提示词工程到底还有必要吗?

当初模型理解能力欠缺的时候确实挺有必要，现在感觉是越来越没必要了

看你做什么了，你要是不研究提示词工程，你很难让现代模型去做渗透、逆向之类的事 ^-^

不仅有必要，而且更重要了。人和人之间的差别就是提示词写得好坏。别以为大模型理解能力强了，写的好提示词就没用了，好的提示词可以效果更好啊。

确实，现在流传测模型智商的糖果题，其实稍微改一改就能很容易让模型做对

能力再强，但某些时候某些方面一样需要通过提示词约束来达成自己想要的方向。它只是聪明了，但并不代表它能想你所想。

肯定有啊，哪个 harness 或项目里没有提示词？

很有必要，提示词可以直接表达你的意图，而不必每次都重复输入

现在的提示词工程实际上已经演变成动态提示词注入了，也就是现在的skills工程，还有就是agent loop在workflow设计的时候也会有提示词的注入，但是现在的提示词都是作为引导模型进行自动化工作的指引和速度上的少走弯路，而不是对于工作结果的优化，单纯提示词对于结果的优化其实收益并不大

已经很久不存在这个说法了。

除了某些连代码都可以叫做广义提示词的“万物皆提示词”党。

在去年就已经开始进入所谓的“上下文”工程了——意思就是你只要维持好一套足够清晰的上下文，并具备明确的入口和索引，大部分大模型基本都能更具上下文搞明白你具体想做什么——即使你提示词表达的意思错了都没关系。

这个“上下文工程”的形式倒是迭代了蛮多次，现在的趋势是越来越像我们日常团队管理用的文档体系模式。

估计再下一步就是给AI agent专门开放OA了 ^-^

能答出29的模型，多加一句注意可以徒手分辨形状就能稳定21了

如果提示词是本次工作唯一的上下文输入，提示词质量仍然举足轻重；

如果提示词是在具备足够充分的 harness + context 前提下发送，那么此时提示词只是作为触发器，质量高低并不那么重要，能说清楚目的就行了。

所以本质上提示词其实只是「上下文工程」的一部分，其中一类输入的体现。

看你所说的提示词是指一些流程、工作流类型的，还是还是针对具体业务的提示词。前者已经失去价值了，甚至成为影响模型能力的桎梏。后者当然是有必要的。

准确的描述自己的需求一直都很重要啊，模型又没有读心术（

我觉得现在的提示词就是：你要尽可能把自己想要的东西描述清楚，并且让大模型和你的想法对齐，确保它理解了你想要的东西。你还要说清楚想要什么，以及不想要什么。

另外，如果你有一些比较好的思路或者判断，最好提前告诉它。

再就是引导它使用某些你想使用的工具，或者让它搜索特定内容之类的。

赞同这个观点，LLM或者Transformer‌是靠概率来计算下文，那么上文context就很重要了。其中能人为干预的很大一部分就是prompt，不仅是自己手工录入的，还有skill和mcp都相当于是预设好的prompt

提高了差提示词的下限吧，有好的提示词当然会搞得更轻松或者效果更好。就像能力很强的员工能听懂不说人话的老板到底要啥，但是老板能说人话当然更节约沟通成本。

还是很有必要的

有一些本来不能做的事情就需要“换个说法”