提示词为什么能调出模型的能力？

同一份更新记录，交给模型说“帮我总结一下”，往往会得到一段面面俱到的概括；改成“写给正在上传文件的用户，只说这次更新会怎样影响他”，重点就会转向断线以后还能不能继续上传。材料没变，模型也没换，几句话却改变了它处理材料的方式。提示词工程要解释的，就是这种变化为什么能够发生。

预测文字，也在学习文字背后的关系

语言模型在预训练中反复做一件事：根据前面的内容，预测接下来出现什么。这个目标看起来很窄，材料却把它推向了很宽的世界。要接上一段程序，需要知道变量和操作之间的关系；要续写一道题的解答，需要跟上前面的条件；要补完一场争论，需要辨认双方在争什么。文本里到处都是人做事留下的痕迹，预测任务让模型有机会从这些痕迹中学到规律。

比如，记住“杯子掉下来会摔碎”可以接好一句话，学到物体会下落、材料会破裂的关系，则能帮助处理许多不同的句子。相似的规律在大量语境里反复出现，共用一套内部表示比逐句记忆更有用。模型由此获得了可以迁移和组合的知识。我们觉得它有时“像人一样”，常常就来自这种组合：它能把见过的关系用到一个没有原样见过的问题里。

训练材料同时包含很多不同的做事方式。产品公告挑选用户关心的变化，技术文档交代条件和接口，审稿意见追问证据，教程把中间步骤摊开。它们可能讨论同一件事，却选择了不同的信息、顺序和判断标准。模型学到的因此是一片相互交叠的行为可能性。眼前究竟沿哪种方式继续，要由当前的上下文来参与决定。

提示词改变了这次计算的条件

不过，能够续写许多文本，还不等于习惯按用户的要求做事。指令跟随也需要学习：InstructGPT在预训练模型上使用人工示范进行监督微调，再利用人类对回答的评价继续训练。预训练积累的知识与关系，由此更容易被组织成符合要求的回应。我们日常给出的提示，正是在调用这样一个已经学过如何接受任务的模型。

“写给正在上传文件的用户”把读者的处境放进了上下文，“只说这次更新会怎样影响他”又给出了筛选信息的标准。模型接下来生成文字时，会同时利用更新记录和这些要求。换一种要求，候选表达的概率分布就跟着变化。这个过程通常没有改动模型的权重；发生变化的是同一套参数面对不同输入时的计算。

下面把同一份材料放在三种提示下。切换时，留意每次留下了哪些事实、删掉了哪些细节，以及句子准备让谁采取行动。组件里的回答是为说明关系而写的示例，但这正是提示词要改变的东西：模型对任务的理解，会体现在它对信息的取舍上。

常见的提示方法，究竟改变了什么？

把提示词看成“为这次计算补充条件”，很多技巧就能放回同一张图里。它们有的缩小任务的解释空间，有的给出可模仿的关系，有的安排中间工作，还有的增加寻找好答案的机会。判断一种方法是否值得用，要看它补上的条件，是否正是当前任务缺少的东西。

• 角色与目标：给出判断的立场。 “你是一位产品经理”能带来一些常见的注意方向，但产品经理也会写需求、排优先级、做汇报。继续说明“读者刚遇到上传失败，需要决定重试还是等待”，才把这些可能性收束到眼前的工作。角色名可以简写读者、责任与取舍标准，但这些含义需要明确。

• 示例：把模糊标准变成可以辨认的关系。 “简洁、准确、专业”仍容许许多写法；给出一条“发生了什么变化 → 谁受影响 → 接下来怎么办”，就示范了信息怎样连接。GPT-3 的少样本实验展示了模型只读输入中的示例、无需更新参数就能适应任务的现象。示例尤其适合传递难以穷尽的风格与边界：放一个合格样本，再放一个看似合格却遗漏关键条件的样本，差别往往比十条形容词更清楚。

• 约束与分隔：说明哪些内容各司何职。 把背景、待处理材料、交付要求分开，能减少模型把材料里的话当成要求、把例子当成事实的机会。标签、标题、代码围栏都能完成这份工作，没有哪套符号天然更聪明。要求 JSON 则是在限定交付接口；如果下游程序依赖它，仍应使用支持的结构化输出约束并校验结果。提示里写出的边界，首先是给模型理解的边界。

