如果你对提示工程（Prompt Engineering）充满兴趣，最近Anthropic三位顶级提示工程师——Amanda Askell、Zack Witten和David Hershey——进行了一场深度对谈，这可能是目前全网最值得学习的资源之一。整场对话时长超过1小时，几乎把提示工程这门技艺的方方面面都剖析透彻了。

本次对话的核心观点已经整理完毕，并且重点部分也已一并标注。当然，强烈建议你观看原视频（自行搜索“AI prompt engineering: A deep dive / Anthropic”），其中的细节远比摘要更加丰富。

优秀的提示就像是在给“受过教育的门外汉”解释复杂概念

提示工程的核心不在于把提示写得多么浅显，而是要确保清晰、准确、易懂，让AI能够轻松理解你的意图，即便它对你的专业领域一无所知。正如Amanda所强调的：写提示时，你必须时刻想象一个“受过教育的门外汉”坐在对面，他会提出哪些问题？他对这些概念的理解可能存在哪些偏差？这要求提示工程师具备极为扎实的沟通能力和换位思考能力，将复杂的专业概念转化为AI能够“秒懂”的语言。

“把你的大脑外化到模型中”

这才是提示工程的精髓所在。提示工程师需要将自己对任务的理解、目标、期望，以及所有相关的背景知识，都清晰、完整地表达出来，然后“灌输”给AI。这本质上就是在复制一份自己的思维方式，让AI能够像你一样思考问题——只不过是用自然语言进行编程。

提示工程将继续在追求模型极限性能中发挥作用

即使AI技术发展再迅猛，我们仍然需要想方设法“压榨”出它的极限性能，才能完成更复杂、更高阶的任务。而提示工程，正是激发AI潜力的关键手段，这一点不会因为模型越来越强而改变。

以下是对话中提到的10个核心要点，逐一拆解：

1. 定义提示工程

提示工程本质上就是编程 —— 只不过是用自然语言来写代码。你不是在跟AI闲聊，而是在用精准的语言引导它完成特定任务。

它还需要考虑系统层面的问题，比如数据来源、延迟、数据量等，并将这些因素整合到整体系统设计中。

写提示的过程很像写论文，但写出来的“论文”要当作代码来管理：需要版本控制、实验跟踪，该有的工程化流程一个都不能少。

2. 如何成为一名优秀的提示工程师

清晰的沟通能力：准确描述任务，并把各种边缘情况都考虑到。

快速迭代能力：不断尝试不同的提示组合，找到效果最好的那个版本。

逆向思维能力：站在AI的角度思考问题，预测它的反应，并提前化解潜在的误解。

系统性思考能力：分析任务所需的全部信息，不能只盯着自己熟悉的那个部分。

善于从模型输出中学习：仔细阅读AI的回答，从它的错误中发现问题，进而优化提示。

3. 如何优化提示

让模型解释提示：直接让AI指出提示中哪些地方不清楚、存在歧义。

让模型修改提示：如果AI回答错误，告诉它原因，让它分析并尝试修改提示，确保下次能答对。

预测用户的真实输入：不要只考虑理想情况，要预判用户可能输入的奇怪内容——错别字、语法错误、无意义词语等等，都需要提前做好防护。

4. 提示中的诚实、角色扮演和隐喻

别对模型撒谎：AI已经足够聪明，撒谎只会增加沟通成本。直接告诉它你的真实意图，结果往往更好。

慎用“角色扮演”：告诉AI扮演某个角色（比如老师、医生），可能会把AI带偏，让它无法完成你真正想要的任务。

隐喻有用，但要谨慎：好的隐喻能帮助AI理解任务，但如果选错了，反而会引发误解。

5. 模型推理

思维链（CoT）确实有效，但它到底是不是真正的“推理”，目前在学术界仍有争议。

有一点很关键：即使AI的推理过程存在错误，只要最终答案正确，CoT技术就是有效的。

可以通过结构化CoT提示、提供推理示例等方式，显著提升AI的推理能力。

6. 企业级提示 vs 研究型提示 vs 聊天型提示

企业级提示：更看重可靠性和一致性，通常会塞满大量示例，确保AI在各种场景下都能稳定输出正确答案。

研究型提示：更追求多样性和创造性，会刻意少给示例，鼓励AI探索更多可能性。

聊天型提示：注重交互感和趣味性，可以随意发挥，不用太纠结细节。

7. 提升提示技巧的建议

多读别人的提示，尤其是那些效果特别好的，从中学到他们的思路和技巧。

多做实验，尝试不同方法、不同写法，看看哪种效果最好。

尝试挑战AI的极限，给它一些你认为不可能完成的任务，这样才能真正摸清AI的能力边界。

8. 越狱

越狱攻击本质上是利用AI系统的漏洞，通过精心设计的提示，让AI做出违反规则或预期之外的输出。要绕过安全限制，需要对AI的工作原理和训练过程有深刻理解，有时还会用到社会工程学技巧——比如假装自己是AI的“朋友”，或用诱惑性语言来欺骗它。

9. 提示工程的演变

随着LLM能力提升，一些早期的提示技巧已经失效，比如“重复某个词语”或“使用特定语法结构”。现在的模型更善于理解自然语言，提示可以写得更简洁、更直接。我们对模型的能力也更有信心，可以放心地提供更多信息和上下文。

10. 提示工程的未来

AI会越来越聪明，能更好地理解我们的意图，但这不意味着我们可以不表达清楚。提示工程工具会越来越强大，能够自动生成示例、识别潜在问题等。

更重要的是，人机交互的方式将发生改变——我们不再只是输入文字，而是用更直观、更自然的方式与AI互动。未来甚至可能会出现AI反过来“提示”我们的场景：它主动询问我们更详细的需求，提供建议或选项。这才是真正意义上的双向沟通。