每隔几个月，就有人跳出来说：“提示词工程要凉了。”每隔几个月，又有人反驳：“顶级提示词依然是核心竞争力。”争论双方似乎都在自说自话，却忽略了一个更隐蔽的事实——他们争论的那个“提示词工程”，定义本身已经变了。

本文试图跳出技术演进的口水仗，从《学会提问》的批判性思维视角出发，拆解这场未被察觉的范式重构：当AI不再需要我们“迁就”它，我们该如何重新学会“表达自己”？

人们对于提示词的应用方式正在发生一次变革。

一、从“命令计算机”到“管理实习生”

随着AI的不断发展，提示词的应用方式发生了一次未被广泛察觉的重构，或者重心偏移。但这并不是提示词工程“本身”变了。而是人类与提示词的“主客体关系”被彻底颠倒了。

过去（2022-2023）：工程化思维

受限于技术水平，人们把提示词当作代码来写，核心的目标是精准控制。比如以下范式：

• 关键词堆砌：(masterpiece， best quality， 8k， intricate details)
• 逻辑约束：Let’s think step by step.
• 角色扮演：You are a senior Python developer.

在这个阶段，人是主宰逻辑的架构师，模型是执行指令的工具。

现在（2024-2026）：适配化思维

随着技术的进步，搜索能力，RAG，记忆系统，更长的上下文，工具调用，这些技术的进步给了AI一个更全的“背景资料”，在大多场合，我们不必要试图写一段完美的、能跑通一切的“万能代码”。核心动作变成了语境投喂和容错引导。

• 重构后的典型行为：用户不再纠结于 Chain-of-Thought 的拼写是否正确，而是直接把报错截图扔进去，或者说：“我不知道该怎么问，但我想要的是这种感觉……”
• 主客体关系倒置：人们不再试图“教会”模型如何做事，而是给模型提供足够的上下文像素，让模型自己思考该怎么做。

二、从“学会描述指令”到“学会表达自己”

这一转变，是整场重构中最隐秘、也最关键的一步。

旧提示词工程的本质是“翻译”。人脑中有一个清晰的画面，但这个画面模型看不懂，于是需要一门“外语”来转述——充当某角色、分步骤思考、输出格式为JSON。这就像早期使用计算机必须学 DOS 命令一样，表达的权力在模型手里，人得迁就它。

重构后的本质是“对话”。模型能理解自然语言中的模糊、情绪甚至语病了，于是人们不再需要把精力耗在“怎么说模型才懂”上，而是可以回到一个更原始的问题：我到底想要什么？

这个变化看似微小，实则是认知重心的转移：

• 旧范式下的努力方向：搜集模板、背诵指令、优化措辞——本质是向外求索。
• 新范式下的努力方向：厘清意图、界定边界、明确约束——本质是向内审视。

用《学会提问》的视角来看，这恰恰是批判性思维的核心能力迁移。《学会提问》训练的是识别论题、审视理由、挖掘假设，而这些恰好就是与AI高质量协作的元能力——当AI把执行的苦力活接过去之后，剩下的恰恰是定义问题的脑力活。

一个典型的场景对比：

• 过去问AI：“请用SWOT分析法帮我分析新能源汽车市场，输出表格。”
• 现在问AI：“我想知道现在入局新能源还有没有机会，我不懂行，你先告诉我最该看哪几个指标。”

前者是给AI派活，后者是让AI帮你理思路。前者的瓶颈在AI的理解力，后者的瓶颈在人自己的问题意识。

这就是重构的深层意义：提示词不再是向机器解释任务，而是向自己解释自己。当你向AI说出一段话时，你其实是在用语言这面镜子，照出自己脑子里那团模糊的想法——这已经不是计算机技术，这是思维脚手架

三、过去强调实现，现在强调约束

如果用一个词概括新旧提示范式的区别，就是：从“加法思维”转向“减法思维”。

旧时代：提示词是“发动机”

