我以为AI变笨了，其实它是聪明到不想听我讲废话

说起来有点不好意思。

过去两年，我在prompt里写了很多话。

角色设定、场景描述、输出格式、例外情况、注意事项。有几个prompt我自己都数不清行数，打开来像一份会议纪要。我以为这叫专业，叫把话说清楚。我还调侃广告公司阿康的饭碗还能保住，因为客户爸爸永远说不清楚自己要什么。

上周，OpenAI和Anthropic前后脚各发了一份官方提示工程指南。

OpenAI那份是专门为GPT-5.5写的。开头就亮刀：把旧prompt直接迁移过来会反效果。因为以前那些密密麻麻的步骤，是为了弥补旧模型读不懂你意图时写的补丁。现在模型变强了，补丁反而成了干扰。官方建议从零开始，只保留目标、约束、和什么算成功。

翻译成大白话：告诉它你要去哪，别帮它规划每一步怎么走。

Anthropic那份更直接。新版Claude提示最佳实践第一条建议核心就是：少写废话。原文是"skip non-essential context，keep examples minimal"。

两家公司，同一周，说了同一件事。

以前我们跟AI说话，有点像跟一个刚来的实习生交代任务。生怕他没听懂，要多说几遍，要举例子，要预判他会在哪里出错，提前堵死。这种不放心，催生了"prompt工程"这个词，催生了整个行业研究怎么把话说得更巧妙、更精确。

但模型这两年发生了什么？

它读过的东西，比你多太多了。它见过的场景，比你预想的复杂太多了。你写的那些举例子，很可能对它来说是噪音，不是信息。你以为在帮它，其实在给它限速。

OpenAI的文档有一句话值得记住：描述目的地，而不是路线。

这不是提示技巧的迭代，是一种思维方式的转变。从"我来控制过程"，到"我来定义终点"。

But

少写，不等于随便写。

Anthropic的文档同时强调，越是给模型更大的自主空间，越需要在一开始就把目标说得准确。什么算成功，什么是不能碰的边界，模糊的地方怎么处理 - 这些要在最开始说清楚，不是边做边补充。

所以这件事真正难的地方不是写少，是想清楚。

你要足够了解自己要什么，才能用最少的话说准确。你要足够了解那个任务的全貌，才能只给终点、不给路线图。

这个能力，和prompt写多长无关。和你对问题本身理解有多深，有关。

有一个很现实的推论。

提示工程曾经是一门技术活。有人专门研究怎么写得妙，有人整理几百条prompt模板，有人开课教你和AI高效对话的秘诀。这些内容，过去两年确实有用。

但当两家最头部的AI公司同时发文说：最好的prompt，是用最少的结构实现目标的那个

那门技术活的门槛，就不再是技术了。

它变成了：你有没有把问题想清楚的能力，和知道自己要什么的判断力。

这就是我看完这两份指南之后有点坐不住的原因。

不是因为我的prompt要全部重写，虽然大概率是要的。

是因为我突然意识到，过去那些写得很长的prompt，有多少是真的在传达意图，又有多少，只是我自己对任务还没想清楚。

AI没有变笨。

它只是终于聪明到，不想陪我把模糊的问题想一遍了。

数据来源：OpenAI GPT-5.5 Prompting Guide，2026年4月26日发布；Anthropic Claude Prompting Best Practices，2026年4月更新。