本文來自微信公眾號(hào)： 小蓋fun ，作者：小蓋，原文標(biāo)題：《很多提示詞和 Skill，都已經(jīng)過時(shí)了?！?/span>
Anthropic的工程師發(fā)了一篇文章，提到他們針對(duì)Claude Opus 5、Claude Fable 5這一代新模型，團(tuán)隊(duì)把Claude Code的系統(tǒng)提示詞刪掉了80%以上，結(jié)果在代碼評(píng)測里沒有看到明顯損失。
這件事至少說明，在AI快速變化的節(jié)奏里，很多所謂的最佳實(shí)踐，保質(zhì)期可能非常短。
模型能力一直在提升，一些過去必須反復(fù)強(qiáng)調(diào)的規(guī)則，今天可能已經(jīng)沒有價(jià)值，甚至?xí)拗颇Ｐ偷谋憩F(xiàn)。
我也想借這個(gè)機(jī)會(huì)，寫一下最近關(guān)于提示詞和Skill的一些真實(shí)經(jīng)驗(yàn)和思考，希望能夠給大家一些啟發(fā)。
一、提示詞依然重要
現(xiàn)在很多人會(huì)覺得，提示詞已經(jīng)沒有什么意義了。
這話對(duì)了一半。過去那種八股文式的提示詞，價(jià)值確實(shí)越來越低。比如先給AI設(shè)定一個(gè)復(fù)雜角色：
你是一位資深的新媒體編輯，熟悉互聯(lián)網(wǎng)行業(yè)，擁有十年寫作經(jīng)驗(yàn)，請(qǐng)幫我優(yōu)化這篇文章。
這類角色預(yù)置，在新模型上的作用已經(jīng)沒有過去那么明顯。模型本身知道編輯是怎么工作的，也知道一篇文章大概要怎么修改。
但這不代表提示詞不重要。
如果把提示詞換成另一個(gè)詞，它其實(shí)就是：我們?cè)趺锤鶤I溝通。
就像我們和人溝通一樣，同樣讓一個(gè)人完成一件事，不同的溝通方式，最后得到的結(jié)果也可能完全不同。
所以，我現(xiàn)在更愿意把提示詞理解成一種溝通思路。
你怎么描述問題，怎么拆解任務(wù)，怎么告訴AI你真正關(guān)心什么，這些依然無比重要。
我通常會(huì)告訴它：
這篇論文主要解決了什么問題？作者是怎么解決的？這個(gè)方法和過去的方法相比，真正的變化是什么？
這樣問之后，AI的回答通常會(huì)更容易抓住論文的主線。
因?yàn)槲覜]有只給它一個(gè)模糊的動(dòng)作，而是告訴了它，我想從哪些角度理解這篇論文。
二、少做角色預(yù)置，把任務(wù)說清楚
過去寫提示詞，大家喜歡鋪墊很多背景。
先設(shè)定角色，再描述能力，然后補(bǔ)充語氣、風(fēng)格、工作流程，最后才說真正要完成什么。提示詞寫了幾百字，核心任務(wù)可能只有一句。
現(xiàn)在我覺得，這些鋪墊很多時(shí)候已經(jīng)沒有必要。
提示詞里真正重要的，是把幾件事情分開說清楚。包括這次要達(dá)到什么目標(biāo)，規(guī)則或者流程是什么，怎么才算完成。
比如，整理一段語音底稿，可以這樣寫：
把下面的語音底稿整理成一篇可以繼續(xù)修改的公眾號(hào)初稿。刪除重復(fù)的口頭禪，合并意思相近的內(nèi)容，調(diào)整明顯跳躍的段落。
注意保留原來的核心判斷，不主動(dòng)增加新的觀點(diǎn)、案例和結(jié)論。
完成標(biāo)準(zhǔn)是讀者能夠看清文章在討論什么，作者的核心判斷是什么，以及這些判斷之間有什么關(guān)系。
我現(xiàn)在越來越覺得，好的提示詞不需要寫得復(fù)雜，先把這幾件事情想清楚，已經(jīng)解決了大部分問題。
其實(shí)就像把一件事交代給同事，你怎么說，他才更容易理解。
三、規(guī)則需要有，但不要太多
有一段時(shí)間，我看到特別長的提示詞，會(huì)覺得非常專業(yè)，恨不得馬上保存下來。
現(xiàn)在的感受剛好相反。
一條提示詞特別長，很多時(shí)候說明寫提示詞的人自己也沒有完全想清楚。他只是把可能遇到的問題全部堆了進(jìn)去，希望模型自己處理。
規(guī)則當(dāng)然需要。
比如我在寫作時(shí)發(fā)現(xiàn)，模型經(jīng)常大量使用單字動(dòng)詞，文章讀起來會(huì)比較硬。
我不喜歡這種表達(dá)，就會(huì)明確告訴它盡量使用更準(zhǔn)確的雙字動(dòng)詞，但不要為了湊字顯得生硬。
這屬于穩(wěn)定的個(gè)人偏好，告訴模型是有價(jià)值的。但規(guī)則太多就會(huì)出現(xiàn)問題。
比如你同時(shí)要求語言簡潔、內(nèi)容詳細(xì)、不要長句、不要太口語、不要調(diào)整原文節(jié)奏、同時(shí)優(yōu)化文章結(jié)構(gòu)......
