深入解析AI提示工程
背景介绍：这个采访主要是：Anthropic 的几位提示工程专家——Amanda Askell（对齐微调）、Alex Albert（开发者关系）、David Hershey（应用型 AI）以及 Zack Witten（提示工程）——回顾了提示工程的发展历程，分享了实用经验，并探讨了随着 AI 能力不断提升，提示方式可能会发生的变化。
首先，需要知道什么是提示词工程。
提示词的目的在于把需求讲清楚（clear communication），为什么叫工程是因为你需要不断迭代指令，独立测试不同的实验方案。同时，它还涉及系统性思维，例如对延迟、数据来源（如 RAG）以及版本控制的管理。它也不仅仅是“文笔好不好”的问题，而是能否清楚地描述概念和指令。它更不是一种“魔法”，不能指望靠不断打磨一条完美提示词，就无限期地解决本来不可能完成的任务。
其次，针对提示词策略上常见的争议话题都分享了自己的看法。
角色设定与人格提示（Personas and Role Prompting）：更应该需要清晰、详尽地描述任务要求、背景信息以及在特殊情况下该怎么做，应该避免无谓的“角色设定”。这种方法迫使你**“外化大脑中的信息”**，提供具体的指令而非模糊的身份，通常能获得更高质量的输出
语法与书写错误（Grammar and Writing Errors）：对于仅经过预训练、尚未充分对齐的模型来说，拼写错误是危险的，因为模型更容易在输出中模仿这些错误。现代的 RLHF（基于人类反馈的强化学习）模型通常对拼写错误和缺乏标点并不敏感，即使输入比较凌乱，它们也往往能理解其中的“概念性意图”。尽管模型能理解，但保持良好的格式和语法仍有其价值，像对待代码一样对待提示词，意味着要投入同样的关注和细节。良好的排版和风格被视为一种职业素养，甚至是一种能反映出工程师是否在“用心”打磨提示词的信号。
最后，给出了一些锻炼自己提示词书写能力的方法。
先把自己的prompt发给agent，然后问他有哪些地方不清晰，给出修改意见，这样反复修改。
去读别人的提示词（输出把事情做对了），去读模型输出。拆解它在做什么、为什么这么写，然后自己也试一试，多做实验，多和模型对话。
把你的提示词给另一个人看看会很有用，尤其是给那种对你在做什么完全没背景的人，反复做、反复练、反复写。并且如果你真的好奇、真的感兴趣，而且觉得好玩，那很多最后提示词很强的人，其实就是因为他们真的享受这个过程，用 AI 来自动化你自己的工作。
如果你能想到一些能逼近你认为“可能性边界”的任务。我第一次真正开始深入提示词，大概就是在尝试做一个“像智能体（agent）那样”的任务时，跟很多人一样：把任务拆解，弄清楚每一步怎么做。通过不断去压测边界，你会学到很多“怎么跟模型相处、怎么引导它”的东西。