@svpino:提示工程并没有死。它从来就没有真正存在过。随着这些模型变得越来越好,我们将会越来越少地……
摘要
Santiago (@svpino) 认为提示工程从来就不是一门真正的学科,并预测随着模型的不断改进,措辞技巧将逐渐消失,编写提示词将仅仅成为基本的沟通能力。
提示工程并没有死。它从来就没有真正存在过。
随着这些模型变得越来越好,我们就越不需要依赖措辞技巧或奇怪的指令。
最终的形态是模型能够理解我们的沟通方式。
"提示工程"将仅仅变成"沟通能力"。
查看缓存全文
缓存时间: 2026/10/08 13:13
提示词工程并没有死。它从一开始就不是活的。
模型越强大,我们就越不需要依赖措辞技巧或奇怪的指令。
最终目标是让模型理解我们的沟通方式。
“提示词工程“将简单地成为“沟通技巧”。
Santiago (@svpino): 还记得有人以为“提示词工程“会成为一个赚钱的职业吗?
相似文章
@omarsar0:所以基本上,提示工程并没有消亡。言归正传,这是一篇很好的文章!如果你不提示智能体来填补你的不足,反之亦然,你会损失很多……
一条推文强调提示工程仍然具有相关性,推荐阅读如何通过头脑风暴和规划等技术来丰富与AI智能体的互动。
@0x0SojalSec: Andrew Ng 放话:“提示(Prompting)将在6个月内消亡。”编写巧妙提示词的时代正在终结,传统提示……
Andrew Ng 预测,传统提示工程将在六个月内过时,重心将转向自主智能体系统,这些系统只需极少的人工输入即可迭代并自我改进。
我们正在变成提示词管理者,而非工匠。有人也注意到这一点吗?
一篇反思性文章,认为AI工具的泛滥正将专业人士变成依赖提示词的“管理者”,而非真正的工匠,并警告那些保持自身基础技能的人将获得更高的价值。
@tom_doerr: 精心整理的提示工程工具、论文和课程列表 https://github.com/promptslab/Awesome-Prompt-Engineering…
一个由PromptSlab维护的精选资源列表,包含用于大型语言模型的论文、工具、课程和社区。
超越提示工程:提示词法敏感性的系统性分析及其对质量的影响
本文对大型语言模型中的提示词法敏感性进行了大规模分析,揭示了提示性能稳定性的缩放定律,并引入了一个自动化的Prompt-Refining Agent,以减少代码生成等任务中的性能方差。