提示之后，下一个时代会是“循环”吗？以下四个阶段将简要介绍我们与人工智能沟通方式的演变。

本ページはプロモーション（広告）を含みます。

🧭 第一卷 “擅长提示的人”不再是主角

直到最近，“擅长提示”还是一种赞美之词。它指的是那些能够给出精确指令并从人工智能中引出预期答案的人。诸如指定角色（例如“您是会计专家”）之类的技巧也经常被提及。我自己也确实经常使用这些技巧。然而，自2026年初以来，人工智能开发领域的前沿人士开始发出这样的声音：“我们应该停止编写提示。”

等等，你说我们要停止写写作提示是什么意思？我在英语学习文章里介绍了很多角色扮演技巧。我觉得仅仅写“你是一位英语老师”就能显著提高批改率。我有点惊讶它现在不再是重点了。我相信肯定有人读过我的文章并且用过这个方法。那么，以后重点会是什么呢？

在开发环境中，关注点正从个人给出清晰明确的指令，转向创建能够持续提供指令的系统。这有时被称为从“人入循环”（Human in the Loop）到“人掌控循环”（Human on Loop）的转变。这种转变意味着人们不再像以前那样在循环中逐一完成任务，而是站在循环之外，统筹全局。这一演变可以分为四个阶段：提示、情境、利用和循环。

仅仅把“in”改成“on”就能彻底改变我们与人工智能的互动方式，这真是太神奇了。说实话，即使是学习英语，每天输入“修改这篇文章”之类的提示也挺麻烦的。如果我能创建一个小型学习循环，它能记住我的弱点，甚至还能自动生成练习菜单，那就太好了。那样的话，日常生活就会轻松很多。不过，我们得从基础做起，对吧？你说的“改进提示”具体指的是什么呢？

✍️ 第二卷 快捷工程

指令优化阶段是指你对发送给人工智能的每条指令的措辞进行精细调整。即使是提出相同的要求，答案的质量也会因提问方式的不同而大相径庭。例如，要求“请校对这句英文句子”的效果远不如要求“请改写这句英文句子，使其更符合商务邮件的语境”。你可以将其称为优化你向人工智能提出指令的“方式”。这是该过程最简单的形式。

我几乎每天都这么做。仅仅添加一句简短的目的陈述就能极大地改变英文回复的语气，比如“随意”或“适合邮件沟通”。但是，根据我们刚才的讨论，具体说明某人的角色，比如“您是……方面的专家”，已经过时了，对吧？这种写法经常出现在入门书籍中，而且看起来似乎很有效，但为什么还不够呢？

仅仅给人工智能分配一个角色并不能告诉它“谁”想要答案以及“为什么”。重要的是目的、目标和条件，而不是头衔。例如，添加“我是会计新手”这样的短语就能促使它提供避免使用专业术语的解释。添加“以可立即应用于实践的格式”这样的目标以及“使用非正式语言”这样的条件，会使其更加准确。关键在于传达情境，而不仅仅是角色。

比起标题，解释你的用途更重要，对吧？如果是为了学习英语，我想我应该写类似“我想提升商务英语技能，这样在实际场合就不会尴尬”这样的内容。这样写肯定更符合我的情况。如果我的目的明确，我的学习重点应该也能保持一致。但是每次都要从头开始解释我的背景和弱点，实在太麻烦了。我希望人工智能能记住我们之前讨论过的内容和我经常犯的错误。

🗂️ 第3卷 上下文工程

这正是上下文工程第二阶段发挥作用的地方。它涉及设计人工智能在提供答案时所查看的全部信息，包括对话历史、提供的文档以及过去的互动。人工智能一次能够查看的信息量是有限的，这被称为上下文窗口。据说它可以容纳大约10卷书的内容，但并非无限。设计应该在上下文窗口中显示哪些信息至关重要。我们之前看到的提示只是这个庞大信息库中的一小部分。

