提示工程不但不会死，还会更加重要

o1出来后有些人说提示工程已死，恰恰相反，我认为提示工程的作用将会更大。 

当模型有了更强的推理能力之后，我们就可以通过提示工程表达更多的目标要求和约束条件。如果模型不够强，你提过多的要求它根本搞不定。 

例1：我们现在可以让大模型写藏头诗。比如我试过让大模型写一首关于三峡的绝句，要求各句第几个字（不是首字）组成大江东去，虽然目前o1-preview的效果也不是很好，但还是有一定的成功率的，换做之前的模型成功率我试到现在是几乎零。如下就是o1的一个符合要求的结果：

巍巍大山间，滔滔江水环。
白帆东风起，落日去不还。

例2：写周报场景。写周报是很有讲究的，有很多技巧。比如对一个销售来说，写周报时对已经同步多次的大单终于拿下时，需要突出，但不需要展开大书特书，因为领导已经很熟了，就是关心有没有拿下。对从强大竞争对手抢过来的单子，即便小，也要突出。这些技巧都可以作为对大模型写周报的要求。 

例3：做年度预算场景。假设AI能够获取到所有相关信息，如营销的ROI、销售团队的组建周期和预期产能、研发团队规模和交付能力的关系、人员的成本、留存的合同、已有的商机等等，当我们给定预算目标，如合同额、营收、利润要做到多少，其中有些指标要最大化，有些指标是约束（如亏损不能太大），这个时候AI能不能给出一个靠谱的建议方案？如果大模型的推理能力能再泛化，我觉得应该也是能搞定的。大家可以想象下这个问题的提示词将有多复杂。

提示工程和编程语言都是表达需求的一种手段，大模型的能力越强，自然可以更多的用提示工程来表达需求，少用编程语言。 

不过呢，李继刚和一泽等高手都已经进化到用Lisp语言来做提示工程了，这实在是。。。

宝玉有篇很好的文章也讲了这个问题（https://baoyu.io/blog/prompt-engineering/is-prompt-engineering-dead）。宝玉把提示工程分为技巧和指令两类，技巧部分随着模型的进步会变（可能越来越少），但指令也就是让 AI 能真正理解意图并且精确控制 AI 按照意图去完成任务的部分永远需要。