推荐语

从被AI惊艳到被AI折磨，一位Prompt工程师半年的血泪史告诉你：大模型不是许愿机。

核心内容：
1. Prompt工程的两大困境：模糊需求表达 vs 模型能力边界
2. 调试过程中的三大痛点：无报错机制、评测标准缺失、测试成本高昂
3. 实战总结出的关键认知：模型能力取决于训练数据而非完美Prompt

杨芳贤

53A创始人/腾讯云(TVP)最具价值专家

过去半年，除了产品设计工作，我还多了一个身份：Prompt 工程师。

什么感受呢？仿佛站在了一个旧逻辑失效、新路径未明的中间地点。

尽管如此，从最初的迷茫，到如今也逐步摸索出了一些要点。

我们都是从被 AI 惊艳到开始的。

一句简单的 Prompt 就可以生成一些看起来很牛逼的东西。

可当你开始尝试，就会发现 LLM（大模型） 可以做任何东西，除了你想要的东西。

比如，你想做一个炫酷的网站。

LLM 会给你一个很不错的网站，但不是你脑子中的那种炫酷。

炫酷太模糊了，LLM 没有你脑子中的约束条件。

可一旦尝试提出更具体的需求，就会发现

解构与表达，是一件极难的事情

大部分情况下，其实都没有太多成文本的领域知识，很多人懂，但是却说不出来。

你去看了一些 Prompt 工程的文档，发现几乎没什么用…

什么角色、思维链，都不解决最核心的问题

你脑子中的炫酷是什么呢？？

于是你开始试着堆叠词汇，黑色的，渐变的，科技感的字体…

一方面你会发现：

约束条件越多，效果反而不好；

因为我们的表达很可能是错的，起码没那么精准。LLM 去强行匹配我们的需求，必然会降低质量。

比如，比起「黑色」，「深色」是不是更合理一些？

另一个方面你会发现：

这种对抽象概念的解构，边界在哪里？什么时候才算充分？

无法回答。

只能一步一步的做测试，这个过程中，很快就会发现

LLM的能力边界难以预测

我们常常把模型比作一个"超级魔盒"，认为只要找到正确的"咒语"（Prompt），就能召唤出它最强大的能力。

这种想法虽然浪漫，但是却忽视了一个最基本事实：

模型的核心能力来自于它的「训练数据样本」和「调教参数」，而不是输入提示的"咒语"。

Prompt 仍然不能解决很多问题。

LLM在很多地方表现优异，但在某些问题的解决上，表现的像个弱智。

LLM 一边做高考题，一边分不清 9.11 和 9.8 谁更大。

只能一点一点的修改 Prompt，来推测LLM能力的边界。

这个过程非常痛苦。

一边是表达不一定精准，一边是LLM能力不行。

Prompt 已经写了几百字，实际调试的时候，又不像代码一样可以报错。

不知道哪句话有问题，不知道问题出在哪，导致盲目的试错。

经常一天过去了，但是一无所获。

评测也是个大难题

个人使用LLM来说，这并不是一个问题。

但在 Prompt 工程中，Prompt 的产出通常是流程中的一个环节，其单独输出的结果，往往缺乏评价标准

更头疼的是，很好很差的结果都很少见，大部分的结果都处在不上不下的中间环节。

拔剑四顾心茫然，很难评测。

另一个问题是， Prompt 工程要解决的，往往是一类问题。

需要覆盖大量、多样化的 case 来评测。

而设计、执行和分析这些测试，其时间成本往往高得惊人。

所以，Prompt工程师的日常是什么？是在“表达不清的需求”和“能力莫测的模型”的夹缝中，用无穷尽的试错和玄学般的调试，试图搭建一座沟通的桥梁。

它远非吟诵咒语般简单，而是一个充满探索、调试与评估挑战的持续过程。我仍在这条路上摸索前行