关键不在于“问什么”，而在于“展示什么”。与人交谈时，对话的走向会因彼此的假设是否一致而截然不同。我明白，即使你写了一个很好的提示，如果人工智能不了解背景，提示也会偏离主题。有趣的是，提示本身也是语境的一部分。即使是英语会话老师，他们了解我越多，教学效果就越好。那么，在学习英语时，我应该具体向人工智能展示哪些信息呢？

例如，你可以提供一份你过去经常用错的表达方式列表，或者你的学习经历，比如“我经常在时态上犯错”或“我上周偶然发现了这个表达方式”。这样做就能将通用反馈转化为个性化反馈。他们还会注意到你是否重复犯同样的错误。但是，信息越多并非越好。如果你包含无关信息，最终得到的答案也会与主题无关，所以诀窍在于专注于最近的错误或当前的主题。

所以，与其展示所有内容，不如只展示必要的部分。如果是我，我可能只会展示这周我正在练习的冠词和介词错误。这样一来，纠正建议就能更贴合我的需求。关键在于不要贪心，把所有错误都一股脑儿地告诉别人。但如果人工智能给出的纠正听起来合情合理，但却是错误的呢？这有点可怕，因为它如此自信地给出纠正，你很可能会信以为真。

🦺 第4卷 线束工程

这就涉及到第三阶段——安全带工程。安全带是登山运动中使用的安全装置。“请编写一个测试”只是一个提示，而安全带本身就是机制，它规定“只有通过测试才能进入下一步”。这是人工智能的一项外部协议。对于日程安排，如果存在一个机制“拒绝下午 5 点以后的预约请求”，那么你就可以放心地将其交给人工智能处理了。

这并非是在代码中编写指令，而更像是为人工智能设置一道安全屏障。秘书的例子非常贴切。如果一开始就规定人工智能在下午5点后不能进入，即使它稍微自由走动也不会有问题。你也会把同样的规则传达给人类秘书，对吧？但即使你用“束缚”这个词来形容英语学习，我仍然不太明白。在学习中，这究竟是什么样的系统呢？

例如，像“你必须复习完今天的10个单词才能学习新单词”这样的规则就是一种有效的约束。与其盲目接受AI的纠错，不如在继续学习之前自己重新检查一遍，这也是同样的道理。像“不符合以下三个标准的纠错恕我不接受”这样的清单，或者像“如有疑问，请随时提问”这样的句子，也都是简单有效的约束方法。从这里开始就完全足够了。

所以，你不需要构建一个复杂的系统；今天就可以开始自己动手创建。我马上会在提示语里加上“先提问”这句话。知道人工智能不会贸然行事，而是会停下来寻求澄清，这让人很安心。最令人沮丧的是，它明明不知道答案却自信满满地回答。我们已经有了提示语、上下文和各种工具，它们正在逐步整合，但既然我们已经走到这一步，下一步该做什么呢？

🔁 第5卷 循环工程

我们终于抵达了最后一层：循环工程。一家大型人工智能公司的工程师表示，他的工作不再是亲自输入提示，而是编写能够持续提供指令的系统。据悉，在从事人工智能工作之前，他曾在日本沉迷于制作发酵食品。此外，据报道，一位知名研究人员仅用一个小时就为女儿开发了一款打字应用程序，而且几乎无需任何输入。这正是循环工程的完美例证。

从制作发酵食品到开发尖端人工智能，这种转变如此出乎意料，让我忍俊不禁。耐心等待发酵发生和等待循环完成，或许本质上非常相似。在这两种情况下，似乎都重要的是静观其变，不加干预。但真正令人惊叹的是，这款应用几乎无需任何人工干预，仅用了不到一个小时就开发完成。这是否意味着人工智能能够自主检查并纠正所有错误？它究竟是如何实现的？

循环是一种机制，它允许“执行、验证、必要时纠正、再次执行”的循环在无需人工干预的情况下运行。有了提示、上下文和必要的工具，人工智能可以构建自己的后续指令并持续地将其发送给自己。人类的角色从每次发出指令转变为设计系统。然而，这并非完全的交接。关键在于如何界定哪些部分应该放手，哪些部分应该继续控制。

