你学的Prompt技巧，可能已经过期了

吴恩达（Andrew Ng）最近在一次公开分享中说了一句让很多人不安的话，大意是：现在写Prompt的正确方式，和两年前已经完全不同了。

这句话很多人听了点点头，然后继续用老方法。

因为他说得太抽象了。"不同"在哪里？怎么个不同法？没有人告诉你。

所以今天我想做一件具体的事：把这个"不同"拆成三个你能感知、能对比、能立刻改的差异。

先说结论：2022年的Prompt是"翻译腔"，你在给机器下命令；2026年的Prompt是"对话腔"，你在和一个有经验的协作者沟通。 这不是风格问题，是底层逻辑的迁移。

---

背景：为什么"旧写法"还有效，但已经不够好？

在说差异之前，先建立一个共识：旧写法不是"错的"，它只是没有充分利用模型的新能力。

2022年，GPT-3.5刚刚走进大众视野。那个时候的模型有几个硬伤：

上下文窗口极小，塞不了太多信息
指令跟随能力弱，需要大量"脚手架"来引导
多轮对话记忆差，每次对话几乎是从零开始

所以那个年代涌现出的Prompt技巧，本质上是在用人类的结构化思维来弥补模型的能力缺陷。角色扮演、规则列表、一次性长Prompt——这些都是当时有效的补丁。

但现在主流模型（GPT-5系列、Claude Opus 4.6、Gemini 3.1 Pro、Deepseek R1等）的能力已经发生了质变：上下文窗口动辄128K起步，指令跟随能力大幅提升，多轮对话的连贯性极强。

问题是，大多数Prompt教程写于2022-2023年，至今仍在广泛传播。 你学到的技巧，可能是给一台已经不存在的旧机器写的说明书。

---

差异①：从"角色扮演"到"直接说需求"

旧写法

You are an expert lawyer with 20 years of experience in contract law.
Please analyze the following clause...

这类"角色设定前缀"在2022年非常流行，原因很直接：当时的模型需要靠角色暗示来"激活"特定领域的知识。你不说"你是律师"，它可能给你一个大众科普版的回答。

新写法

帮我分析这段合同条款的法律风险，重点关注违约责任和争议解决机制。
如果有不明确的地方，直接指出来，不用给我普法背景。

为什么旧写法的边际收益在下降？

现代大模型在预训练和RLHF阶段已经内化了大量专业知识，它本身就"知道"法律分析应该怎么做。你再加一个"你是资深律师"，不会让它突然变聪明，反而可能引入不必要的语气偏差——它可能开始模仿"律师腔"，变得更啰嗦、更免责声明满天飞。

核心转变：旧写法是在给模型"授权"；新写法是在给模型"定向"。前者是因为模型不知道自己能做什么，后者是因为模型知道，你只需要告诉它你要什么。

当然，角色扮演在某些场景仍然有用——比如你需要模型保持特定的叙事视角（写小说时让它扮演某个角色）或者风格基调（模拟特定人物的语气）。但作为"激活专业能力"的手段，它的时代已经过去了。

---

差异②：从"规则列表"到"给例子+说目标"

旧写法

请按以下规则写一篇小红书种草文案：
1. 字数控制在200字以内
2. 开头要有钩子句
3. 使用emoji
4. 语气要活泼
5. 结尾要有行动引导
6. 不要用"我觉得"这类主观表达
7. 要突出产品的三个卖点

七条规则，模型看了，你也累了。

新写法

帮我写一篇小红书种草文案，目标是让刷到这条的人想点进来看详情页。

参考这个风格：
"用了三个月才敢说｜这款防晒真的不一样🌞
以为又是智商税，结果现在出门必带
不假白、不搓泥、补涂也不卡粉
敏感肌亲测，真的不刺激✅"

产品是一款无线降噪耳机，主要卖点是续航长、佩戴舒适、通话清晰。

为什么"给例子"比"给规则"更有效？

这背后有一个很有意思的机制：现代大模型在从示例中推断意图方面的能力，远超它死记规则的能力。

你给它一个好例子，它能同时推断出：字数范围、语气基调、结构逻辑、读者预期——这些信息比你列七条规则传递的信息量还要大，而且更准确，因为规则是抽象的，例子是具体的。

Anthropic在关于Claude指令跟随能力的研究中也提到，few-shot示例（少样本示例）对输出质量的提升效果，在多数任务上优于等量的规则描述。这不是偶然，而是模型架构决定的。

