很多人写提示词像写请假条，态度诚恳，废话很多，重点很少。开头铺垫一堆"你是一个非常优秀、非常专业、非常有经验的人"，中间再补一堆"希望你认真、细致、全面"，结尾来一句"谢谢"。模型看完估计也想叹气：你到底要我干啥？
最近 AI 行业的方向很明显：从"回答问题"走向"执行任务"。Google 在 2026 年 5 月的 I/O 开发者内容里提到，从 prompt 到 action 的迁移正在加速；Anthropic 5 月 28 日发布 Claude Opus 4.8，强调更强的编码、Agentic 任务和知识工作能力。模型越来越能干活，提示词就不能还停留在"跟 AI 聊天"的阶段。
提示词工程的底层心法，我更愿意叫它"语义压缩"。
这词听起来有点玄，其实很简单：把人类世界里一大段含糊需求，压缩成机器更容易执行的高密度指令。就像你给熟练厨师点菜，不需要说"请你把鸡蛋打散，锅烧热，倒油，再慢慢翻炒"。你说"西红柿炒蛋，少油，偏甜，不放葱"，对方就懂了。
AI 也是这样。它不是没见过 PRD、周报、代码审查、营销文案，它见过太多了。你真正要做的，不是教它所有步骤，而是告诉它：你是谁，要干什么，不能碰什么，交付成什么样。
万能结构可以很朴素：
| Role: 角色Task: 任务Constraints: 关键限制Format: 输出格式 |
|---|
这四块像命令行参数。Role 负责定调，Task 负责定目标，Constraints 负责划边界，Format 负责让结果能直接用。
比如你要让 AI 写技术方案，不要说：
"请帮我写一份比较专业的技术方案，希望内容完整一点，逻辑清晰一点，最好能体现架构能力，也要方便团队理解。"
这段话情绪很饱满，执行力很一般。
更好的写法是：
| Role: 资深后端架构师Task: 为订单系统重构写技术方案Constraints:- 必须覆盖数据一致性、接口兼容、灰度发布、回滚方案- 不讨论与订单无关的营销功能- 风险项必须给出缓解措施Format:- Markdown- 包含架构图、迁移步骤、风险清单 |
|---|
你看，话少了，但可执行性强了。提示词不是越长越好，它的关键是信噪比。高信噪比的 Prompt 像干净的会议纪要，动作、责任、边界都清楚；低信噪比的 Prompt 像凌晨两点的需求群聊，每个人都发了很多，没人知道明天干什么。
这里最容易被误解的是"细节越多越好"。不一定。
有些细节是边界，比如"不要输出伪代码""必须给验收标准""禁止使用行业黑话"。这些应该写。有些细节是过度控制，比如规定每句话几个字、每段必须什么语气、每个标题必须怎么押韵。写太死，AI 就像被塞进格子里的实习生，只会填空，不会思考。
好的提示词要会留白。
比如"像乔布斯一样思考"这种指令，比"使用短句、语气自信、偏极简、不要解释太多"更有整体感。因为它激活的是一个完整的表达模式，而不是零散规则。当然，商业文案不能照搬名人风格到侵权边缘，所以更稳妥的写法是："高端消费电子品牌调性，极简、克制、强调用户感知价值。"
这也是提示词工程最像工程的地方：你不是在求 AI 灵光一现，而是在设计输入协议。
我常用三个魔术词。
"Step-by-step"适合复杂推理，让模型别一口吞下大象；"Critique yourself"适合代码、方案、文案，让它先自查漏洞；"Markdown Table"适合对比分析，把散乱信息压成表格。
但别迷信魔术词。它们不是咒语，更像快捷键。你按下快捷键之前，文件得先打开，光标得放对地方。Role、Task、Constraints、Format 没写清楚，魔术词也救不了一锅乱炖。
未来的 Agent 会越来越主动，它会查资料、调工具、改代码、跑测试。听起来很美，但这里有个反常识：AI 越自主，人给的边界越重要。以前你问一句，它答一句，错了也就错在屏幕上；以后它可能真的执行动作，错误会进入流程、代码库、客户现场。
所以提示词工程没有过时，只是从"会聊天"升级成"会下达任务"。会写 Prompt 的人，不是在研究玄学，而是在把脑子里的模糊想法，翻译成机器能稳定执行的工作单。
讨论问题
-
你写提示词时更习惯写长说明，还是写短指令？
-
当 Agent 能执行真实任务后，你觉得提示词最该强化的是角色、约束，还是审批机制？