#提示工程师# “李继刚：提示词的道与术
- 高飞
- 2024-11-24 10:41:23
提示工程师 “李继刚：提示词的道与术。
上周末，我们和一些小伙伴共同组织了PEC提示工程峰会（也是AI创新者大会），LangGPT举办的是《Prompt设计的艺术与构建AI原生产品》专题论坛。知名提示词专家，也是汉语新解作者李继刚老师，在会上则做了题为《提示词的道与术》的讲座。
题外话，他分享时，我正主持会上的全球AIGC KOL连线对话（也是靠宝玉、海辛、ZHO、朋克周、赛博禅心、杨中科、肥桃、路飞几位老师捧场，这场回放在这里：
高飞的微博直播，几位老师的观点非常精彩）。
自然，我也是后来看视频了解的讲座内容，这里分享给大家。
我用Claude对讲座内容做了一个大致总结。更全面的内容，则可以搜LangGPT官方公号“结构词AI”，其中11月20日发出的内容，就包括了这期讲座的图文介绍（有关键PPT截图）
10个观点：
***
1. 提示词的本质是表达，而非沟通
提示词的本质不是对话或沟通，而是纯粹的表达行为。这一认知框架的转变具有重要意义：它将提示词创作的重点从"如何与AI交互"转向"如何更好地表达"。表达作为一种让符号产生意义的活动，其研究已有深厚积累。这意味着我们可以借鉴传统表达理论来提升提示词的效果。
2. 表达的三维模型
表达过程可以分解为三个关键维度：
本意：表达者脑海中的原始概念或想法
文意：选择的语言符号和表达方式
解意：接收方（在此语境下是AI）对内容的理解与解读
这三个维度之间存在差异（delta），这正是提示词效果产生偏差的根源。优化提示词，本质上就是在缩小这些维度之间的差异。
3. 乔哈里视窗在提示工程中的应用
李继刚创新性地将乔哈里视窗（Johari Window）应用于提示工程领域，构建了一个四象限分析框架：
第一象限（人知道，AI知道）：适合简单直接的表达
第二象限（人不知道，AI知道）：需要通过深度提问来探索
第三象限（人不知道，AI不知道）：创新与突破的空间
第四象限（人知道，AI不知道）：需要详细说明和模式输入
这个框架不仅帮助我们理解不同场景下的提示策略，也为提示词的发展方向提供了指导。
4. 提示词效果的三要素
提示词产生的效果取决于三个核心要素：
模型能力：作为首要因素，决定了理解和生成的上限
任务理解：对具体场景和需求的准确把握
提示词本身：作为第三位要素，需要基于前两个要素来优化
这个层级关系提醒我们，提示词优化应该建立在对模型能力和任务需求深入理解的基础上。
5. 从描述到定义的范式转换
在提示词编写方法上，李继刚提出了一个重要的范式转换：从"描述性"向"定义性"转变。这种转变体现在：
减少冗长的描述性文本
聚焦于核心概念的精准定义
使用更简洁、更准确的关键词组合
这种方法论的转变，促使提示词更加精准和高效。
6. 向量空间中的概念导航
李继刚提出了一个富有启发性的比喻：将提示工程视为在概念向量空间中的导航。在这个空间中：
每个概念都是一个向量点
提示词的作用是点亮关键向量点
通过精确的概念组合形成有效的模式（pattern）
这种思维模型有助于我们更好地理解和构建提示词的内部逻辑。
7. 工程师技能的双重性
关于提示工程师的培养，李继刚提出了一个重要观点：优秀的提示工程师需要具备双重特质：
技术思维：理解模型机制和逻辑结构
人文素养：具备良好的表达能力和概念理解能力
这种"技术+人文"的复合型人才模型，为提示工程师的培养提供了新的思路。
8. 提示词的动态演进
提示词工程正在经历从复杂到简约的演进过程：
早期：倾向于详细描述和多维度说明
现在：追求概念的精准定义和简洁表达
未来：可能进一步向更本质的表达方式演进
这种演进趋势反映了对提示词本质的深入理解。
9. 知识获取的重要性
李继刚强调了持续学习和知识积累的重要性：
广泛阅读：建立跨领域知识储备
深度思考：形成清晰的概念认知
实践验证：通过实践检验和优化理论
这种持续学习的态度，是提升提示工程水平的关键。
10. 技术与模型的共生关系
关于未来发展，李继刚提出了两个重要维度：
