VibeCoding时代的提示词工程还重要吗？
- 内容介绍
- 文章标签
- 相关推荐
在该帖有感而发
佬友们有没有好的提示词网站推荐？ 开发调优越使用AI，越感觉提示词很重要 佬友们有没有提示词汇总、学习的网站推荐一个
以coding为例，其他领域暂不表态。
我的经验是提示词越来越不重要，我以前自以为提示词很重要，给模型定义其身份、行事风格、实现目标的约束和步骤，虽然，它确实是按我的想法来了，做的也不差。
但，随着模型的发展，我发现这种方式越来越限制模型的发挥，只需给定目标，其他约束尽量少，它就越能在我打死都想不到的方式，使用更加精妙的方式实现了目标，上限很高。不仅对项目增益大，我更是快速学到更多，连连拍脑袋的“对啊”。当然，也有大概率搞乱你的原有逻辑框架，但我git有save/load大法，抽卡最终总能SSR。它的代码输出也会参考项目原有框架/风格，不至于会搞的太乱，当然，若是模型能力差就当我没说。
当然，实际上，我的各类oh-my-xxx/everything-Claudecode等等skill实际上发挥了提示词工程的作用，我的意思是，开发者自身就不用太关注提示词工程，专注目标即可。
不知道各位佬们是什么看法？
网友解答：--【壹】--：
自己脑子里要做的东西越清晰，对提示词的要求就越细节。模型随意发挥出来的东西很难和自己要求的一样。
--【贰】--：
就像工作流，都会随着模型能力增强变得越来越不重要
--【叁】--：
莫，感觉上来说，你的提示词越精确：例如框架，边界，测试用例，技术栈这些定的越死，模型最后出的东西是越符合你的要求的东西，但是人总归有考虑不到的东西所以符合要求不等于它是最优解，你不给太多限制只描述需求它有可能考虑更全面但是不一定那么符合你的需求，各有优劣了感觉是
--【肆】--：
自动挡汽车的出现并不是让你彻底摒弃换挡，上坡切手动反而效率高，对于AI也是
--【伍】--：
重要呀，现在的superpower、gsd之类的 不都是提示词工程的一类嘛。
--【陆】--：
从底层架构和原理来说，早期的提示词工程是为了适配训练时的SFT，多数模型SFT时候就是通过【system】【role】【user】等结构化数据集训练的，所以使用的时候用同样的prompt模板会更好地激活模型相应神经网络单元， prompt engineering 本质上是在操纵条件分布p(next token∣已有上下文)，你写的每一个前缀，都会改变这个条件分布，可以看做一种训练中已经形成的条件映射
从prompt 到 context 再到现在的harness engineering，从模型的使用上仍然是控制模型的条件输入和输出，本质还是提示词修改，过去是如何诱导模型表现更聪明，现在是直接约束模型完成任务，各类的工具诞生就是为了帮助用户完成用户需求——》目标&边界设定——》模型执行的桥梁
模型能力已经足够，重要的是如何利用命令模型工作
--【柒】--：
一半一半，看你怎么写了，我认为最优的是约束行为，不约束思考思维发生，我们可用见到的prompt都是那种约束死死的导致输出的内容很死板
--【捌】--： JARK006:
各类oh-my-xxx/everything-Claudecode等等skill
这写只是通用的，我个人认为要提效、提高质量，还是要自己写Skill和系统提示词，这些也是归类与提示词工程，起码我是这么看
--【玖】--：
佬自己都感觉到，不约束的话发散性就强。提示词越精准越严格，就越能拔高你作品的下限。不约束的话，vibecoding出的作品上限和下限一样，一个高的惊人，一个低的惊人，就看佬要什么啦~
--【拾】--：
个人使用下来的感受是，有时候约束了也不一定按照约束的行动，导致约束无效。
但理论上来说，这是 bug，而不是常态。
提示词工程在多数时候，能达到预期效果。
