Prompt 工程是不是伪命题

同一个数据分析任务，用 400 字的精装 Prompt（角色设定 + 思维链引导 + 输出格式约束）和 80 字的直白描述分别喂给当前主流模型，输出质量几乎没有差异。模型已经聪明到能自己补全你没说的上下文。但在生产级 Agent 场景里，Prompt 的每一个字依然能决定系统是否可用。

所以问题不是”Prompt 工程是不是伪命题”，而是它在哪些场景下是，哪些场景下不是。

正在失效的部分

早期 Prompt 工程里有大量”奇技淫巧”。给模型说”你是一个资深专家”，输出就会好一些；在末尾加上”Take a deep breath”，推理准确率能提几个点。这些技巧本质上是在弥补模型能力的不足。当模型本身足够强，这些 trick 的边际收益趋近于零。

如果你还在背诵”Prompt 公式”、收藏”万能 Prompt 模板”，那确实是在做一件正在过期的事。

依然重要的部分

换一个场景就完全不同了。

搭建电商客服 Agent 时，Prompt 的每一个字都需要反复打磨。退货政策的边界条件：商品拆封后能不能退？食品类和电子类的规则不同怎么处理？用户情绪激动时应该先安抚还是先给方案？这些不是模型能自己猜出来的，它需要你用精确的语言把业务规则和行为边界注入进去。

这里的 Prompt 工程不再是”怎么跟 AI 说话”的技巧，而是把领域知识结构化表达的能力。它要求你理解业务、理解模型的行为模式、理解失败案例的根因。这跟写代码时设计好接口契约是一回事——你不会说”API 设计是伪命题”，因为它本质上是系统设计的一部分。

再比如用 AI 辅助做代码审查，直接说”审查这段代码”，它会给你一堆正确但无用的建议——变量命名可以更好、建议加注释之类。但如果在 Prompt 里写明”重点关注并发安全和错误处理的遗漏，忽略风格问题”，输出立刻变得有价值。这不是 trick，这是需求定义。

本质是什么

剥掉”Prompt 工程”这个略显浮夸的外壳，里面是两样东西：清晰表达需求的能力和将领域知识转化为机器可执行指令的能力。前者是基本素养，后者是专业技能。

把前者包装成一门”工程学科”，确实有贩卖焦虑的嫌疑。但后者正在演变成一种真实的、有门槛的工作——它可能不叫 Prompt 工程，而是叫 Agent 设计、系统指令编写，或者干脆就是产品设计的一部分。

当模型继续变强，当 Agent 框架继续成熟，那些今天还需要手工写在 Prompt 里的领域知识和行为约束，最终会以什么形态存在？