夜雨聆风学习资料网

ARTICLE · 1400054

别再买 99 元提示词模板了:沃顿教授实证,2026 年用 AI 拼的早变了

别再买 99 元提示词模板了:沃顿教授实证,2026 年用 AI 拼的早变了

花 99 块买过“1000 条万能提示词”,手机收藏夹里存满“专家角色扮演咒语”,但打开对话框还是只会一问一答?

先停一下。沃顿商学院教授 Ethan Mollick(伊桑·莫利克)在 2026 年 6 月 30 日发表了一篇引发海外科技圈热议的长文《The Twilight of the Chatbots》(聊天机器人模式的尾声)。

结合他团队做的《提示词科学研究报告》(Prompting Science Reports),他拿出了一组让卖课机构很尴尬的实证结论:过去两年被捧上天的提示词套路和聊天框一问一答,正在快速进入“提示词失效期”。

如果你每天写报告、做表格、整理资料,还卡在“怎么背提示词”这一步,这篇海外一手拆解能直接帮你省下冤枉钱和试错时间。

一、实证打脸:“给小费”“威胁它”这类咒语已经没用了

前两年刚用大模型时,网上流传着各种玄学话术。

比如开头必须写“你是拥有 20 年经验的世界顶级专家”,或者威胁它“这件事关乎生死,请认真回答”,甚至承诺“答得好我给你 200 美元(约 1450 元人民币)小费”。

我以前做数据分析时,对这类没有对照组验证的经验法则一直保持怀疑。而 Ethan Mollick 团队这次真拿对照实验测了一遍。

结果非常直接:随着新一代模型自身推理和规划能力大幅提升,情绪施压、口头给小费、硬套专家人设这些“魔术话术”,已经无法稳定提高回答质量。

道理并不复杂。早期的模型像刚学步的新手,你必须写一长串复杂格式,一步步教它怎么拆解。但 2026 年的前沿模型自己就能先列计划、查缺补漏、验证结果。你硬塞一堆花哨模板,反而容易把它的思路框死。

实证里真正管用的东西,反而是最朴素的三件事:

  1. 交代真实背景
    :你是谁,这份东西给谁看,现在卡在哪一步。
  2. 给足原始材料
    :把脱敏后的表格、文档、参考样本直接丢进去,别让它凭空猜。
  3. 说死交付标准
    :要表格还是清单,字数上限多少,哪些套话绝对不能出现。

别把提示词当成神秘代码去背,因为模型听懂人话的速度,远比你背模板的速度快得多。

二、从“聊天框”到“自主干活”:14 小时对比人类团队数周

Mollick 在长文里对过去几年的用法给了一句极精准的吐槽。

大多数职场人用 AI,都是在空白聊天窗口里你发一句、它回一句。他说这种体验,就像“不停给一个实习生发微信,而且每聊完两页纸,他就把前面讨论过的事全忘了”。

但 2026 年正在发生一个更底层的工作方式切换:AI 正在从“陪聊工具”,变成能自主推进多步任务的自主智能体(Autonomous Agent,指能自己拆步骤、调工具、连续执行并修正错误的 AI 系统)。

文章引用了权威评测机构 Epoch 与 METR 的实测记录。在一次测试中,前沿模型在无人干预的情况下连续自主运行了 14 个小时,独立交付了一套完整软件;而同样的工作量,通常需要一个人类工程师团队干上好几个星期,整个过程的算力花费却极低。

哪怕你不写代码,在国内日常用豆包、Kimi、DeepSeek 或各类办公助手时,也能看到同一个方向:过去是问一句答一句,现在是直接把几份 PDF、几个网页链接和一张原始数据表同时丢进去,让它联网核对、整理框架、反复改稿,最后交一份成品给你验收。

对比维度
旧用法(聊天框模式)
新用法(任务交办模式)
你的角色
自己干活,顺手问 AI 查点资料
像项目负责人一样定目标、给材料、查验收
沟通方式
背诵固定咒语、反复微调措辞
把背景、限制条件和成品标准一次说透
交互节奏
一句来、一句去,聊完就关窗口
一次给足上下文,让它多步推进再逐项修改
核心壁垒
谁收藏的提示词合集多
谁能一眼看出它交上来的结果哪里不对

过去用 AI 拼的是谁会问,2026 年用 AI 拼的是谁会派活、会验收。因为执行门槛掉到地板后,判断力才是唯一值钱的东西。

三、为什么很多人试了两次就说“AI 根本不好用”?