但我写不来复杂的提示词，我一般提示词都是200字左右，没有那么多条条框框。
--【拾壹】--：
换模型review+git回滚，至少可以过滤掉很多低质量的下限内容
--【拾贰】--：
这个问题佬自己最后都回答了，skills本质就是提示词，如果skills是重要的，那就说明了提示词工程在当前的大模型机制下仍然是重要的。
而在有skills的情况下，是否还有必要在手写输入时仍然时刻留意提示词工程的方法，我感觉这近似等于问有没有对每个问题都针对性手写skill的必要，这可能没有一个统一答案，要取决于自己对提示工程和问题本身的理解深度、技术能力，以及具体的实际场景。
--【拾叁】--：
我承认不断地review+回滚让输出变好的过程让人着迷，哈哈，就最近发生了一件事让我感觉提示词工程还是一件领域内的事情，gpt的image2生成图，如果不是对绘画或者光影等领域了解颇深的话，是没办法写出让image2生成图那么好看的提示词，当然我跑题了，嘿嘿
--【拾肆】--：
生图、生视频领域确实只能依赖创作者的提示词经验和高度优化的工作流，毕竟相对于vibecoding来说，它们没有oh-my-xxx/superpowers这类代替“手工提示词”的skill可用。
--【拾伍】--：
你给ai的提示词越精确越省token，做出来的效果越是你想要的，我觉得提示词还是很重要的
--【拾陆】--：
提示词越来越重要，你觉得不重要的话，代表需求/能力提升的比模型迭代还慢
模型迭代，不需要提示词的是下限不是上限，上限现在很离谱。
--【拾柒】--：
部分赞同，只需要告诉具体要实现什么目标，提出自己的特定要求，剩下就让他自己发挥。单是如果是精细化的需求还是要描述具体，越精细就越要具体
--【拾捌】--：
不知道你有没有接触过stable diffusion/comfyui, 提示词工程还是少不了, 越是精细, 就要求你正向词越精准, 反向词要明确, lora处理过程也一样
在该帖有感而发
佬友们有没有好的提示词网站推荐？ 开发调优越使用AI，越感觉提示词很重要 佬友们有没有提示词汇总、学习的网站推荐一个
以coding为例，其他领域暂不表态。
我的经验是提示词越来越不重要，我以前自以为提示词很重要，给模型定义其身份、行事风格、实现目标的约束和步骤，虽然，它确实是按我的想法来了，做的也不差。
但，随着模型的发展，我发现这种方式越来越限制模型的发挥，只需给定目标，其他约束尽量少，它就越能在我打死都想不到的方式，使用更加精妙的方式实现了目标，上限很高。不仅对项目增益大，我更是快速学到更多，连连拍脑袋的“对啊”。当然，也有大概率搞乱你的原有逻辑框架，但我git有save/load大法，抽卡最终总能SSR。它的代码输出也会参考项目原有框架/风格，不至于会搞的太乱，当然，若是模型能力差就当我没说。
当然，实际上，我的各类oh-my-xxx/everything-Claudecode等等skill实际上发挥了提示词工程的作用，我的意思是，开发者自身就不用太关注提示词工程，专注目标即可。
不知道各位佬们是什么看法？
网友解答：--【壹】--：
自己脑子里要做的东西越清晰，对提示词的要求就越细节。模型随意发挥出来的东西很难和自己要求的一样。
--【贰】--：
就像工作流，都会随着模型能力增强变得越来越不重要
--【叁】--：
莫，感觉上来说，你的提示词越精确：例如框架，边界，测试用例，技术栈这些定的越死，模型最后出的东西是越符合你的要求的东西，但是人总归有考虑不到的东西所以符合要求不等于它是最优解，你不给太多限制只描述需求它有可能考虑更全面但是不一定那么符合你的需求，各有优劣了感觉是
--【肆】--：
自动挡汽车的出现并不是让你彻底摒弃换挡，上坡切手动反而效率高，对于AI也是
--【伍】--：
重要呀，现在的superpower、gsd之类的 不都是提示词工程的一类嘛。