实操建议：下次写Prompt之前，先问自己：我能不能找到一个"我想要的效果"的例子？如果能，把例子贴进去，比列规则更省力、效果更好。

---

差异③：从"一次性长Prompt"到"多轮迭代对话"

这是三个差异里，改变成本最低、收益最高的一个。

旧写法的逻辑

2022年，大家追求"万能Prompt"。各种Prompt模板动辄几百字，恨不得把所有要求、背景、限制、格式全塞进一条指令。

这种做法在当时有它的合理性：上下文窗口小，多轮对话记忆差，你不在第一条里说清楚，后面就找不回来了。

新写法的逻辑

现在，分步引导比一次性堆砌更高效。

举个例子：写一份商业计划书 旧写法（一次性Prompt，约300字）：

请帮我写一份完整的商业计划书，产品是一款面向中小企业的AI客服SaaS工具，
目标融资金额500万人民币，面向天使轮投资人。计划书需要包含：
市场分析、竞品分析、商业模式、财务预测、团队介绍、风险分析……
格式要专业，语气要自信但不浮夸，数据要有来源，篇幅控制在3000字……

你发出去，等来一份"看起来完整"但实际上每个部分都浅尝辄止的计划书。

新写法（分三轮）：

第一轮：

我要写一份AI客服SaaS的天使轮商业计划书，先帮我梳理一下：
对于这个赛道的投资人来说，他们最关心的三个核心问题是什么？

（等模型回答，确认方向对了）

第二轮：

好的，基于这三个核心问题，先帮我把"市场规模和竞争格局"这一节写透，
重点论证为什么现在是切入时机，不需要面面俱到，要有观点。

（等模型输出，如果有偏差立刻纠正）

第三轮：

这一节不错，但"切入时机"的论证太弱了，帮我加强这部分——
可以从大模型降低客服开发门槛、中小企业数字化加速这两个角度切入。

分步引导的优势：

纠错成本低：每轮只处理一个模块，发现问题立刻调整，不用推倒重来
质量更高：模型的注意力集中在一个任务上，输出深度更好
你自己也更清晰：逼着你一步步思考，反而帮你理清了思路

---

💡 想直接试试新写法效果如何？

文中三组对比实验，我都是在 [api.884819.xyz](https://api.884819.xyz) 上跑的——它聚合了GPT-5系列、Claude Opus 4.6、Gemini 3.1 Pro、Deepseek R1等主流模型，可以在同一个界面快速切换对比，不用多开账号。

如果你想复现本文的实验，或者测试自己的Prompt是"2022版"还是"2026版"，直接去那里跑一遍，比看文章更有感觉。新用户注册即送体验token，国产模型（Deepseek/千问等）完全免费，没有月租。

---

为什么大多数人还在用旧写法？

这不是用户的问题，是信息差的问题。

教程滞后是核心原因。你在搜索引擎或短视频平台搜"Prompt技巧"，排名靠前的内容大多写于2022-2023年。这些内容当时是对的，但没有人告诉你它们的"保质期"。 路径依赖是第二个原因。旧写法"有效果"，你感知不到"更好的效果"是什么样的。就像你一直用手洗碗，不知道洗碗机有多香——不是因为你懒，是因为你没有对比过。 信息茧房是第三个原因。Prompt技巧类的内容，算法会持续推送给你同质化的旧内容，因为那些内容的互动数据更好——毕竟它们已经被传播了两三年。

知道这三个差异，你已经超过了大多数用户。

---

结尾：一个自检清单

下次写Prompt之前，对照这五个问题：

底层逻辑只有一句话：模型越来越像一个有经验的协作者，而不是一台执行指令的机器。你和协作者沟通的方式，和你给机器下命令的方式，应该是完全不同的。

调整你的心智模型，Prompt的写法自然会跟着变。

---

下一篇我想聊一个更反直觉的问题： 为什么有时候你的Prompt越长、越详细，模型的输出反而越差？

这背后有一个"注意力稀释"的机制——模型在处理超长输入时，会对不同位置的内容分配不均匀的注意力权重，导致你精心写的某些关键指令被"淹没"了。搞懂它，你会重新审视自己写的每一个字。

---

本文由8848AI原创，转载请注明出处。关注8848AI，带你从零开始学AI。

#Prompt技巧 #AI写作 #ChatGPT #Claude #AI教程 #8848AI #人工智能 #提示词工程