最近看了 Claude Code 创始人 Boris Cherny 的访谈，发现我们过去收藏的很多提示词，可能已经过时了。 过去写提示词，我们总喜欢先给模...

📌 一句话摘要

文章指出，传统的身份设定和规则堆砌的提示词已过时，有效的提示词应明确目标、约束、验证方法和停止条件，并把 Agent 视为能够自主选择实现路径的同事。

📝 详细摘要

文章回顾了过去常见的提示词写法——赋予模型厉害身份并加入众多规则（如“一步一步思考”“先制定计划”），指出这种做法在新模型中不仅不起作用，反而可能限制模型的判断。接着以 Claude Code 创始人 Boris Cherny 的访谈为依据，说明好的提示词应聚焦任务目标、明确边界（不能做什么）、提供可检验的验证方式以及明确的停止条件。通过两个具体例子——将 Electron 应用重写为原生 Swift 应用，以及降低用户查询接口的 P99 延迟——展示了如何用目标、约束、验证（截图逐像素比较、功能测试通过；压测三次、现有测试通过）和边界来引导 Agent 自行选择最优实现路径。最后强调，应把 Agent 当作能力强的同事：清晰说明问题、限制和完成证明，然后给予其自由选择实现方案的空间，才能发挥其潜力。

💡 主要观点

- 旧式提示词的身份设定与规则堆砌会限制模型判断，应聚焦目标、约束、验证与停止条件。 赋予模型虚荣身份和过多规则听起来专业，却未提供真正有用的信息；这些规则往往是旧模型能力不足时的补丁，模型升级后反而成为掣肘，导致模型无法自主决策。

有效提示词应明确目标、边界和验收标准，以 Electron 重写为 Swift 的例子说明如何通过截图逐像素比较和功能测试验证。 示例中明确目标（得到原生 Swift 应用）、约束（在 Mac 虚拟机中运行、逐像素比较）、验证方法（核心功能测试全部通过）和停止条件（视觉一致且测试通过），使 Agent 能根据证据自行选择实现路径。

避免把 Agent 当作脚本，不要预置实现步骤；应让 Agent 根据证据自行选择路径，以性能优化示例说明。 预置步骤相当于将 Agent 变为自然语言脚本，若判断错误会一直沿错路跑；而给出目标（降低 P99 延迟至 200ms 以内）、边界（不改返回格式、数据延迟上限 5 秒）和验证（同一脚本压测三次、现有测试通过）能让 Agent 自由探索最优方案。

将 Agent 视为能力强的同事，清晰表达问题、边界和完成证明，再授予其选择实现方案的自主权，才能发挥其潜力。 这种协作模式减少微管理，提高 Agent 的创造力和问题解决效率，适用于各类 AI 辅助任务，使人机协作更高效。

💬 文章金句

- 把这个 Electron 应用重写成原生 Swift 应用。在 Mac 虚拟机中分别运行旧应用和新应用，打开相同的页面并截图。逐像素比较两边的截图， 持续修改存在差异的地方。直到主要页面视觉一致、 核心功能测试全部通过后再停止。

• 用户查询接口的 P99 延迟超过了 800ms。请定位根因并降到 200ms 以内。不能修改接口返回格式，数据最多延迟五秒。完成后使用同一份脚本压测三次，确保现有测试通过，并给出修改前后的数据。
• 所以，最好还是把 Agent 当成一个能力很强的同事。告诉它问题是什么、有哪些边界、怎样证明完成了任务，然后给它选择实现路线的空间。

📊 文章信息

AI 初评：88

来源：小林coding

作者：小林coding

分类：人工智能

语言：中文

阅读时间：4 分钟

字数：927

标签： AI 编程, Prompt Engineering, LLM, Agent, AI 工作流

阅读完整文章