,让不会设计的人也能快速生成方案。许多原本高度依赖专业训练的能力,第一次以前所未有的方式,大规模地向普通人开放。

而它改变的,也远远不止工作。

它开始进入我们的表达方式,进入我们的学习习惯,进入我们的情绪整理,进入我们的日常生活。我们用它写邮件、做表格、查资料、做方案、改代码,也用它做计划、做攻略、缓解焦虑、整理思路,甚至在很多孤独的时刻,用它承接那些原本无处安放的情绪。

它正在一点点进入我们的生活表层,也正在一步步深入更深的地方:进入流程,进入决策,进入协作,进入习惯,最后进入依赖。

最值得警惕的地方,恰恰在这里。

它不是在某一天突然取代你,而是在你一次次觉得"这个东西真方便"的过程中,慢慢变成你再也离不开的东西。

所以今天再回头看,这一两年 AI 真正改变的,根本不只是某个行业、某个岗位、某种工具,而是人类处理信息、组织能力、完成工作的整个方式。

它替代了重复劳动,压缩了专业门槛,重组了分工逻辑,也重新定义了人与工具之间的关系。

从前,工具是我们拿来使用的; 而现在,AI 正在变成那个与你一起思考、一起判断、一起执行的新角色。

于是我们一路从 Prompt is all you need 走到 Token is all you need

可写到最后,我越来越觉得,这个时代真正重要的,也许并不是"AI is all you need"。

因为 AI 或许会决定你的效率、你获取信息的速度、你完成工作的方式;

但它终究不该决定,你是谁。

真正的问题是:当 AI 替你完成越来越多事情之后,你还剩下什么?当离开 AI 之后,你的判断、你的审美、你的经验、你的选择,是否依然成立?

AI 会决定这个时代大部分人的生产力上限,但比"会不会使用 AI"更重要的,是在拥有 AI 之后,你是否仍然保有那个不可被替代的自己。

AI 会决定你能走多快, 但决定你能走多远的,仍然是你自己。

Beyond AI, There Is You

相关推荐
counterxing13 小时前
Agent 跑起来之后,难的是复用、观测和评测
node.js·agent·ai编程
uccs13 小时前
大模型底层机制与Agent开发
agent·ai编程·claude
counterxing14 小时前
我把 Codex 里的 Skills 做成了一个 MCP,还支持分享
前端·agent·ai编程
夜雪闻竹14 小时前
vectra 向量索引文件损坏怎么办
ai编程·向量·vectra
ZzT14 小时前
Harness 到底指什么
openai·ai编程·claude
宅小年14 小时前
AI 创业最危险的地方:太容易做出来
openai·ai编程·claude
麦客奥德彪14 小时前
Android Skills
架构·ai编程
言萧凡_CookieBoty15 小时前
一文讲清 RAG:让 AI 读懂业务知识库的核心方法
ai编程
kyriewen16 小时前
产品经理把PRD写成“天书”,我用AI半小时重写了一遍,他当场愣住
前端·ai编程·cursor
Patrick_Wilson16 小时前
知识沉淀的四层模型:从个人笔记到企业资产,让文档真正长出复利
面试·程序员·ai编程