同样用Claude、用ChatGPT，有些人出活又快又稳，我用起来就总要改好几轮。

模型都一样，差距在哪？

最近半年，我花了大量时间整理自己用AI的工作流，重写了好几版提示词SOP。

做完之后反而想明白了：

差距在一个很朴素的东西，你有没有给AI一份靠谱的任务说明书。

这个结论听起来简单，但跟现在外面的主流声音完全相反。

Gartner说，prompt engineering out，context engineering in。

Karpathy说，别叫提示词了，应该叫上下文工程。

LinkedIn上提示词工程师的相关岗位数量在持续下滑。

好像提示词已经过时了。

说实话，这话也不全是错的。

模型确实在变聪明。

今天你随便问GPT-5一句话，它大概率能给你一个70分的回答。

放在两年前，同样模糊的问法，GPT-3.5可能直接跑偏。

所以日常用用，确实不太需要精雕细琢了，及格线降低了。

但及格和稳定好用之间的差距，恰恰需要的是提示词而不是模型。

而且有一个反直觉的现象：模型越强，好指令和差指令之间的差距反而越大。

就像马越好，好骑手和差骑手之间的差距也越大——差马不管你怎么骑都跑不快，好马的潜力只有好骑手才能发挥出来。

真正的分界线在于你是用一次还是一百次。

偶尔问一句，差的提示词和好的提示词区别不大。

但如果是一个要反复跑的工作流，一个要稳定出活的SOP，差距马上就出来了。

01 聪明人也需要一份说明书

2026年的SWE-bench编程基准测试有一组很有意思的数据：Claude Opus 4.6在标准化测试环境下，解题率是51.9%。

但同一个模型，配上Anthropic设计的工具链和指令体系后，成绩跳到了69.2%。

研究者的结论是：工具链和提示词设计对成绩的影响，比换一个更强的模型还大。

类似的规律在更早的实验中也验证过。

Andrew Ng在2024年的Sequoia AI大会上展示过HumanEval编程测试：GPT-4直接回答准确率67%，但GPT-3.5套上一个设计好的工作流后，准确率到了95%——一个弱模型配上好的流程，碾压了强模型的裸跑成绩。

到了2026年，OpenAI发布GPT-4.1时专门出了一份提示词指南：这个模型被训练得更“听话”了，它会严格按照你的指令执行，不多也不少。

大家嘴上说提示词不重要了，但做出成绩的团队还是在优化指令。

只不过他们叫上下文工程，叫工作流设计，叫Agent编排。

我以前写提示词也踩过坑，把它当成跟AI聊天，想到什么写什么，觉得差不多就行。

结果就是今天出的东西还行，明天换个输入就跑偏了，每次都像开盲盒。

后来我想明白了，好的提示词其实就是给AI写的SOP。

我们做电商，运营流程要写SOP，客服话术要写SOP，发货流程要写SOP。

目的就一个：让任何人按照这个流程走，都能产出稳定的结果。

02 好的提示词长什么样

我整理完自己的提示词，发现好用的都有几个共同点。

1.目标明确。

“帮我写一篇文章”是不够的，“帮我写一篇2000字的公众号文章，主题是XX，读者是XX，语气参考XX”才够。

2.只给必要的上下文。

不是把所有资料一股脑丢进去。信息太多，AI反而会混乱，只给会影响输出的那些就行。

3.约束是具体动作，不是模糊感觉。

“写得专业一点”是废话。“用短句，每段不超过三行，禁止使用四字成语堆砌”才可以。

4.格式提前定好。

要什么结构、什么长度、什么风格，都得提前说清楚。

5.能测试。

换几个不同的输入进去，输出质量应该是稳定的。如果换个输入就崩了，说明提示词还不够稳定。

然后是优化的方法。

很多人写提示词喜欢不断加规则，越写越长。

其实让ai优化提示词也会这样。。

我的经验是反过来的——先膨胀，但之后必须精简，瘦身！

还有几条重要的原则：

重点前置——任务目标和关键约束放在最前面。

案例优于抽象描述——直接给一个好例子，比写十条规则管用，比如让ai写一个爆款标题，写100条规则都不如你搜集10条爆款标题发给他参考。

给失败出口——允许AI说“资料不足”或“需要补充信息”，不然它就会瞎编。

03 一个优化提示词的提示词

最后给一个我在用的实用工具。

这段提示词专门用来优化其他提示词。

把它复制给AI，再把你要优化的原始提示词贴进去就行：

你是提示词优化专家。

你的任务是优化我提供的提示词，让它更清晰、更稳定、更可执行、更容易评估。

请遵守以下原则：
- 简洁优先：删除不改变输出的废话、重复和装饰性说明。
- 重点前置：把任务目标、关键约束、输出格式放在前面。
- 结构清楚：区分任务、背景、输入、约束、输出格式、示例、验收标准。
- 约束具体：把"更好、专业、自然、不要AI味"等模糊要求改成可执行规则。
- 案例优先：如果风格或判断难以描述，用1-2个简短示例表达。
- 边界明确：说明资料不足、问题模糊、超出范围时应该怎么处理。
- 避免冲突：发现互相冲突的要求时，给出优先级。

请按以下流程工作：

1. 诊断原提示词的问题
从目标、上下文、指令、约束、输出格式、示例、可评估性七个角度检查。

2. 提炼真正意图
用3-5条短句说明这个提示词真正想让AI做什么。

3. 给出优化版提示词
输出一个可以直接复制使用的版本。

4. 说明关键改动
只说明最重要的5条改动，以及它们解决了什么问题。

5. 给出测试样例建议
提供5类应该用来测试这个提示词的输入样例类型。