与AI闲聊10分钟：提示工程的神话正在瓦解？

卡帕西在GitHub上拥有超过50万粉丝，他的每一个项目几乎都能在发布首日获得上千个star。当这位“氛围编程”的命名人说出“别琢磨提示词，想到什么就说什么”时，你可能会觉得这与他构建的深度强化学习框架、开源神经网络库的风格格格不入。但如果你翻阅过他的博客，或者看过他在YouTube上的技术分享，就会明白他从来不是那种喜欢给提示词加满“魔法前缀”的人。

这个窍门看似反直觉，却让我想起开源社区里一个常见的现象：当新手在issue里贴上长达2000字的调试日志，却没人回复时，一句“我遇到了类似问题，你怎么解决的”往往能激活整个讨论。卡帕西的“闲聊10分钟”本质上就是这种策略——降低交互门槛，让AI从“裁判模式”切换成“协作模式”。

如果我们拆解传统提示工程的路径，会发现它其实在模仿一种“优化后的二进制思维”：你必须用最精确的指令，才能得到最精确的输出。但卡帕西在Anthropic的同事、RLHF论文的作者之一曾提过一个观点：当前所有大语言模型都经过数万亿token的训练，它们天然具备“上下文理解”的能力，而过度优化的提示词反而会触发模型对“权威指令”的防御性反应。这就像你在开源项目中给贡献者写了一份极其详细的任务清单，对方反而会怀疑你是不是在控制他，而不是在协作。

卡帕西的做法恰好避开了这个陷阱。他打开语音模式，连续讲10分钟——思路不完整，句子可能断断续续，甚至包含大量“呃”“那个”之类的填充词。但正是这种“思维流”式的输入，让模型有机会捕捉到你的真实意图，而不是被精心设计的提示词带偏。这其实和开源社区里“代码审查”的哲学很像：最有效的代码审查不是逐行检查语法，而是先理解作者想解决的问题，再给出建议。

有意思的是，这个技巧在开发者群体中其实早有先例。我认识的一位Go语言核心贡献者，每次遇到复杂bug时，会对着笔记本录一段30分钟的语音，把思路全部说出来，然后再回放整理。他说“语音能带出我写代码时不会写出来的背景信息”。卡帕西只不过把这个过程从人脑转移到了AI——让AI扮演那个“听你唠叨”的朋友，而朋友给你的反馈往往比精确的搜索指令更有价值。

从技术评估的角度看，这个做法背后有一个容易被忽略的洞见：当前大语言模型的注意力机制存在“提示词衰减”效应。当输入的前半部分被精心设计的模板占据时，模型会分配更多注意力去匹配这些模板的分布，而忽略你真正想表达的信息。相反，一段自然无序的闲聊，会让模型平等地处理每一个token，从而更准确地评估你的意图。这就像在GitHub上，一个带有完整错误堆栈的issue往往比一个只有“救命”的issue更容易被忽视，因为维护者需要花精力去解析堆栈，而不是去理解你的真实困惑。

卡帕西的“闲聊法”还暗合了开源社区中“搭建者与使用者”的边界坍塌。传统的提示工程把用户训练成“指令工程师”，而卡帕西把我们拉回到“使用者”的位置。他曾经在AI安全会议上说过：“我不希望未来的人学会和AI说话，而是希望AI学会听人说话。”这句话在开源社区里可以翻译成：别让用户变成代码贡献者，而是让代码去理解用户。

当然，这个窍门对某些任务并不适用。如果你需要AI生成一个精确的正则表达式，或者要求它按照特定格式输出JSON，闲聊10分钟反而会浪费资源。但卡帕西的语境始终是“提高回答质量”，而不是“提高输出精确度”。这两个概念在开源社区里是截然不同的：质量关乎理解与协作，精确度关乎执行与验证。前者需要对话，后者需要协议。

最后，我想给读者一个行动建议：今天找一个你不太熟悉的AI模型，打开语音模式，连续说10分钟你最近在困惑的问题，中间不要停，不要修正自己。 你会发现，AI给出的回答不再是“正确的废话”，而是更像一个资深开发者坐在你旁边，边听你嘟囔边给你画白板。这种体验远比任何提示词模板都更接近卡帕西所说的“氛围编程”——让技术回归到人与人之间的对话，而不是人与机器之间的协议。

原文链接：https://www.ithome.com/0/981/407.htm