简而言之：随着人工智能模型变得越来越智能，关于“提示工程”的辩论往往偏离了重点。释放人工智能真正潜力的关键不在于记忆复杂的公式，而在于掌握战略沟通的三个核心原则：1）理解人工智能的固有“模式”（其优势和劣势），2）用“"随和"”哲学结构化信息，3）定义明确的“评估（EVAL）”标准，以通过具体和简明的指令引导人工智能的输出。我是詹姆斯，水星科技解决方案的首席执行官。在快速发展的人工智能领域，一个常见的叙述是，随着语言模型变得越来越智能，对熟练的“提示工程”的需求正在减少。这个论点认为，一个模糊的提示现在可以产生令人惊讶的好结果。虽然这其中有一定的真理，但它忽视了一个更深刻的现实：随着模型变得更强大，一个“战略设计的提示”变得成倍更有效。经过多年将人工智能融入我们的核心流程并开发我们自己的解决方案，我的结论是，许多被称为“提示工程”的内容实际上是针对特定技术领域的细分方法。对于绝大多数专业和创意任务，真正的掌握并不是来自复杂的公式，而是来自内化人机协作的三个基础原则。原则1：理解你的工具——人工智能的“模式”要有效使用任何工具，首先必须理解其本质。人工智能也不例外。它的能力根植于“模式识别”。你越擅长观察和定义模式，就越能有效地指挥人工智能。人工智能的优势（其核心“模式”）：
总结：将长模式浓缩为短模式。检索：
在数据集中找到相应的模式。
重写：
将一种模式转变为另一种模式（例如，改变语气或格式）。头脑风暴：融合和组合不同的模式以生成新想法。
这些是我们的人工智能助手“水星缪斯AI”设计的核心功能。
- 人工智能的劣势（人类监督至关重要的地方）：人工智能不是读心术。
- 最常见的失败点是提供不足的上下文并期望完美的结果。人工智能在细节上存在困难。
- 它会犯错误——错误归因事实、生成错误的视觉细节或搞错日期。如果事先预见到，这并不是一个致命的失败。对于基于文本的工作，简单的人类主导的验证和事实检查过程是工作流程的重要组成部分。人工智能在处理非常长的文本时有局限性。
- 虽然它可以处理和总结长文档，但要求它在异常长的输入上执行复杂的创造性任务可能会导致性能下降。计算资源是有限的。原则2：结构化你的信息——“随和”哲学
一个强大的概念，灵感来自于李小龙的智慧，就是将信息和文本视为“水”。这个比喻澄清了与内容合作的整个过程。水是流动的，但它可以被赋予形状。在我看来，一个原始的想法或一段文本是一体无形的水。要“赋予它形状”，你需要一个容器——一个模板或清晰的结构。
要“让它流动
- AI is not a mind reader. The most common point of failure is providing insufficient context and expecting a perfectly tailored result.
- AI struggles with fine details. It will make mistakes—misattributing facts, generating flawed visual details, or getting dates wrong. This is not a critical failure if anticipated. For text-based work, a simple human-led verification and fact-checking process is an essential part of the workflow.
- AI has limitations with very long text. While it can process and summarize long documents, asking it to perform complex, creative tasks on exceptionally long inputs can lead to degraded performance. Compute is a finite resource.
Principle 2: Structure Your Information – The "Be Water" Philosophy
A powerful concept, inspired by the wisdom of Bruce Lee, is to view information and text as "water." This metaphor clarifies the entire process of working with content.
Water is fluid, but it can be given shape. In my view, a raw idea or a block of text is a formless body of water.
- To give it shape, you need a container—a template or a clear structure.
- To make it flow你需要渠道——一个生产线或一个明确的工作流程。
- 为了使其具有影响力，你需要加入能量——一个情感钩子或一个引人注目的行动号召。
- 为了使其坚实可靠，你需要施加压力或改变其温度——人工审核、事实核查和人工编辑。
在使用人工智能进行写作时，工作的一大部分类似于“水处理”。你必须从一个纯净的源头开始——一个清晰的核心思想——然后提炼人工智能的初始输出，去除杂质，仅保留必要的部分，然后将其塑造成最终形式。在基于文本的人工智能协作中，你说的内容（你核心信息的清晰度和价值）远比你说的方式（风格上的华丽）重要。
原则 3：以意图沟通——“EVAL”（评估标准）的力量
了解人工智能的能力和如何构建信息只是方程的一部分。你必须能够清晰地向人工智能传达你期望的结构和结果。关键在于要具体而简明。
你如何实现这种强大的组合？首先定义你的评估（EVAL）标准。这是“以终为始”的原则，正如斯蒂芬·柯维所教导的。在开始之前，你必须对成功的结果有一个清晰的定义。问问自己：
- 这个任务的“60%成功”（及格）是什么样子？
- 什么定义了“100%成功”？
- 我要求人工智能达到什么样的质量？
- 什么具体的输出会被视为成功，而什么会被视为失败？
当你有一个清晰的EVAL标准时，你就确切知道人工智能需要做什么。这使你能够剥离提示中的所有无关信息，仅保留必要的部分——使你的指令既具体又简明。
主要挑战在于大多数专业和创意任务是定性的而不是定量的。定量任务是简单的“是/否”： “我们这个月达到了销售KPI吗？”定性任务更像是一个论文问题：“描述我们最新营销活动的战略影响。”
要让人工智能生成一篇“好的”文章（定性任务），你必须首先有自己明确的定性标准来定义什么是“好”的文章。然后，你必须将该标准与现实世界进行测试（例如，通过发布文章）并使用定量市场反馈（参与度、转化率）来随着时间的推移完善你的内部标准。这种定义、测试和完善的迭代循环是我们为客户设计和实施成功的定制人工智能集成解决方案的基础。
更广泛的视角：将这些原则应用于人工智能之外
这些原则远远超出了对人工智能的提示。它们是有效工作和美好生活的基础。多年来，我发现自己的努力大多是分散的——部分由于分心，部分由于焦虑——因为我缺乏对“好”在我目标中的清晰EVAL标准。
最近，我专注于“51%”的力量。目标不是一个无法实现、令人焦虑的完美，而是不断实现一个小而可持续的优势——一个51%的胜利。当这种微小的优势在时间上不断累积时，可以导致显著的结果。任何超出这一点的目标都可能像伊索寓言中狗在水中的倒影；在追逐更大、虚幻的奖品时，我们冒着失去已经拥有的真实奖品的风险。
通过为你的目标建立一个清晰、个人有意义的EVAL标准，你可以消除浪费努力和不必要焦虑的“杂质”，使你自己的人生工作既具体又简明。
掌握人类与人工智能的协作并不是关于技术的魔法，而是关于战略的清晰、深思熟虑的沟通，以及对工具能力和自己目标的深刻理解。这是将定义未来高性能人工智能协作者的方法，也是指导我们“加速数字化”的哲学。
