提示詞工程：從打字員到審查員#

一、新技能的誕生#

當 AI 能寫代碼，工程師的日常工作流發生了根本性重組。傳統循環是：想 → 打字 → 跑 → 除錯。AI 時代的循環變成：描述意圖（prompt）→ 審查生成 → 驗證 → 整合。打字不再是瓶頸，於是兩種此前被低估的技能浮出水面：把需求講清楚的表達力，以及快速判斷生成代碼對錯的審查力。這兩種能力合起來，被冠以一個新名詞——提示詞工程（Prompt Engineering）。

二、提示詞工程的技術內核#

提示詞工程不是玄學，它有一套可驗證的技術方法：

• Few-shot 範例（GPT-3 論文 2020 即驗證）：在提示中給兩三個輸入輸出範例，模型表現大幅提升——這是「上下文學習（in-context learning）」的發現；
• 思維鏈（Chain-of-Thought，2022 年 Google 論文，Wei et al.）：要求模型「一步步想」，在推理型任務上顯著提分——後來成為推理模型（o1、Claude thinking 等）的內建行為；
• 結構化上下文：給模型相關檔案、介面定義、風格規範，而不是整個代碼庫的噪音——上下文工程（context engineering）成為 2024-25 年的新熱詞；
• 驗證迴路：讓模型生成測試、執行、根據失敗自我修正（self-healing），這就是 agent 的雛形。

這些技巧的深層意義：提示詞本質上是一種新的規格語言（specification language）。它比自然語言精確（有範例與結構），比程式語言模糊（允許意圖層次的表達）——正好落在人機溝通的甜蜜點。

三、審查員：新的核心職能#

當生成成本趨近於零，價值就轉移到驗證。AI 生成的代碼有系統性的風險面：看起來對（流暢、有型別、有註解）但邏輯錯；用過時 API；處理了常見路徑卻忽略邊界情況；甚至安全漏洞（SQL 注入、路徑遍歷）。於是審查從禮貌性流程升級為核心生產環節：

• 人類 review 的重點從「格式與風格」轉向「意圖與邊界」——AI 負責正確的表象，人類負責正確的本質；
• 測試的地位空前提高（呼應第 7 章的 TDD 歷史）：有測試守護的代碼庫，AI 生成的可用率遠高於裸奔的代碼庫——測試是 AI 時代的安全網；
• code review 工具本身也被 AI 改造：自動摘要 PR、標註高風險變更、建議修復——AI 審查 AI 的時代開啟。

工程師的角色比喻從「打字員」變成「編輯」：作家（AI）寫初稿，編輯（人類）把關方向、事實與品味。

四、教育的陣痛#

這場轉變對教育制度的衝擊在 2023-25 年全面爆發。大學程式設計課堂上，教作業突然失去意義——學生交上來的作業可能是 Copilot 寫的。各校應對分裂成兩派：禁止派（考試改紙筆、封鎖 AI 工具）與採用派（重新設計課程：AI 可用，但必須能解釋、除錯、評估 AI 的輸出——考「判斷力」而非「記憶力」）。史丹佛、MIT 等校相繼把 AI 工具明確納入課程設計；CS 教育研究的共識逐漸形成：入門階段仍需徒手寫碼以建立心智模型（不懂語法就無法審查），進階階段則應訓練人機協作。這與計算器進入數學課堂的歷史爭論驚人地相似——當年反對計算器的老師也說「學生會失去心算能力」。

五、泡沫與清醒#

提示詞工程在 2023 年經歷了典型的炒作週期。一度有公司開出高薪聘「Prompt Engineer」，培訓課程遍地開花。但到 2024-25 年，隨著模型推理能力增強，「精巧咒語」的價值快速貶值——好的模型越來越不需要套路化提示，真正稀缺的是上下文的品質（給對資料、給對範例、給對約束）與驗證的嚴謹度。「Prompt Engineer」作為獨立職位開始消失，其內核卻內化為所有工程師的基本素養——就像「會用 Google」從技能變成常識。

六、角色重構的歷史定位#

工程師從「打字員」到「審查員」的轉變，是軟體工程七十年來生產關係的第四次大挪移：編譯器把工程師從機器碼解放（第 1 章）、高階語言把工程師從硬體綁定解放、開源與雲把工程師從重複造輪子解放、現在 AI 把工程師從鍵盤解放。每一次解放的規律相同：被解放出來的時間，總是被更複雜的系統問題填滿。這次填進來的，是意圖的精確化、驗證的嚴謹化、以及跨系統的架構判斷——機器越強，人的判斷力越值錢。