提示工程已死：提示工程万岁

讽刺

两年前，提示工程是最热门的工作。现在，它正变得隐形。

原因如下。

什么变了

以前：你需要精心制作提示词。"你是一个有帮助的助手..." "逐步思考..." 每个词都手动调整。

现在：模型足够聪明，基本提示就够了。"总结这个。" "修复拼写错误。" 搞定。

但我们没有消除提示工程。我们将它抽象化了。

提示工程仍然存在，但方式不同

从"编写完美提示"变成了"设计使用提示的系统"。

示例1：智能体系统

不再是："帮我总结这篇文章" 你设计的是："这是一个智能体。它的工作是分析文章、提取关键点并生成摘要。这里有10个好摘要的示例。"

智能体自己弄清楚如何提示自己。

示例2：微调

不再为客户分类精心制作完美的提示，你提供200个示例。模型学习模式。

没有提示工程。只有示例。

示例3：思维链

不再是："逐步思考。首先...然后...最后..."

你训练一个模型（或使用上下文学习等技术）来自然地将问题分解为步骤。

步骤来自训练，而不是提示。

现在什么才真正重要

1. 理解模型能力：Claude能做什么？Llama能做什么？两者都觉得困难的是什么？

2. 系统思维：如何将模型与数据、工具和反馈循环连接起来？

3. 评估：如何衡量输出是否好？准确性？人工审核？指标？

"聪明"vs "笨拙"系统的示例

笨拙：用户要求总结。模型总结。

聪明：分类他们在要求什么。路由到正确的智能体。该智能体检索相关上下文（RAG）。生成输出。评估质量。如果质量差就重试。记录结果以改进。

哪个需要更多提示工程？都不需要。两者都需要系统工程。

新角色

在2026年，以前的"提示工程师"正在变成：ML工程师（构建系统）、数据工程师（获取高质量示例）、产品工程师（评估输出，与产品集成）。

相同的技能。不同的重点。