惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Martin Fowler
Martin Fowler
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
博客园 - 聂微东
IT之家
IT之家
GbyAI
GbyAI
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
Y
Y Combinator Blog
博客园 - 【当耐特】
The Cloudflare Blog
宝玉的分享
宝玉的分享
罗磊的独立博客
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
V
Visual Studio Blog
小众软件
小众软件
博客园_首页
Last Week in AI
Last Week in AI
J
Java Code Geeks
V
V2EX
雷峰网
雷峰网
Apple Machine Learning Research
Apple Machine Learning Research
阮一峰的网络日志
阮一峰的网络日志
腾讯CDC
博客园 - 司徒正美
Engineering at Meta
Engineering at Meta
The GitHub Blog
The GitHub Blog
H
Hackread – Cybersecurity News, Data Breaches, AI and More
D
DataBreaches.Net
博客园 - 三生石上(FineUI控件)
MyScale Blog
MyScale Blog
云风的 BLOG
云风的 BLOG
The Register - Security
The Register - Security
M
MIT News - Artificial intelligence
Microsoft Azure Blog
Microsoft Azure Blog
T
The Blog of Author Tim Ferriss
N
Netflix TechBlog - Medium
F
Full Disclosure
B
Blog
H
Help Net Security
C
Check Point Blog
WordPress大学
WordPress大学
人人都是产品经理
人人都是产品经理
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
Jina AI
Jina AI
酷 壳 – CoolShell
酷 壳 – CoolShell
Blog — PlanetScale
Blog — PlanetScale
L
LangChain Blog
P
Proofpoint News Feed
D
Docker
Microsoft Security Blog
Microsoft Security Blog

