博客文章 - 爱游戏体育网页版

给它定下终结的，正是当初让“提示词工程师”成为正式岗位的那个人——Riley Goodside。

这位祖师爷，亲手为自己的职业写了悼词。

情况是这样的。

10 月 22 日，安全研究员 Justin Elze 在 X 上发布了一条消息，内容只有一句：You're all prompting wrong，你们的提问方式全都不对。

配图是两张 LinkedIn 截图。

第二天，Riley Goodside 转发了这条内容，轻描淡写地说了三句话：

Prompt engineering is dead. Prompt however you want. Have fun。提示工程已死，想怎么问就怎么问，玩得开心。

三句话，总共 10 个英文单词。但这 10 个词，在 AI 领域引发了巨大反响。

这番话并非出自任何人都有同样的分量。

Goodside 曾担任 Scale AI 的首席提示词工程师，之后加入 Google DeepMind 继续该领域的工作。Scale AI 的 CEO Alexandr Wang 当年曾公开表示，他相信 Goodside 是全球第一位被正式聘用的提示词工程师。

他早年因公开实验而闻名，专门研究如何与大型模型交互，连“提示注入攻击”这一安全概念也是他早期重点研究的方向之一。

有网友评论说：这话出自一个几乎亲手创建这个职位的人之口，真是一篇有趣的悼词。

念“咒语”的日子，你也经历过吧 

把时间往回拨一拨。

ChatGPT 刚火起来的时候，谁的收藏夹里没有几份“万能提示词模板”呢？

先给 AI 设定一个角色——“你是一位资深 XX 专家”，再规定输出格式，再叮嘱一句“请一步步思考”，最后还得加上几句礼貌用语。

一长串写下来，像念咒一样，生怕漏掉一个字 AI 就不起作用了。

那时候大家真信这个。

会写提示词，就是一项能写进简历的技能，“提示词工程师”一度成为全网最令人羡慕的新职业。

据说年薪能达到几十万美元，不用写代码，光靠和 AI 对话就行。

三年过去，发明这套“咒语”的人自己站出来说：别念了，没用了。

一句大白话，干成了专家的活 

Justin 配的那两张截图就是活生生的证据。

截图来自 Chainguard 的 CEO Dan Lorenc。

这家公司在软件供应链安全领域非常知名。

就在 10 月中旬，Chainguard 正式推出了他们的 AI 漏洞发现系统——一套自建的执行框架，配上前沿大模型进行安全研究。

给模型的提示简单到什么程度呢？大意就是一句话：找找 PHP 里不用登录就能被远程利用的高危漏洞。

没有角色扮演，没有分步模板，也没有“你是一位资深安全专家，请按以下步骤……”。

就是这么一句大白话。

结果那套系统真的独立复现出了已知的高危漏洞，还帮助验证了官方修复方案。

这件事引起了不小的动静。FBI 都发出了警告，PHP 基金会紧急发布修复，多个政府网站一度受到影响。

放在以前，这是资深安全专家反复打磨提示词、精心设计多轮对话才敢尝试的工作。

如今一句人话就解决了。

死掉的是那句话，活着的是那套系统 

热闹没过多久，Goodside 自己在评论区补充了后半句。

他说自己刚才是在开玩笑。

给系统写底层提示词的人、给小模型做精调的人、把提示嵌入应用里的工程师，手里的工作一点没少。但对坐在屏幕前的普通用户来说，“直接问”能达到的效果上限，基本已经没有天花板了。

有人追问，是哪个新模型让你突然改变了想法？

他说没有什么突然的转折，自从 ChatGPT 问世起，提示词工程作为普通用户的必备技能就一直在慢慢消亡，这是一个缓慢而持续的过程。

有网友一语道破：“感觉工作只是从提示转移到了 harness 上。”Goodside 回了两个字：是的。

这就对了。

Dan Lorenc 那句“找找漏洞”之所以能成功，靠的不是这句话本身有多精妙，而是它背后那套包含沙箱环境、目标源码和执行引擎的完整系统。

模型的功劳在能力，系统的功劳在设计。

咒语会过期，判断力不会 

把这几年的演化串起来，脉络清晰得很：

最早是 Prompt Engineering，琢磨怎么把一句话说漂亮；后来 Karpathy 等人推动了 Context Engineering，研究怎么给模型喂对信息；再到 Harness Engineering，给模型搭好运行环境、设定规则和约束；现在圈子里又喊出了 Loop Engineering，让整套系统自己循环着跑、自我迭代。

一层一层往上叠，功夫离提示词越来越远。

普通用户不用再背咒语、存模板，模型听得懂人话了。

最有意思的是 Goodside 本人。有人问他，现在该把精力花在什么技能上。这位祖师爷很老实地回答：老实说，我完全不知道现在什么技能值得培养，一切变得太快了。

技巧每隔几个月就被模型追平一次。

现在变得重要的三件事成了：你能不能把问题想清楚？能不能把自己要什么说明白？能不能判断 AI 给出来的结果到底对不对？

参考资料：https://x.com/goodside/status/2113639196254671259

编辑：所罗门

本文来自微信公众号 “新智元”（ID：AI_era），作者：ASI启示录，36氪经授权发布。