提示词
用户输入给大语言模型以引导其生成回答的文本指令，是AI交互的核心输入形式
核心事实
时间轴 (近 90 天)
提示词是单次的，针对特定场景；提示词工程是流程化、可复用的，解决一类问题。
三个技术硬约束：上下文长度受限、复杂多步骤任务不稳定、没有真正的长期记忆；这三个问题由技术底层决定，提示词无法根治。
一个完整的提示词通常包含身份设定、任务背景、参考资料、样例、具体任务和限定条件等板块。
提示词是应用层与大语言模型交互的唯一通道，所有提示词工程、上下文工程、loop工程和harness工程本质上都是在拼接一条提示词。
原文工程师强调，在AI接待员系统中，提示词大约只占整个工作的10%，其余90%是日历规则、CRM同步、转人工处理、延迟优化、抢话应对及预订边缘情况。
建议开发者坚持使用纯git、纯测试和自己的提示词，保持设置中立，以降低迁移成本。
提示词分为正向提示词和反向提示词，支持权重语法（如(word:1.2)表示增强）。
第一周需要搞懂三件事：大模型的基本原理、提示词编写方法、函数调用（Function Calling）的调用方式。
文章核心思路是：提示词告诉AI要做什么，视觉资产告诉AI应该保持什么。
仅靠提示词声明“不知道”不足以解决知识泄漏问题，需要借助外部对照或后处理来检测和校正。
还有 40 条时间轴事件
全部知识事实 (20)
Skill与普通提示词的区别在于Skill是可复用、可积累的结构化能力单元
80%已验证大多数 AI 编程智能体无法有效完成复杂任务的主要原因是上下文缺失，而非模型能力不足
80%已验证提示词宜用 Markdown 格式撰写，因为大模型对 Markdown 语法的理解更完善；其结构可分为角色定义、技能、输出示例、限制四个模块。
75%已验证现代AI Agent的核心突破在于大模型赋予了Agent理解自然语言指令和推理规划的能力
75%已验证链式思维、少样本提示、自我一致性等提示词工程技巧无法让模型访问训练截止日期之后的信息，无法保证浮点运算的精确性，也无法处理模型从未见过的外部文件
75%已验证Prompt（提示词）是用户或系统向大模型输入的指令文本，决定模型理解任务的方式与输出质量。
70%已验证提示词是指用户发送给AI的任何文字，包括问题或描述
70%已验证结构化、细节明确的提示词是让 AI 产出高质量代码的决定性因素，用户的描述精度是实际输出质量的真正瓶颈
70%已验证纯提示词无法工程化，自己用没问题，做成产品给几百上千人用就不行了，没有版本管理、问题回溯，扛不住大规模批量任务
65%已验证形式化方法的硬约束将安全规则编码为不可违反的逻辑规范，在动作执行前进行验证，独立于模型之外，攻击者无法通过操控模型输入绕过
65%已验证在AI安全领域，失准指模型实际行为偏离设计者或使用者意图，规范游戏与奖励黑客是相关概念
65%已验证在AI代理场景中，权限最小化原则尤为关键，因为AI的行为具有一定的不可预测性——即使是同一个提示词，不同上下文下可能产生不同的命令序列
65%已验证当模型本身缺乏对特定问题的理解能力时，再精巧的提示词也无法弥补这一缺陷
65%待验证提示词是单次的，针对特定场景；提示词工程是流程化、可复用的，解决一类问题。
50%待验证三个技术硬约束：上下文长度受限、复杂多步骤任务不稳定、没有真正的长期记忆；这三个问题由技术底层决定，提示词无法根治。
50%待验证提示词是应用层与大语言模型交互的唯一通道，所有提示词工程、上下文工程、loop工程和harness工程本质上都是在拼接一条提示词。
50%待验证一个完整的提示词通常包含身份设定、任务背景、参考资料、样例、具体任务和限定条件等板块。
50%待验证原文工程师强调，在AI接待员系统中，提示词大约只占整个工作的10%，其余90%是日历规则、CRM同步、转人工处理、延迟优化、抢话应对及预订边缘情况。
50%待验证建议开发者坚持使用纯git、纯测试和自己的提示词，保持设置中立，以降低迁移成本。
50%待验证提示词分为正向提示词和反向提示词，支持权重语法（如(word:1.2)表示增强）。
50%