宝玉的分享

“母病速归”式 AI:号称省 65% Token,实测只有 8.5% 一文看懂ChatGPT、Codex、Work 的差别 从零开始玩转循环 (Getting started with loops) 为啥 Codex 还不推出类似 Codex Design 的产品? DeepSeek 的 10 万亿美元大战略 来自 Codex 官方团队的分享:如何把 Codex 用到极致 为什么我不“凭感觉编程” 创始人手册:打造 AI 原生初创公司 Forward Deployed Engineer:AI 时代的新宠岗位,到底干什么? AI 时代到底该怎么管一个工程团队 为什么资深开发者讲不清自己的专业能力 Codex 的野心,MCP 和 Skill 的下一步 裁员潮将持续,直到我们学会发掘 AI 的商业价值 机器人的终局:英伟达 Jim Fan 宣告 VLA 时代结束,WAM 登场 深度拆解:AI Agent Harness 的构造 使用 Claude Code:HTML 难以置信的奇效 Anthropic 兄妹 Dario Amodei 和 Daniela Amodei 最新对话:Claude 为什么一直限速? Boris Cherny:Claude Code 之后,写代码正在变成“管理 Agent” 大多数公司根本没有为 AI 做好准备 Demis Hassabis:AGI 还缺什么,智能体到底行不行,下一个科学突破长什么样 深度拆解 Hermes Agent 的记忆系统:它如何修正 OpenClaw 的误区 Karpathy 最新访谈:Vibe Coding 只是开始,真正重要的是 Agentic Engineering AI 的经济账根本算不通 为 Agent 设计产品 Cat Wu 面试了几百个 PM 候选人,几乎没人答对一个问题:AI 产品经理到底应该干什么? 两小时激辩:黄仁勋为什么不怕 TPU、不怕华为、不怕出口管制? 设计圈的 Claude Code 时刻来了 使用 Claude Code:会话管理与 100 万 上下文 Vibe Coding 是中年男人的钓鱼 为什么你的"AI 优先"战略可能大错特错? “多智能体协作指南:五种主流模式怎么选、怎么用?” 访谈|Codex 团队如何用自己的产品构建产品——整个 Spec 只有 10 个要点 Claude Code 省 Token 指南:慎用 1M 上下文,不开新会话或者总是开新会话都不对 编程智能体的核心组件【译】 Claude Code 源码泄漏了,但我不打算写源码分析分析文章 OpenAI 总裁 Greg Brockman:AI 自我改进、Super App 豪赌、通往 AGI 之路、算力扩张 Notion 联合创始人 Simon Last:我从去年夏天起就没写过一行代码了 飞书 CLI 开源了,为什么 AI Agent 时代,大家都在做命令行工具? 在中国 AI 生态圈摸底了两周,我学到了什么 AI 发展太快跟不上?一张四象限图帮你做减法 被美国遣返、禁止入境 5 年,他在温哥华的卧室里做出了日处理 400 万工作流的 AI 平台 构建 Claude Code 的经验:我们如何使用 Skills 智能体工程的 8 个等级 编程 Agent 如何重塑工程、产品和设计 当 AI 写了几乎所有代码,软件工程会怎样? 品牌时代 我用 AI 翻译的三个阶段:提示词时代 → 推理模型时代 → Agent 时代 多稿合并:从手动比稿到一键 Skill 陶哲轩最新演讲:AI 不是来抢数学家蛋糕的,是来把蛋糕做大的 设计流程已死:Anthropic 设计负责人 Jenny Wen 谈 AI 时代的设计变革 Greg Brockman(OpenAI 联合创始人)把“那场宫斗”讲完整了:董事会、请愿书、马斯克与控制权 被封杀当晚,OpenAI 拿到了相同条款——Amodei 首次专访揭开 Anthropic 与五角大楼冲突内幕 从写代码到管 Agent:斯坦福首门 AI 软件开发课的讲师说,大多数工程师还没准备好 Anthropic CEO Dario Amodei:海啸已在地平线上,但没人在看 驾驭工程:在「智能体优先」的世界里借力 Codex Coding Agent 有个甜蜜点,多数人直接跳过了 92.6% 开发者每月使用 AI 编码助手,但每周节省时间只有 4 小时 同样的模型,为什么 Cursor 跑不过 Claude Code? Cursor 设计负责人:只会画按钮的设计师,有麻烦了 OpenAI Codex 产品负责人:代码不再由人类编写,但我们会有更多构建者(Builder) OpenAI 应用 CTO 和 Codex 负责人:AI 正在重塑构建软件的方式 Notion CEO:不能被 Agent 用的产品没有未来 提示词救不了平庸的 AI 写作 用 Claude Code 的 Hook + Skill,实现每次提交后自从 commit 提交变更 高中辍学生靠 ChatGPT 自学成才成了 OpenAI 的研究科学家 59% 用户投票选了更便宜的那个:Sonnet 4.6 全面解读 Jeff Dean 深度访谈:一页纸备忘录促成 Gemini 的诞生,Google AI 的反击与 10,000 Token 的未来 快不等于好:Anthropic 和 OpenAI 的快速模式藏着什么 别再用提示词去 AI 味了,方向就是错的 Anthropic CEO Dario Amodei 访谈:我们正在接近指数的终点 只有 30 个工程师的 X,是怎么重新杀回 App Store 第二的 马斯克说今年编程就要死了,你信吗? OpenAI 智能体工程指南:10 条实战技巧和 3 种构建模式 我们真的变成巫师了:OpenAI API 负责人谈 AI 如何重塑软件工程 xAI 全员大会实录:递归自我改进、5000 万视频/天、月球上的质量驱动器 PC 软件为手机重做了一遍,现在轮到 Agent 了 2026 编程巨变:Anthropic 报告揭示 Agent 编程八大趋势 【访谈对话】造过 Codex 的人,为什么每天用 Claude Code 深度解析:Claude Code /insights 命令的运作机制 马斯克三小时访谈实录:36 个月后,太空是训练和运行 AI 最便宜的地方 Claude Code 团队的 10 个内部技巧,但你不一定都要学
既然 AI 越来越聪明,那么学习提示词不是浪费时间吗?
宝玉 · 2026-02-08 · via 宝玉的分享

我小时候英语很差,因为周围总有人说:学英语有什么用?我是中国人,何必学外文,不会 ABC,也当接班人。现在也有人觉得 AI 那么强学英语干嘛。我本来就不喜欢学,这下子找到借口了。等到工作以后才发现,好的技术文档全是英文的,想读一手资料读不了,想跟别人用英文交流张不开嘴,吃了很多年的亏。

后来我花了很大力气补英语,现在都没有完全补回来,走了很多弯路。回头看,当年那些说“英语没用”的人,错在哪里?他们不是坏人,只是把一个判断搞反了:因为自己用不上,或者未来技术更强,就断定这个东西没价值。

我现在看到有人说“AI 越来越聪明,所以不用学提示词”,感觉特别像当年那些说“学英语没用”的声音。逻辑结构很像:我不需要,所以它没价值;未来会更好,所以现在不用学。

