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

Microsoft Azure Blog
Microsoft Azure Blog
H
Hacker News: Front Page
A
About on SuperTechFans
云风的 BLOG
云风的 BLOG
aimingoo的专栏
aimingoo的专栏
Martin Fowler
Martin Fowler
博客园 - 叶小钗
Last Week in AI
Last Week in AI
Recent Announcements
Recent Announcements
P
Palo Alto Networks Blog
Webroot Blog
Webroot Blog
Hacker News: Ask HN
Hacker News: Ask HN
IT之家
IT之家
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
T
Threat Research - Cisco Blogs
C
CERT Recently Published Vulnerability Notes
Google DeepMind News
Google DeepMind News
Hugging Face - Blog
Hugging Face - Blog
H
Help Net Security
P
Privacy & Cybersecurity Law Blog
C
Cisco Blogs
罗磊的独立博客
The GitHub Blog
The GitHub Blog
M
MIT News - Artificial intelligence
人人都是产品经理
人人都是产品经理
The Cloudflare Blog
Y
Y Combinator Blog
AWS News Blog
AWS News Blog
H
Hackread – Cybersecurity News, Data Breaches, AI and More
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
K
Kaspersky official blog
博客园 - 司徒正美
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
Security Archives - TechRepublic
Security Archives - TechRepublic
The Last Watchdog
The Last Watchdog
Jina AI
Jina AI
MyScale Blog
MyScale Blog
TaoSecurity Blog
TaoSecurity Blog
大猫的无限游戏
大猫的无限游戏
cs.CL updates on arXiv.org
cs.CL updates on arXiv.org
Cisco Talos Blog
Cisco Talos Blog
美团技术团队
T
Tor Project blog
cs.CV updates on arXiv.org
cs.CV updates on arXiv.org
博客园 - 【当耐特】
博客园 - 聂微东
V2EX - 技术
V2EX - 技术
I
Intezer
V
Visual Studio Blog
酷 壳 – CoolShell
酷 壳 – CoolShell

宝玉的分享

tsshd v0.1.9 已经发布,低延迟的 ssh - OSCHINA - 开源 × AI · 开发者生态社区 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。**