• 拆解与中间产物：为后续计算造一个落脚点。 比较两种方案时，先形成比较维度，后面的判断就能逐项利用它；写报告前先核对事实表，也能让正文有稳定的依据。有效的是这些中间结果保存了后面要用的关系。把任务切成十步却不增加有用信息，只会多制造九次衔接，还可能提前锁死一条本该随着发现而改变的路线。

“一步一步想”，为什么有过那么大的作用？

早期模型经常需要从问题直接跳到答案。把推导示例放进输入，会让它更容易生成一条带中间步骤的解答；已经生成的步骤又成为后续计算的条件。思维链提示的重要性，就在于展示了中间计算可以被语言承载。这种提示为模型提供了一种把多步关系展开、继续利用的做题方式。

另一些方法把力气花在选择上。让模型生成几个方案再比较，或者让不同解法对答案投票，都在扩大搜索。自一致性方法就通过采样多条推理路径、汇总答案来改善表现。让模型反思也属于这条思路，但一句“再检查一下”只提供了再次判断的机会。给出反例、执行测试、核对原始材料，才能为这次判断增加新证据；五个答案如果共享同一个误解，多数票也会一起错。

到了现在，许多推理模型已经在训练中学会了分配中间计算，智能体模型也学会了查资料、调用工具和利用失败。过去需要提示才能出现的行为，成了模型的默认做法。OpenAI 的推理模型使用建议因此建议直接、清楚地表达任务，指出反复要求逐步思考可能没有帮助，甚至妨碍表现。我们应该保留“用中间工作支撑复杂判断”这个原理，重新判断究竟有多少步骤还需要人替模型安排。

今天，提示词应该把什么讲清楚？

提示词工程的热度退下去后，留下了一项很实际的工作：把通用能力接到一个具体人的意图上。模型越来越知道通常该怎么做，却仍然不知道你把什么结果看得最重要、可以接受哪些取舍，以及希望把多大的决定权交给它。当前厂商的建议也在更多讨论这些协作条件，例如自主推进与指令优先级，以及按具体模型调整引导力度。同一套强提醒，换到已经很主动的模型上，可能造成过度执行。

1. 结果与取舍。 最终交付给谁，用来做什么，哪些要求冲突时应优先满足哪一项。对一篇文章，“让读者理解为什么这样做”与“覆盖所有知识点”，会引出完全不同的写法。

2. 事实与权限。 哪些材料是当前依据，哪些内容只是例子；模型可以去哪里调查，可以自行修改什么，什么决定需要交还给人。材料会变化时，给出查阅入口和核实要求，比把旧答案长期写死在提示里更有效。

3. 完成条件与交付方式。 写出代码之后是否需要运行验证，文章要进入哪个文件，最终反馈要保留哪些证据。把这些条件讲清，可以让模型自行选择过程。只有某种过程本身影响质量时，才额外固定它，例如写作时先构思一段的句子，再把这段写入文件。

回到上传公告，可以这样交代：

根据这份更新记录，写一段给上传失败用户看的说明，放进帮助页草稿。读者要能判断现在该重试还是等待。保留影响这个判断的限制条件；发现材料缺失时查对应文档，不猜测产品行为。措辞参考已有帮助页。完成后检查每条产品承诺能否在材料里找到依据，并给出草稿位置。

这段提示没有替模型编排所有动作，却已经确定了信息取舍、证据、风格、产物与完成标准。任务比较简单时，还可以更短；模型反复在某个地方误解时，再补一个有针对性的例子。

旧技巧可以据此重新筛一遍：明确目标、提供相关例子、划清材料层次、产出有用的中间结果，仍然有价值；反复强调身份、许诺奖励、为每个任务强制长篇推导，则不值得作为默认仪式保留。长提示也完全可以有用，只要它的长度来自真实的任务条件。真正该删的是那些已经被模型学会、与本次工作无关，或者彼此冲突的提醒。

最后，提示的质量要放回任务里检验。拿几类真实例子，保留一批容易误解的边界情况，比较修改前后的结果；模型升级后，再看看旧提醒是否还在帮忙。一次惊艳的回答不足以证明模板有效，某句提示失效也未必说明能力消失。先分清是目标没讲清、材料没给够，还是模型确实不会。前两类问题还能继续通过输入改善，而当材料来自一个持续变化的世界时，提示词就要与下一篇要谈的上下文工程接起来了。