這些規(guī)則很容易打架。
畢竟模型必須先花費(fèi)大量精力理解哪一條規(guī)則優(yōu)先，最后可能每一條都照顧了一點(diǎn)，但整體效果反而下降。
新模型已經(jīng)具備比較強(qiáng)的推理和判斷能力。提示詞不需要提前規(guī)定每一個(gè)動(dòng)作，只需要保留那些真正重要的規(guī)則。
規(guī)則越多，不一定代表控制越精確，也可能代表人沒有完成取舍。
四、要不要提供示例，要具體情況具體看
以前寫提示詞，還有一個(gè)非常常見的做法，就是提供大量示例。
這個(gè)方法當(dāng)然有效，但我現(xiàn)在越來越謹(jǐn)慎。
因?yàn)槭纠环矫婺軌驇椭Ｐ屠斫馕覀兊囊?，另一方面也?huì)限制模型的探索空間。
尤其是模型能力越來越強(qiáng)以后，它有時(shí)候會(huì)過度模仿示例，最后只能在示例附近生成答案。
所以，要不要提供示例，我覺得不能一概而論。需要自己結(jié)合具體的情況去試。
現(xiàn)在，我大部分的情況下，都默認(rèn)不提供示例。
比如讓AI幫忙寫文章開頭，我提供了示例，它基本就照貓畫虎了，很刻意。其實(shí)這時(shí)候，我們可以把自己思路說的更具體點(diǎn)，比如：
這個(gè)開頭可以考慮從一個(gè)具體故事進(jìn)入，也可以從一組反常的數(shù)據(jù)進(jìn)入，或者從我最近的一個(gè)真實(shí)感受進(jìn)入。
這并沒有規(guī)定開頭必須怎么寫，但給了模型幾個(gè)明確的思考方向。
所以，仍然是那句話，思路非常重要。
五、告訴模型，什么樣才算完成
這也是我最近非常重視的一點(diǎn)。
我們經(jīng)常告訴AI要完成什么，卻很少告訴它，什么樣的結(jié)果才算完成。
比如讓AI總結(jié)一篇文章，最簡單的提示詞是：
總結(jié)這篇文章。
但你也可以寫成：
總結(jié)這篇文章。完成后，我希望能夠回答三個(gè)問題：作者發(fā)現(xiàn)了什么變化？為什么會(huì)發(fā)生這種變化？這件事對(duì)普通從業(yè)者有什么影響？
這相當(dāng)于給模型提供了一個(gè)簡單的驗(yàn)收標(biāo)準(zhǔn)。
再比如，讓AI完成一份產(chǎn)品分析，可以說：
最終結(jié)論需要能夠幫助團(tuán)隊(duì)做出產(chǎn)品決策，不能只介紹產(chǎn)品有哪些功能。
這個(gè)要求就比請(qǐng)深入分析這個(gè)產(chǎn)品清楚很多。
深入是一個(gè)非常模糊的形容詞。什么叫深入，每個(gè)人的理解都不一樣。但能不能支持產(chǎn)品決策，是一個(gè)可以檢查的標(biāo)準(zhǔn)。
說完提示詞，再說Skill。Skill就是一份按需加載的小型工作手冊(cè)。
但并不是每一個(gè)提示詞、每一個(gè)場景，都適合做成Skill。
一、經(jīng)常發(fā)生、流程穩(wěn)定的事情，才適合做成Skill
我覺得一類任務(wù)想要做成Skill，至少要滿足幾個(gè)條件：
第一，它經(jīng)常發(fā)生。第二，它的工作流程相對(duì)穩(wěn)定。第三，里面包含一些模型本身不知道的個(gè)人經(jīng)驗(yàn)、團(tuán)隊(duì)經(jīng)驗(yàn)或者業(yè)務(wù)知識(shí)。
這些事情會(huì)反復(fù)出現(xiàn)，處理方式也相對(duì)穩(wěn)定，適合慢慢沉淀成Skill。
但某一篇文章的具體觀點(diǎn)和材料，沒有必要放進(jìn)Skill。它們只和當(dāng)前任務(wù)相關(guān)，直接作為參考材料提供給模型就可以了。
沒必要把所有東西都做成Skill。