很多职场人和公司试过几天 AI 后,得出的结论是:“这东西也就写写废话,真干活根本指望不上。”

Mollick 在文中指出了一个被普遍忽略的原因,我把它称为“空白窗口陷阱”。

绝大多数测试失败,并不是底层模型能力不够,而是大家只在一个空荡荡的聊天框里随口甩了一句话,既没有给它读写文件的权限,也没有给历史背景和参考资料。

决定一个 AI 能不能真帮上忙的,除了模型本身,还有它外面的 Harness(运行环境与配套工具链,简单说就是给 AI 配齐文件读写、联网搜索、代码执行和长期记忆的工作台)。

拿每天都要处理的活举个例子。你在空白窗口里问“帮我分析一下季度销售为什么下降”,它只能给你吐出“市场竞争加剧、季节性波动”这类放之四海而皆准的空话。但如果你把脱敏后的原始明细表传进去,告诉它“先按区域和客单价拆同比变化,再标出异常波动最大的 3 个品类”,出来的就是能直接进复盘会的分析底稿。

(说句实在话,我以前做数据分析时也一样,没给原始表和口径,再资深的分析师也只能猜。)

四、5 年后谁也测不准,今天就能抄作业的 3 步改法

坦白讲,5 年后 AI 会发展成什么样谁也不知道,具体会做什么也很难预测。我也不相信任何宣称能精准预测未来十年的文章。

但 Mollick 在整理 Claude Code 等智能体工具的实证数据时,发现了一个当下就能立刻用上的规律:同样用最新的自主工具,真正跑出高效率的,恰恰是原本就具备领域专业度和判断力的人。

放到你的日常工作和生活里,今天不需要再花一分钱买课,只要按下面 3 步改掉旧习惯:

第一步:下次派活前,套用“任务交办三件套”。直接把这三句贴在你的需求前面:“1. 背景和受众是[填写具体场景];2. 这是我整理的原始资料/参考样本[粘贴材料];3. 输出格式要求[字数、表格或清单],如果信息不够请先反问我 3 个问题再动手。”

第二步:把“查漏洞”当成固定工序。AI 最擅长用极有说服力的语气,编造一个不存在的数据或过期的规则。我自己的习惯是,凡是 AI 给出的输出,必查三处:具体数字和日期有没有原始出处、前提口径有没有被偷换、结论和论据之间有没有逻辑跳跃。

第三步:这周只拿 1 件真实麻烦事跑通流程。别去收藏 50 个新工具网址。挑一件你这周本来就要硬啃的事(比如读一份 20 页的合同条款、归类近三个月脱敏账单、写一封难开口的沟通邮件),把材料给足,让 AI 出初稿,你连续追问修改两轮,亲自感受一次“派活 + 验收”的差别。

边界说明:什么情况下这套判断不适用?

为了不把话说满,有两点边界必须提前交代清楚:

第一,如果你做的是高度重复、格式严格固定的批量流水线任务(比如每天按固定 JSON 结构清洗 500 条商品标题),结构化提示词模板依然非常有用,能显著降低输出波动;Mollick 所说的失效,主要针对的是个人日常办公里那些花哨的“角色扮演、威胁、给小费”话术。

第二,目前能够连续运行十几个小时的自主智能体,主要在编程和科研评测环境中表现突出;涉及医疗诊断、法律签约、大额资金决策时,绝不能放手让 AI 自主执行,必须由专业人士和本人做最终核实。

工具跑得越快,人越不能交出检查的权力。因为省下来的时间归你,但出错后的账单也归你。

回首页,搜索你想要的文档

在首页搜索框输入关键词,快速定位资料

文库首页搜索指引 立即搜索

相关学习资料