大语言模型的推理能力持续增强，AI领域对提示词工程的认知也在悄然演变。过去，用户习惯向模型提供详尽上下文和精确指令，以避免理解偏差。如今，一种名为懒人提示法（Lazy Prompting）的新趋势悄然兴起，主张使用最少甚至不精确的提示，直接依靠模型自身的推理能力来理解用户意图。这种方法简化了交互流程，提升了效率，尤其适合需要快速产出结果的任务。
什么是 Lazy Prompting ？
懒人提示法，通俗而言，就是在与大模型对话时仅提供最少的信息或问题，让模型自行理解并生成响应，省去复杂的提示设计环节。
这一概念最早由AI大牛吴恩达（Andrew Ng）在一封公开信[1]中正式提出，随后他转发至X平台[2]，在AI领域引发热烈讨论，评价相当积极。吴恩达指出，在某些场景下，简短、不精确的提示反而能更快收获有用输出，尤其当用户能快速评估输出质量并迭代优化时。这背后依赖的是大模型强大的语言理解与推理能力——它们能够从有限输入中推断出用户的真实需求。
类似地，Daniel Nest于3月20日发表的文章No-Prompt Prompting? So Lazy, It Just Might Work![3]中提出了另一概念：“无提示提示法”（No-Prompt Prompting）。核心观点是，当上下文足够清晰时（例如描述一张图片或分析一个数据集），模型完全能够自行推断任务。这与懒人提示法的理念不谋而合，共同强调模型的自主推理能力。
Lazy Prompting 为何成为趋势？
懒人提示法突然流行起来，原因并不复杂：
- 效率：传统提示工程往往需要耗费大量时间设计、优化提示，而懒人提示法允许用户快速上手，省时省力。例如调试代码时，直接粘贴错误信息，模型就能给出修复建议，完全无需额外说明。
- 可访问性：对于不熟悉提示词工程的用户而言，懒人提示法显著降低了使用门槛。它弱化了对所谓“提示工程师”技能的依赖，让更多人能够轻松调用大模型的能力。
- 模型能力：现代大模型的语言理解和推理能力越来越强，能够从极简输入中推断出意图，甚至能处理模糊输入，这在以前难以想象。
哪些场景适合 Lazy Prompting？
以下是已在实际中落地的真实应用：
- 错误修复：许多开发者在编写代码时，直接向模型抛出长达几页的错误日志，无需任何额外说明。目前主流的大模型基本都能直接给出修复方案，根本不需要复杂的提示词。
- 代码生成：你可以简单地说一句“写一个Python函数计算斐波那契数列”或“写一个虚拟货币交易软件的前端”，模型就能根据上下文生成合理的代码，无需提供详细的函数签名或实现细节。
- 内容分析：上传一个数据集或一张图片，让模型自动分析、描述或分类，完全不用指定具体任务。正如那篇No-Prompt Prompting?文章所提到的，直接上传泰坦尼克数据集，模型就能自动输出分析结果。
- 创意探索：提示越少，模型反而可能蹦出意想不到的创意输出，帮助用户打开新思路。
Lazy Prompting 也有局限性
不过，懒人提示法并非万能，在以下场景中需要谨慎使用：
- 复杂任务：如果任务本身需要大量上下文或详细指令，懒人提示法很可能失败——模型缺乏足够信息，输出自然不准确。尤其是需要提供数据样例或输出格式时，还是应当遵循传统提示工程的方法，在提示中明确写清楚。
- 难以验证的输出：如果AI输出的结果很难快速判断正确与否，那么使用懒人提示法反而可能浪费时间——检查和修正需要投入大量精力。例如运行代码验证功能可能很耗时，吴恩达也建议在这种情形下多提供一些上下文。
- 特定要求：当任务有硬性要求或必须使用特定工具（例如某个pdf-to-text转换软件）时，懒人提示法基本失效，必须在提示中明确指出需求。
最佳实践与使用建议
无论是使用结构化提示词、无提示还是懒人提示法，最终目的都是提升工作效率。吴恩达给出了几条非常实用的建议：
- 从最少的提示开始：先尝试最简洁的提示，看看模型能否理解并生成有用结果。例如从最简单的“编辑这个”开始。
- 快速评估输出：选择那些能快速判断输出质量的任务，明确你的目标，以便及时决定是否需要补充上下文。
- 准备迭代：如果初始输出不理想，不要担心，随时添加细节或指令来优化提示。懒人提示法看似简单，实际上对用户的迭代能力提出了较高要求。
Less is More！
随着Scaling Law在AI领域的持续推进，大模型的能力不断增强。AI开发和应用领域也掀起了一股少即是多的风潮。懒人提示法作为新兴的交互趋势，为用户提供了一种高效、简便的方式，以激发大模型的推理能力。虽然它不适用于所有场景，但对于有经验的用户而言，在合适的时机运用这一技巧，可将工作效率提升一大截。
可以预见的是，随着AI技术的持续演进，懒人提示法将变得越来越重要，甚至成为AI应用中的一项必备技能。吴恩达在Business Insider的采访[4]中也提到：模型越智能，这种方法就越实用。