Agent在運(yùn)行時(shí)，即便沒有加載Skill的全部內(nèi)容，通常也需要先讀取它的名稱、簡介和適用范圍。這些基礎(chǔ)信息同樣會(huì)進(jìn)入上下文，對(duì)模型的判斷產(chǎn)生影響。
Skill越多，不代表Agent越強(qiáng)。大量邊界模糊的Skill，也可能讓模型不知道該調(diào)用哪一個(gè)。
二、Skill里要放獨(dú)特經(jīng)驗(yàn)
我覺得一個(gè)Skill最有價(jià)值的地方，絕對(duì)不是那些網(wǎng)上隨便就能找到的常識(shí)。
比如你在寫作Skill里寫文章要有邏輯、標(biāo)題要有吸引力，這些內(nèi)容模型本來就知道，寫進(jìn)去不會(huì)帶來太大幫助。
真正有價(jià)值的是你自己的經(jīng)驗(yàn)。
比如，修改語音底稿時(shí)，要保留口語里的活人感，每個(gè)核心判斷最好有一個(gè)事實(shí)、數(shù)據(jù)或者親身經(jīng)歷支撐。
這些內(nèi)容代表了我們的個(gè)人品味、工作經(jīng)驗(yàn)和業(yè)務(wù)知識(shí)。把這些經(jīng)驗(yàn)編碼進(jìn)Skill，才是Skill真正的價(jià)值。
三、Skill需要控制抽象程度和邊界
很多Skill的問題，是解決問題的范圍太大。
比如一個(gè)叫寫作的Skill，邊界就非常模糊。寫作包括選題、資料閱讀、形成觀點(diǎn)、整理初稿、修改結(jié)構(gòu)、優(yōu)化語言、生成標(biāo)題、檢查錯(cuò)別字。每一個(gè)環(huán)節(jié)需要的經(jīng)驗(yàn)和評(píng)價(jià)標(biāo)準(zhǔn)都不一樣。
把所有東西都放進(jìn)同一個(gè)Skill，最后這個(gè)Skill只會(huì)越來越長。
所以我覺得，Skill最好只解決一個(gè)相對(duì)明確的問題。比如口述內(nèi)容整理Skill、標(biāo)題生成Skill、事實(shí)核查Skill。
Skill的邊界越清楚，模型越容易判斷什么時(shí)候調(diào)用，也越容易把它做好。
四、Skill的主文件應(yīng)該盡量短
Skill通常是一個(gè)文件夾。
里面可以包含主文件、參考案例、常見問題、風(fēng)格規(guī)范、檢查清單，以及其他輔助材料。
所以沒有必要把所有內(nèi)容都寫進(jìn)主文件。
主文件只需要告訴模型：這個(gè)Skill什么時(shí)候使用、它主要解決什么問題、有哪些核心原則、默認(rèn)按照什么思路推進(jìn)、遇到具體問題時(shí)，可以繼續(xù)讀取哪些參考文件。
至于詳細(xì)示例、風(fēng)格要求、常見錯(cuò)誤，可以放進(jìn)單獨(dú)的文件，等模型真正需要時(shí)再加載。
主文件是一張地圖。模型先看地圖，判斷這次任務(wù)需要哪些內(nèi)容，再繼續(xù)讀取相應(yīng)的文件。
這就是漸進(jìn)式加載。
不需要的內(nèi)容不要提前塞給模型。這樣既能減輕上下文負(fù)擔(dān)，也能夠減少不同規(guī)則之間的沖突。
五、Skill最好包含檢查環(huán)節(jié)
這一點(diǎn)和提示詞非常接近。
只告訴模型怎么生成，往往還不夠。一個(gè)好的Skill，最好包含一套簡單的自檢標(biāo)準(zhǔn)。
比如產(chǎn)品體驗(yàn)稿Skill，可以檢查：有沒有寫清楚真實(shí)使用場景、有沒有說明過去的方法有什么問題、有沒有只有功能，沒有判斷。
這些自檢標(biāo)準(zhǔn)，也是在告訴模型什么樣才算完成。
一個(gè)Skill的價(jià)值，不能只體現(xiàn)在生成過程，還要體現(xiàn)在它能夠幫助模型判斷結(jié)果是否合格。