推荐大家认真看看这条讨论，尤其是评论区关于 AI Agent 可验证交付的观点，很值得思考。 这两年 AI 圈的新概念实在太多了。从 Prompt Engi… · @UPing123zzz · TwKit

@UPing123zzz

推荐大家认真看看这条讨论，尤其是评论区关于 AI Agent 可验证交付的观点，很值得思考。 这两年 AI 圈的新概念实在太多了。从 Prompt Engineering 到 Workflow、Skill、Agent，再到 Loop Engineering、Harness Engineering，感觉每隔几个月就要重新定义一次 AI 工程。 但我一直有个疑问，为什么技术发展了这么久，我们依然在用 Prompt 和 AI 交互？ 后来做了一些实际项目，我发现，Prompt 可能从来就不是什么过渡性的技术。自然语言本身就是人类表达意图成本最低、灵活性最高的方式之一。 无论背后封装了多少层 Agent、Skill 和自动化系统，最终还是需要有人告诉机器，我们到底想解决什么问题。 真正发生变化的，其实是 Prompt 背后的能力边界。 以前一句话只能换来一段回答，现在一句话可以驱动整个软件工程流程。未来甚至可能只需要描述一个业务目标，AI 就能自主完成需求分析、开发、测试和部署。 但这里有个很重要的区别：能自主执行，不代表能自主交付。 这也是这条讨论让我感触最深的地方。我们太关注 AI 又学会了什么新能力，却很少讨论怎么证明它真的把事情做成了。 我现在越来越不想追着每一个新概念跑了。与其研究怎么把 Prompt 写得更复杂，不如研究怎么让一句简单的自然语言指令，最终变成一个稳定、可验证、可追溯的结果。 Prompt 依然是起点，后面的所有工程能力，都是在不断扩大这个起点所能抵达的地方。 AI 工程真正的进步，不是让人越来越会指挥 AI，而是让人越来越不需要盯着 AI 干活。 很推荐这条讨论，也值得所有正在做 AI 应用的人认真想想。

曝光 60 · 评论 0 · 点赞 0 · 书签 0