从 Prompt 工程看职场PUA！明明是模型缺陷，为啥要 Prompt 雕花？

简介

小伙伴们好，我是微信公众号《小窗幽记机器学习》的小编：卖豆沙饼的小女孩。在当今的人工智能领域，Prompt 工程已被视为一项重要技能。然而，这一趋势也揭示了当前模型的不足：一个强大的模型应当能够直接理解用户明确的指令，而不需要用户对 Prompt 进行复杂的修饰。我们需要反思，为什么明明是模型的问题，用户却要在 Prompt 上费心费力？随着最近OpenAI o1系列的出现，敲响prompt engineering的丧钟。详见：全面解读OpenAI o1三部曲：上篇-概述、全面解读OpenAI o1三部曲：中篇-原理、全面解说OpenAI o1三部曲：下篇-乞丐版o1-mini。

模型的"不完美"与用户的"自我PUA"

尽管当前的 AI 模型已经取得了长足的进步，但在理解用户需求方面仍然存在局限。这种局限性迫使用户精心设计 Prompt，以期获得满意的结果。这种行为类似于职场中的心理操控（PUA）：个体不断自我否定，通过复杂技巧来弥补系统的不足。

在职场中，PUA 通过否定员工来使其怀疑自身能力。类似地，过度的 Prompt 工程实际上是用户对自我表达能力的质疑和否定，这是一种不健康的现象。

模型应有的主动性与透明性

在用户需求明确的情况下，模型应当主动引导和咨询，而不是让用户去猜测哪里出了问题。理想的系统应具备以下特质：

1. 主动反馈：当信息不足时，模型应主动询问用户，澄清需求，而不是返回模糊或错误的结果。这样的主动性可以减少用户的猜测，提升效率。

2. 透明的交互机制：正如健康的职场需要公开透明的沟通机制，AI 系统也应具备清晰的反馈机制。当模型无法满足需求时，应该能够提供明确的理由，而不是简单地返回一个否定的结果。

3. 错误的明确化：当用户输入错误或信息不足时，模型应该能够指出具体问题。这类似于职场中，当否定某个方案时，应提供详细的理由，而不是简单地说“不”。

这种透明和主动的机制将大大减少用户在 Prompt 上的“雕花”需求，促进更直接和高效的模型交互。

AGI 曙光下的模型转变

随着人工智能技术的进步，尤其是新一代模型OpenAI o1系列模型的出现，我们开始看到这种现象的改善。这些模型能够进行“慢”思考，利用更多算力进行推演，以提供更准确和有意义的回答。这样的模型在推理阶段采用类似慢思考的方式，避免轻率地给出不准确的答案。

这种转变标志着从要求用户过度 Prompt 工程到模型自身充分思考的进步。在这种模式下，用户只需清晰描述需求，而不必担心模型是否能够理解。这是迈向真正 AGI 的重要一步。

职场的启示：清晰沟通与透明机制

在职场中，我们也需要从复杂到简单、从不透明到透明的转变。一个健康的职场环境鼓励清晰、条理分明的沟通。每个人都应有权了解否定背后的逻辑，而不是在猜测和不确定中工作。

这种透明和清晰可以减少心理负担，提高工作效率，培养出更加自信和独立的员工。未来的人工智能模型也应具备这样的特性，减少用户的心理负担，使他们能够专注于创造性工作，而不是在如何与模型沟通上浪费时间。

结语

从 Prompt 工程到职场 PUA，我们看到一个共同的问题：系统的不足让个体承担了不必要的负担。然而，随着技术的进步和职场文化的变革，这种现象正在得到改善。

未来的 AI 模型应更具主动性和透明性，让用户在明确表达需求的情况下得到准确的结果。而在职场中，我们也应该追求一种公开、透明的沟通机制，鼓励每个人清晰表达需求。这种双向的改善，无疑将为人类和人工智能的互动带来更光明的前景。