模型能力有限，所以提示词的核心功能是驱动。你得告诉它怎么做（方法）、做什么（步骤）、做成什么样（格式）。提示词越长越详细越好，因为每一句话都在给模型“加油”——这就是强调实现。

典型的旧时代提示词长这样：

“你是一位资深营销专家，请为我的产品写一篇小红书种草文案。产品是XX，卖点是XX，目标用户是XX，风格要求是亲切活泼，带emoji，字数300左右，结尾加3个相关标签。”

这段话的80%都在描述如何实现。人承担了“过程设计”的责任。

新时代：提示词是“方向盘”

模型能力强了，它自己知道怎么实现。此时提示词的核心功能从驱动变成了纠偏。你不需要告诉它怎么做，只需要告诉它不要怎么做，以及做到什么程度算好——这就是强调约束。

新时代的典型提示词更接近：

“帮我写个小红书文案，产品是XX。别写得太营销号，别用‘宝子们’和‘绝绝子’。可以稍微带点冷感，像朋友随口推荐那样。”

这段话几乎没有告诉模型怎么干，但通过否定性的边界描述（别怎样）和品味性的方向描述（像怎样），把输出空间精准地约束到了目标区域。

为什么约束比实现更重要？

《学会提问》里有一个关键概念：识别假设。任何论证都建立在未被明说的前提之上。

旧范式里，AI按照指令行事，前提假设是“我知道怎么做到最好”——但多数时候，人并不知道。你让它“写活泼”，它给你一堆尴尬的网络用语；你让它“专业点”，它给你一堆不说人话的黑话。

新范式的高明之处在于：承认自己不知道最优路径，但明确知道自己不想要什么。 约束不是限制创造力，而是为创造力划定跑道。你不需要成为文案高手才知道“绝绝子”很廉价，你只需要有基本的判断力。

这就是产品经理最熟悉的场景：你不是设计师，但你一眼能看出哪个方案更舒服；你不是程序员，但你清楚什么交互逻辑是反人类的。定义“什么不对”比定义“什么对”容易得多，也可靠得多。

提示词的重构，正是把人的角色从“错误的执行者”拉回到“错误的发现者”——这才是人类最擅长的位置。

四、未来“提示词工程”会消失吗

《学会提问》教我们的第一件事：在接受结论前，先厘清关键词语的歧义。

“提示词工程会消失”至少可以指：

• A. 作为独立职业岗位消失
• B. 作为一项需要刻意练习的技能消失
• C. 作为影响AI输出质量的关键变量消失

对于A：确实在消失。提示能力正在融入产品经理、设计师、运营的日常工作中，不再需要独立的“翻译官”。

对于B：不仅不会消失，反而在升维。过去学“怎么对模型说话”，现在学“怎么把自己的脑子理清楚”。后者更难——它要求元认知能力，而非记忆 Prompt 模板。

对于C：从未消失，只是作用方式变了。AI弱时，好提示词是雪中送炭；AI强时，好提示词是锦上添花。对追求极致的产品而言，那5分的差距就是护城河。

“消亡论”的论证缺了哪一环？

它的隐含前提是：提示词工程的价值 = 弥补AI能力不足的技巧。 但如我们前面所述，价值重心已经迁移了：

• 过去：价值 = 迁就模型的语法
• 现在：价值 = 定义问题的边界 + 表达意图的精度

前者在贬值，后者在升值。所以，《学会提问》会指出：这是典型的稻草人谬误——先定义一个狭义的提示词工程，宣布它死亡，再把这个结论扩大到所有形式的提示能力上。

“提示词工程”作为一门专门手艺，会像“DOS命令行”一样淡出大众视野。但“清楚地知道自己要什么、并能清晰地描述出来”这个能力，会像“打字”一样成为数字时代的基础素养。

未来也许不会有“提示词工程师”这个Title，但每一个会使用AI的人，都必然是一个意图表达的高手。