这种想法容易让人踩坑。

先搞清楚提示词工程到底是什么

很多人反感提示词工程,其实反感的是那种“万能提示词模板”、“神秘咒语”,这种东西确实没什么长期价值,模型一升级就失效了。

但这不是提示词工程的全部,甚至不是它的重点。

真正有价值的提示词工程,是把目标定清楚,把约束条件列明白,把验收标准写出来,把任务拆成可执行的步骤。 你愿意的话可以叫它“需求工程”或者“任务设计”,叫什么都行,但这件事本身一直都很值钱。

你跟同事说“帮我写个方案”,同事一定会追问:给谁看的?多长?要数据吗?什么时候要?你补充的这些信息,就是在做提示词工程。你跟 AI 协作也是一样的道理,只不过 AI 不会主动追问你(或者追问得不够好),所以你得自己先想清楚。

背咒语 vs 需求工程

AI 再聪明也不会读心术

有人说:AI 的目标就是用自然语言像人一样交流,你和谁交流需要用提示词?

听起来挺有道理,但仔细想想就会发现问题:你跟人交流,难道就不需要把话说清楚了吗?

你去医院说“我不舒服”,医生一定会追问:哪里不舒服?多久了?有没有吃什么药?你不会觉得医生在搞“提示词工程”,你只会觉得这是正常的沟通。

AI 能用自然语言交流不等于 AI 有了“读心术”。自然语言天生有歧义,任务目标经常互相矛盾(又要短又要全,又要创新又要安全),输出往往需要特定格式。这些问题不会因为 AI 变聪明就消失。

更准确的说法是:AI 越强,对你输入的容错越高,你随便说一句也能得到一个还不错的结果。但“还不错”和“稳定、可靠、符合要求”之间的差距,仍然需要你把需求定义清楚来弥补。

相机像素越来越高,但你仍然需要构图。像素高只是让你拍什么都不太糊,但要拍出好照片,你还是得知道自己想拍什么、怎么拍。

像素高不等于好照片

说软件工程要完蛋的人,犯了同样的错

还有一种类似的说法:

“不出三年,软件工程专业就是新的五笔打字培训班。”

这和“提示词工程不用学”的思维方式完全一样:看到 AI 能替代某个环节,就急着宣判整个领域的死刑。

工程是把一件模糊的、不确定的事情,通过有计划、有步骤的方法,靠谱地做成。

软件工程就是把这套思路用在软件开发上,需求怎么理清、架构怎么设计、质量怎么保证、团队怎么协作、项目怎么推进,这是一整套系统性的能力。

AI 现在确实强,但它强在软件生命周期里的编码环节(还有很大进步空间),或者说某几个具体阶段。但编码只是软件工程的一个环节,AI 并不能主导整个生命周期,从需求分析、系统设计、技术决策、团队管理到长期维护,这些事情远不是写代码快就能解决的。至少在相当长的时间内都不行。

把软件工程等同于写代码,就像把提示词工程等同于背咒语,都是把一个局部当成了全部。

高飞说过一句话我很认同:

会敲字,不代表会写作;会写作,不代表懂出版。

同理:会跟 AI 说一句话,不代表会用好 AI;会用好 AI,不代表能把 AI 嵌入一个可靠的工作流。每一层跳跃之间,都需要“工程”思维来填。

能力的递进层次

AI 改变的是工作模式,不是让工作消失

以前你自己写代码,现在你指挥 AI 写代码。以前你自己写文章,现在你让 AI 起草再改。工具变了,但**“把事情做对”这个责任没有变**,仍然在你身上。

指挥 AI 本身就是一种能力。你得知道要什么、怎么拆任务、怎么验收、出了问题往哪里查。这些不叫“被替代”,叫工具升级后的能力重心转移。你觉得某些 AI 产品随便说一句就好用,那是因为有人替你把需求定义和约束设计做好了。

如果有人说:“我从来不研究怎么把需求说清楚”,这不是什么值得骄傲的事情,“我从来不研究提示词工程”也类似。你以为自己省了时间,其实是把“研究成本”变成了“返工成本”,只不过花得不自知。

我当年不学英语,也觉得自己省了时间。后来补课花的时间,比当初好好学多了好几倍。

AI 越强,“工程”两个字越值钱,而不是越不值钱。 因为强工具放大的是使用者之间的能力差距。同样一个模型,会用的人和不会用的人,产出可以差十倍。拉开差距的,就是你愿不愿意花时间把需求定义好、把流程设计好、把质量管控好。

同样的模型,产出差 10 倍

你可以不叫它“提示词工程”,叫“需求设计”也好,叫“任务拆解”也好,叫“跟 AI 好好说话”也行。但**“把你想要的东西想清楚、说明白”这件事,不会因为 AI 变强就消失。**