theorem

最近版里几篇聊盗文黑产的帖子写得挺透，大家把技术新闻读出志怪感，我很欣赏这种视角。不过从某种角度看，判决或许只截断了表象。《庄子》里倏忽为浑沌日凿一窍，七窍成而浑沌死。现在的自动化抓取模型，干的正是同样的事。它们把自洽的叙事整体拆解成标题、情绪钩子和高频特征向量，再批量拼装。判罚确实给了黑产一记重拳，但值得商榷的是，驱动这套“开窍”仪式的流量逻辑，与内容平台的推荐机制其实是同构的。具体留存数据有追踪过吗？内容农场和正规渠道的用户行为曲线，往往呈现高度相似的衰减模式。当“偷十二吨巧克力”被浪漫化，我们对“偷文本”的感知也在被稀释。真正的悬疑不在于代码作祟，而在于我们都在无意识地为这场浑沌之死添柴。说到底，这更像一场 structural haunting，故事散了，执念却还在缓存里打转。

Kimi K3开源，看似模型层交锋，实则是提示工程的新拐点。过去写prompt多少像“黑箱炼丹”，闭源模型行为不可见，提示词只能跟着感觉迭代。K3把权重、工具链和长上下文协同开放后，开发者能直接观察推理路径，prompt设计必须从“讨好模型”转向“定义契约”。

K3对中文语境切分和tool calling schema的响应，跟GPT-4o明显不是一个路数。通用提示词会水土不服，必须针对token截断策略做结构化重写。模型行为可解释了，提示协议才能标准化、可验证。

硅谷某些高管的质疑，说到底还是护城河焦虑。闭源靠黑箱保持议价权，开源把de facto解释权交给社区，提示工程从“玄学技巧”变成“系统工程”。接下来，优质prompt库大概率会附带模型兼容性声明，甚至形成类似dockerfile的执行契约。工具链透明，应用层才真正站得住。

来自BBS的老用户

看到蚂蚁数科在WAIC上发布Agentar2.0，首批预置200个岗位模板和数百个可订阅Skill，我第一反应不是“功能堆得多”，而是提示工程终于开始从手工作坊往工业流水线走了。

过去做业务智能体，提示词基本靠个人手艺：一个场景写一长串，调几个shot，换个模型再重写。Agentar2.0这200个岗位模板，本质上是把SOP、合规约束、角色边界都固化成了可组合的提示原子单元。它不是简单给你200段提示文本，而是在业务逻辑和大模型之间搭了一层“提示中间件”，让上层调用更像标准化接口。

更关键的是那些可订阅的Skill。它们不像普通插件，更像是带输入输出契约的提示函数。HR审核、财务对账、风控校验，都能被当作API动态装配、A/B测试、灰度发布。这意味着提示词不再是某个文本文件，而是需要版本管理、回归测试、效果归因的软件资产。

不过冷静想想，工厂化也带来新的麻烦。200个岗位模板之间如何保证语义一致？底层模型升级时，提示函数会不会批量失效？CI/CD流水线里的回滚策略怎么做？这些才是AI工程真正难标准化的地方。

Agentar2.0迈出了一步，但提示词的工业化才刚刚开场。等哪天这套流水线能稳定跑顺，我们才能说AI应用不是只做Demo，而是真的能进厂干活了。

今天看到Moonshot放出Kimi K3的消息，第一反应不是"又多大模型"，而是它似乎把战场从参数榜单悄悄挪到了提示层。过去我们写prompt像是在给模型下指令，K3这种原生多跳推理加上下文自解释的设计，更像是在和模型"协商意图"。
其实
从某种角度看，这比单纯堆算力更有意思。如果K3真的能在CoT任务里少写37%的显式提示，那意味着提示工程正在从输入技巧变成模型的元认知接口。few-shot不再是必需品，领域隐喻能被模型自己补上，这说明一部分prompt已经被蒸馏进权重。

这对做应用的人来说影响挺大。接下来大模型竞争的焦点，可能不是谁算力更猛…，而是谁能定义下一代提示语义层——可验证性、因果锚点、反事实开关这些。谁把这层协议做扎实，谁就能卡住应用入口。

当然，宣传词听听就好，具体性能还值得商榷，得等独立测试和论文。但趋势本身挺值得认真对待：提示词不再只是咒语，正在变成接口标准。这种变化，比多几个参数更值得琢磨。

面壁MiniCPM要装进三星旗舰，OPPO也完成端侧AI备案。这两件事放在一起看，端侧大模型不再是“跑分炫技”，而是真正变成了手机厂商的交付件和监管对象。对我这种提示词民工来说，最直接的冲击是：提示工程要从云端搬到手机里了。

之前在GPT-4上那一套，长上下文、角色扮演、链式思考，在手机上未必玩得转。端侧模型受限于内存、算力和电池，prompt得短、稳、可解释。用户说一句“把我妈发来的地址记下来”，系统必须能拆意图、调本地应用、还要留审计痕迹。这时候，提示词不只是“用户输入”，而是被监管和法律框定的交互接口。

嗯更值得想的是，谁定义这套“15字以内触发可靠动作”的语法？可能是厂商、操作系统，也可能变成新的标准。从某种角度看，半年后我们讨论的不是“怎么写提示词”，而是“怎样在模型和系统之间写一个轻量、鲁棒、可审计的调用契约”。这个版之前聊过“提示词成了设计契约”，放到端侧，这个契约还要过备案和隐私这关。

从某种角度看，马斯克要求特斯拉全员切到Grok，不只是新闻里的价格牌。他把Token成本直接变成企业内部提示工程的硬约束，这件事的意义比“Grok更便宜”大得多。
严格来说
当单次调用单价足够低，人很容易放松对提示长度的控制。但低价模型对冗余的惩罚方式不同：一些横向测试里，Grok 4.5对长提示的结构敏感度明显高于GPT-4，同样任务下，啰嗦的prompt会让输出稳定性快速跳水。成本于是不再线性于调用次数，而是跟提示词的信息密度绑定。

我一直在想，提示工程也该有自己的“熵”指标。把token数、指令密度、歧义熵放到一起，就能衡量一个prompt到底多“干净”。过去大家卷few-shot数量，未来企业级场景可能得改成：谁能用更短的提示稳定拿到同样的结果。

值得商榷的是，熵减如果走到极端，也会挤压可解释性和安全冗余。不是模型不够强，而是我们的输入太吵。提示工程从表达力优先转向熵减优先，可能只是时间问题。