--【陆】--：
从底层架构和原理来说，早期的提示词工程是为了适配训练时的SFT，多数模型SFT时候就是通过【system】【role】【user】等结构化数据集训练的，所以使用的时候用同样的prompt模板会更好地激活模型相应神经网络单元， prompt engineering 本质上是在操纵条件分布p(next token∣已有上下文)，你写的每一个前缀，都会改变这个条件分布，可以看做一种训练中已经形成的条件映射
从prompt 到 context 再到现在的harness engineering，从模型的使用上仍然是控制模型的条件输入和输出，本质还是提示词修改，过去是如何诱导模型表现更聪明，现在是直接约束模型完成任务，各类的工具诞生就是为了帮助用户完成用户需求——》目标&边界设定——》模型执行的桥梁
模型能力已经足够，重要的是如何利用命令模型工作
--【柒】--：
一半一半，看你怎么写了，我认为最优的是约束行为，不约束思考思维发生，我们可用见到的prompt都是那种约束死死的导致输出的内容很死板
--【捌】--： JARK006:
各类oh-my-xxx/everything-Claudecode等等skill
这写只是通用的，我个人认为要提效、提高质量，还是要自己写Skill和系统提示词，这些也是归类与提示词工程，起码我是这么看
--【玖】--：
佬自己都感觉到，不约束的话发散性就强。提示词越精准越严格，就越能拔高你作品的下限。不约束的话，vibecoding出的作品上限和下限一样，一个高的惊人，一个低的惊人，就看佬要什么啦~
--【拾】--：
个人使用下来的感受是，有时候约束了也不一定按照约束的行动，导致约束无效。
但理论上来说，这是 bug，而不是常态。
提示词工程在多数时候，能达到预期效果。
但我写不来复杂的提示词，我一般提示词都是200字左右，没有那么多条条框框。
--【拾壹】--：
换模型review+git回滚，至少可以过滤掉很多低质量的下限内容
--【拾贰】--：
这个问题佬自己最后都回答了，skills本质就是提示词，如果skills是重要的，那就说明了提示词工程在当前的大模型机制下仍然是重要的。
而在有skills的情况下，是否还有必要在手写输入时仍然时刻留意提示词工程的方法，我感觉这近似等于问有没有对每个问题都针对性手写skill的必要，这可能没有一个统一答案，要取决于自己对提示工程和问题本身的理解深度、技术能力，以及具体的实际场景。
--【拾叁】--：
我承认不断地review+回滚让输出变好的过程让人着迷，哈哈，就最近发生了一件事让我感觉提示词工程还是一件领域内的事情，gpt的image2生成图，如果不是对绘画或者光影等领域了解颇深的话，是没办法写出让image2生成图那么好看的提示词，当然我跑题了，嘿嘿
--【拾肆】--：
生图、生视频领域确实只能依赖创作者的提示词经验和高度优化的工作流，毕竟相对于vibecoding来说，它们没有oh-my-xxx/superpowers这类代替“手工提示词”的skill可用。
--【拾伍】--：
你给ai的提示词越精确越省token，做出来的效果越是你想要的，我觉得提示词还是很重要的
--【拾陆】--：
提示词越来越重要，你觉得不重要的话，代表需求/能力提升的比模型迭代还慢
模型迭代，不需要提示词的是下限不是上限，上限现在很离谱。
--【拾柒】--：
部分赞同，只需要告诉具体要实现什么目标，提出自己的特定要求，剩下就让他自己发挥。单是如果是精细化的需求还是要描述具体，越精细就越要具体
--【拾捌】--：
不知道你有没有接触过stable diffusion/comfyui, 提示词工程还是少不了, 越是精细, 就要求你正向词越精准, 反向词要明确, lora处理过程也一样