问题的根源在于提示词债务
本文探讨了"提示词债务"这一概念，指开发者和企业为了适配大语言模型而积累的大量脆弱、难以维护的提示词。这些提示词往往缺乏系统性设计，随着模型更新和业务变化变得不稳定，形成技术负债。作者认为，与其不断优化提示词，更应关注构建更健壮的系统和数据管道来减少对脆弱提示词的依赖。
背景速读
- "Prompt debt" 指用户为了从AI工具中获得满意结果，不得不反复编写、调试、维护大量提示词（prompt）。这种隐性成本类似于软件工程中的"技术债务"——短期省力，长期积累拖累效率。
- Drew Breunig 是科技作家兼产品策略师，曾任职于多家AI初创公司，长期关注AI工具的人机交互与用户体验。
- 核心论点：当前AI产品的交互设计把负担转嫁给了用户，要求用户成为"Prompt工程师"。这种模式不可持续，真正的好产品应该靠界面设计降低对提示词的依赖。
- 背景：2022—2025年间，生成式AI爆发，市面上多数产品（如ChatGPT、Midjourney）仍以"文本对话框+提示词"为主要交互方式。业界对"Prompt engineering"（提示工程）一度热烈追捧，但批评者认为这掩盖了产品设计缺陷。