横轴（AI能力）：模型理解能力的不断提升
纵轴（人类能力）：人类表达能力的持续进化
上周末，我们和一些小伙伴共同组织了PEC提示工程峰会（也是AI创新者大会），LangGPT举办的是《Prompt设计的艺术与构建AI原生产品》专题论坛。知名提示词专家，也是汉语新解作者李继刚老师，在会上则做了题为《提示词的道与术》的讲座。
题外话，他分享时，我正主持会上的全球AIGC KOL连线对话（也是靠宝玉、海辛、ZHO、朋克周、赛博禅心、杨中科、肥桃、路飞几位老师捧场，这场回放在这里：
高飞的微博直播，几位老师的观点非常精彩）。自然，我也是后来看视频了解的讲座内容，这里分享给大家。
我用Claude对讲座内容做了一个大致总结。更全面的内容，则可以搜LangGPT官方公号“结构词AI”，其中11月20日发出的内容，就包括了这期讲座的图文介绍（有关键PPT截图）
10个观点：
***
1. 提示词的本质是表达，而非沟通
提示词的本质不是对话或沟通，而是纯粹的表达行为。这一认知框架的转变具有重要意义：它将提示词创作的重点从"如何与AI交互"转向"如何更好地表达"。表达作为一种让符号产生意义的活动，其研究已有深厚积累。这意味着我们可以借鉴传统表达理论来提升提示词的效果。
2. 表达的三维模型
表达过程可以分解为三个关键维度：
本意：表达者脑海中的原始概念或想法
文意：选择的语言符号和表达方式
解意：接收方（在此语境下是AI）对内容的理解与解读
这三个维度之间存在差异（delta），这正是提示词效果产生偏差的根源。优化提示词，本质上就是在缩小这些维度之间的差异。
3. 乔哈里视窗在提示工程中的应用
李继刚创新性地将乔哈里视窗（Johari Window）应用于提示工程领域，构建了一个四象限分析框架：
第一象限（人知道，AI知道）：适合简单直接的表达
第二象限（人不知道，AI知道）：需要通过深度提问来探索
第三象限（人不知道，AI不知道）：创新与突破的空间
第四象限（人知道，AI不知道）：需要详细说明和模式输入
这个框架不仅帮助我们理解不同场景下的提示策略，也为提示词的发展方向提供了指导。
4. 提示词效果的三要素
提示词产生的效果取决于三个核心要素：
模型能力：作为首要因素，决定了理解和生成的上限
任务理解：对具体场景和需求的准确把握
提示词本身：作为第三位要素，需要基于前两个要素来优化
这个层级关系提醒我们，提示词优化应该建立在对模型能力和任务需求深入理解的基础上。
5. 从描述到定义的范式转换
在提示词编写方法上，李继刚提出了一个重要的范式转换：从"描述性"向"定义性"转变。这种转变体现在：
减少冗长的描述性文本
聚焦于核心概念的精准定义
使用更简洁、更准确的关键词组合
这种方法论的转变，促使提示词更加精准和高效。
6. 向量空间中的概念导航
李继刚提出了一个富有启发性的比喻：将提示工程视为在概念向量空间中的导航。在这个空间中：
每个概念都是一个向量点
提示词的作用是点亮关键向量点
通过精确的概念组合形成有效的模式（pattern）
这种思维模型有助于我们更好地理解和构建提示词的内部逻辑。
7. 工程师技能的双重性
关于提示工程师的培养，李继刚提出了一个重要观点：优秀的提示工程师需要具备双重特质：
技术思维：理解模型机制和逻辑结构
人文素养：具备良好的表达能力和概念理解能力
这种"技术+人文"的复合型人才模型，为提示工程师的培养提供了新的思路。
8. 提示词的动态演进
提示词工程正在经历从复杂到简约的演进过程：
早期：倾向于详细描述和多维度说明
现在：追求概念的精准定义和简洁表达
未来：可能进一步向更本质的表达方式演进
这种演进趋势反映了对提示词本质的深入理解。
9. 知识获取的重要性
李继刚强调了持续学习和知识积累的重要性：
广泛阅读：建立跨领域知识储备
深度思考：形成清晰的概念认知
实践验证：通过实践检验和优化理论
这种持续学习的态度，是提升提示工程水平的关键。
10. 技术与模型的共生关系
关于未来发展，李继刚提出了两个重要维度：
横轴（AI能力）：模型理解能力的不断提升
纵轴（人类能力）：人类表达能力的持续进化