所以，与其把一切都交给人工智能，人类仍然有机会参与其中。例如，在英语学习中，你可以让人工智能负责日常的纠错和重复练习，但你仍然要坚持目标——你为什么要学习英语，以及你最终想要达到什么目标。如果连目标都由人工智能来决定，那这就不再是真正属于我的学习了。在这种情况下，我想我可以安心地把学习交给它。顺便问一下，这种循环只有一种类型吗？

🪆 第6卷 三重嵌套循环

实际上，这里有一个概念，它包含三个以不同速度运行的嵌套循环。最内层循环以分钟为单位运行，人工智能快速重复执行、测试和修正。最外层循环运行数小时到数天，由人工监督、检查结果并微调方向。最外层循环每月运行一次，利用来自朋友和特定人群的反馈来修订整个策略。一位研究人员绘制了一张非常清晰的图表来说明这一点。

这就像三个相互重叠的循环，分别对应快、中、慢三种速度。你可以想象成大小不同的齿轮相互啮合，这样就很容易理解了。小齿轮快速转动，大齿轮缓慢地决定方向。有趣的是，只有最外层涉及人类的反应，而不是人工智能。我想知道，如果我把这三个循环应用到我自己的英语学习中，会如何运作呢？

最快的循环是每天与人工智能进行重复练习。你可以立即获得英语作文的批改，并进行即时修改。中间的循环是每周一次，你需要查看你的批改记录。最外层的循环是每月一次，你需要请老师审阅你的英语，或者尝试在在线英语对话中使用。只有最快的循环可以完全交给人工智能完成。其他两个循环你必须始终有人监督。这就是我之前所说的“坚持”。

所以，你把任务分成今天、本周和本月。我之前也每天使用人工智能校对工具，但我可能省略了每周的复习和每月的外部反馈。我可能满足于每天完成校对工作。不完全依赖人工智能本身就能提升学习过程。但我很好奇，这种思路是否也能应用到其他人的工作中，而不仅仅局限于英语学习或工程领域？

🌱 第7卷摘要——循环思维向非工程师群体传播

没错。我们目前讨论的四个阶段是嵌套的，新的层级不断叠加在旧层级之上，而不是任何一层级过时。内部层级至今仍在运行。而且，这种理念也正在扩展到行政工作中。会议结束后，人工智能会自动启动，转录会议内容，识别任务，甚至还能处理日程安排和向相关成员发送邀请。我们甚至看到，人们只需点击“参加”即可。

人们只需点击一个按钮即可加入的想法，听起来像是来自未来的设想，但它已经成为现实。令人惊叹的是，一种源于工程师领域的思维方式竟然可以直接应用于秘书和行政工作。会议结束后整理笔记和安排日程确实非常耗时。这在我们的日常工作和学习中也同样适用。但是，要一下子创建一个如此庞大的系统似乎并非易事。我们究竟应该从何入手呢？

你不需要一开始就搭建一个庞大的系统。从一个小的、循环往复的练习开始就足够了，比如“每天用相同的格式让AI批改作业”。对于英语学习来说，初始形式是一个三层循环：今天用AI进行重复练习，这周进行复习，这月获得来自外部的反馈。之后，你可以逐步添加提示来表明你的学习目的，添加上下文来揭示你的弱点，并添加一些机制来鼓励你寻求澄清。无需操之过急。

从提示到循环，我们与人工智能的互动正不断扩展。但我们今天构建的这个小循环无疑将成为基础。本系列讨论的所有内容都与此相关。我想先按惯例请大家帮忙修改明天的英语作文。如果您更想阅读详细的解释而不是听对话，请查看原文。链接在此。

👉 阅读原文
从提示到循环（注：杂志）
https://note.com/gentle_hawk873/m/mc79175abd198