2024 年提示词写作经历了从简单技巧到结构化框架，再到凝练压缩表达的演变。本文回顾了提示词发展的三个阶段，分析了框架表达的优缺点，并介绍了李继刚等人的压缩表达理念。同时梳理了 DAIR.AI、Anthropic 等关键社区与人物，探讨了提示工程向自然语言编程演进的未来趋势。
2024 年是提示词工程（Prompt Engineering）发生深刻变革的一年。回顾这一年，提示词写作经历了从简单的技巧堆砌，到结构化框架表达，再到极致压缩表达的演进过程。本文旨在梳理这一年的技术脉络，分析不同阶段的特征与优劣，并探讨提示工程的未来方向。
在提示词发展的初期，用户接触到的多为零散的技巧。例如角色设定（"你是一个 xx 师"）、任务描述（"我需要帮助做 xx"）、工作流引导（"请遵循下列步骤"）、格式约束（"按下面格式输出"）、少样本学习（Few-Shots）以及思维链（Chain of Thought, Let's think step by step）等。
这些技巧由全球 AI 发烧友在 ChatGPT 等平台上通过实验共创而来。对于大模型（LLM）而言，它本身是一个黑箱系统。早期的提示词就像射向幽暗山谷的一束光，只能照亮局部区域。虽然能解决特定问题，但难以覆盖复杂场景的全貌。大模型既无知又无所不知，学习提示词的核心在于找到能够照亮整个山谷的表达方式，即如何更精准地激活模型的潜在能力。
然而，这一阶段存在明显局限。许多用户在使用后感到 AI 总是在'正确的废话'，缺乏深度内涵。在处理数学推理或复杂逻辑问题时，模型表现不稳定，每次生成的结果差异较大。这促使开发者寻求更稳定的控制方法。
为了解决基础提示词的不稳定性，结构化提示词（Framework Prompts）应运而生。这是 2023 年底至 2024 年上半年主流的表达方式。
常见的框架包含以下要素：
通过将自然语言需求转化为包含上述关键字段的英文指令组合，用户可以建立多视角的立体思维来描述需求。这种表达方式让 LLM 的输出质量有了显著提升，甚至催生了 Prompt Engineer 这一职业，部分大厂为此开出高薪招聘人才。
尽管结构化表达实现了'清晰表达'，但它并非终极答案，存在两个主要缺陷：
因此，结构化表达是过渡阶段的最优解，而非终点。
2024 年下半年，一种新的解题思路——压缩表达（Compressed Expression）开始兴起。如果说结构化表达是一组探照灯照亮墙面，那么压缩表达则是太阳，试图照亮整个山谷。
李继刚等从业者提出了核心观点：字与字、词与词之间存在大量的语义空洞。让大模型去理解这些冗余的词藻是没有意义的。删除这些空洞，对 LLM 的输出影响微乎其微。
压缩表达要求措辞足够精准、凝练。在模型的向量空间（Vector Space）中，精准的词汇如同直接射向目标点的箭，而不是像云一样飘散。当 input 足够精简时，Attention 机制在分配权重时更加稳定，减少了漂移和干扰。
例如，一个极简的提示词可能仅由几个关键词组成，如'隐喻，一针见血，批判现实，思考深刻，语言风趣'。这种表达方式不仅满足了 Attention 机制的高效性，也符合人类直觉。正如 Ilya Sutskever 所言：'大模型是对这个世界的有损压缩，是个降维的过程；而提示词，是解压的入口，是升维的过程。'压缩表达正是开启精准解压的法宝。
在 2024 年的提示词进化路上，多个社区和个人贡献了重要力量。
DAIR.AI 发起了开源项目'Prompt Engineering Guide'，这是一个系统性的 Prompt 工程学习网站。它及时收录最新的提示词论文，包括 CoT、RAG、ReAct、Few-Shots 等核心技巧，并提供多语言版本，适合希望系统认识 Prompt 的工程人员。
Anthropic 除了模型能力强外，其技术文档质量极高。每有新模型发布，都会提供详细的技术文档和使用指南。其提供的 Prompt Engineering 资源、Prompt Library 和 Prompt 生成器页面干货满满，涵盖了指令清晰、使用样例、链式思考、XML 结构化输入输出、角色设定等核心技巧，适用于各类大模型。
吴恩达教授早期分享了大量提示词公开课，适合初学者。2024 年，他的关注点更多转向智能体（Agent），发表了关于智能体设计模式的前沿观点，推动了 Agent 技术的发展。
作为中文提示词领域的代表人物，李继刚在 2024 年提出了'压缩表达'理念。他早年创作的'公文笔杆子'提示词通过结构化封装达到了行业高度。2024 年 9 月归来后，他发布了基于 Lisp 语法的极致压缩提示词，强调提示词的本质是表达，追求日更与精进。
LangGPT 社区是国内较早专注提示词工程的开源社区，提出了结构化提示词理念，并与多家大模型厂商合作设计官方提示词。WaytoAGI 社区则整理了大量 AI 知识库和提示词，为新手提供了免费的学习资源，许多付费内容实则源自这些开源社区的公开信息。
自 ChatGPT-3.5 问世以来，Prompt 经历了三个阶段的发展：技巧提示词 -> 结构化提示词 -> 压缩提示词。这一过程既有开发者的探索，也有民间的贡献。
提示词早已超越单纯的文本指令，成为一项系统工程（Prompt Engineering）。它涉及数据、工作流、工具插件、知识库、微调及智能体等多个方面，是技术与人文的结合。
关于 Prompt Engineer 的未来，可以参考编程语言的发展史。从二进制到汇编，再到 C、Java，直至 Python，编程语言越来越接近自然语言，程序员群体也越来越庞大。推演下去，未来的形态将是'自然语言编程'。届时，人人都是程序员，大模型就是编译器。想象力有多大，AI 的能力就有多强。
2024 年见证了提示词从'术'到'道'的转变。无论是框架还是压缩，核心都在于如何更高效地与模型沟通。随着技术的迭代，提示工程将继续向自然语言编程演进，最终实现人机协作的无缝融合。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online
将 Markdown（GFM）转为 HTML 片段，浏览器内 marked 解析；与 HTML转Markdown 互为补充。 在线工具，Markdown转HTML在线工具，online
