事實
術語 · LLM 工程 · 語言模型 · 效能評測 · AI 人工智慧 · 名詞解析這個名詞與這門功夫，2018 年 6 月至 2026 年 9 月
五篇之一 · 最內層
技巧搬進了模型，寫作留了下來
提示工程，就是把給模型的指示寫好，讓它照你的意思去做。這個詞在 2021 年 2 月已出現在研究文獻中。到了 2023 年 3 月，它成了年薪最高 335,000 美元的職缺；2024 至 2025 年間，業界媒體卻宣告這份工作過時：自動搜尋提示的工具做得比人好，模型也越來越懂人的意思。但這門功夫並沒有跟著職稱消失。Anthropic、OpenAI 與 Google 在 2026 年都還在維護提示指南，改變的是技巧所在的位置：「一步一步想」變成內建的思考設定，預填回答讓位給結構化輸出，手工調字讓位給測試。它當初之所以重要的原因，至今未見有人報告已經解決——只改提示的格式，就曾讓準確率相差多達 76 個百分點。
- 76只改提示格式、內容不變，在一個開放模型上造成的準確率差距（2023 年，百分點）
- 17.7 → 78.7在一項數學基準上，加上「讓我們一步一步想」前後的正確率（%，2022 年）
- $335K2023 年 3 月一則提示工程師職缺所列薪資範圍的上限
- 0 / 10微軟 2025 年調查 31,000 名工作者，前十大新 AI 職位中「提示工程師」所占的數目
三種定義，前後相隔五年 研究者的、廠商的、辭典的。只有辭典稱它為一門職業。
Liu 等 · 2021 年 7 月
「建立提示函數」
- 一篇領域綜述的章節標題：提示工程是「建立提示函數的過程」，目標是「在下游任務上取得最有效的表現」。
- 五個月前，Laria Reynolds 與 Kyle McDonell 已寫道，提示工程「可以看作用自然語言寫程式」——這是本文找到最早的用例。
OpenAI 與 Anthropic · 2025–26 年
「撰寫有效的指示」
- OpenAI：「為模型撰寫有效指示的過程，使它穩定產出符合你要求的內容」——「藝術與科學的混合」。
- Anthropic：「撰寫與組織大型語言模型指示的方法」，並把情境工程視為它的自然延伸。
牛津英語詞典 · 2025 年
「……以此為業的學科或職業」
- 「為人工智慧程式構思並修改提示的行為或過程……以優化其輸出或達成預期結果。」
- 2023 年，AI 意義下的「prompt」入圍牛津年度詞彙決選，最後勝出的是 rizz。
每一部分站得多穩 依可信程度排序。一項測量與一則廠商建議，不是同一種事實。
| 可信程度 | 內容 | 依據 |
|---|---|---|
| 實測 | 光是格式，就讓 LLaMA-2-13B 的準確率相差多達 76 個百分點；而且「即使加大模型、增加範例或做指令微調，敏感度依然存在」。 | Sclar、Choi、Tsvetkov 與 Suhr，2023 年 10 月。於原處閱讀摘要 |
| 實測 | 光是範例的順序，就造成「接近最佳水準與隨機猜測之間的差別」，各種規模的模型皆然；對某個模型好的順序，換到另一個模型並不管用。 | Lu 等，2021 年 4 月；Zhao 等，2021 年 2 月。於原處閱讀摘要 |
| 實測 | 加上「讓我們一步一步想」，在不給任何範例的情況下，讓一個模型在 MultiArith 從 17.7% 升到 78.7%，在 GSM8K 從 10.4% 升到 40.7%。 | Kojima 等，2022 年 5 月。於原處閱讀摘要 |
| 廠商談自家產品 | 逐步推理如今已是內建功能：Anthropic 最新的模型預設就會思考；Google 則說 Gemini 2.5 與 3 系列會自行產生內部思考，要它們在回答中列出推理步驟「通常沒有必要」。 | 兩家廠商現行的官方文件，全文閱畢 |
| 廠商談自家產品 | OpenAI 要開發者把正式上線的應用程式固定在某個模型快照上，並建立評測，因為「即使是同一系列模型的不同快照，也可能產生不同結果」。 | OpenAI 的提示工程指南，全文閱畢 |
| 有文件可查 | Anthropic 招募「提示工程師兼館員」，年薪 175,000 至 335,000 美元。 | David Ramel，《Virtualization Review》，2023 年 3 月 13 日，報導該職缺 |
| 有文件可查 | 微軟調查 31 個市場的 31,000 名工作者，企業最考慮新增的十種 AI 職位，從 AI 訓練師（32%）到首席 AI 官（27%）。提示工程師不在其中。 | 微軟《工作趨勢指數》，2025 年 4 月 23 日，全文閱畢 |
| 轉述報導 | 微軟的 Jared Spataro：「兩年前，大家都說『提示工程師會是熱門工作』，結果完全不是這樣。」 | 《華爾街日報》，經 Erin Davis 於《Entrepreneur》轉述，2025 年 4 月 29 日 |
| 自行報告 | 把長文件放前面、問題放最後，「在測試中可讓回答品質提升最多 30%」。 | Anthropic 談自家測試；未經獨立量測 |
| 本站解讀 | 三件原本靠措辭完成的事，搬進了模型或 API：逐步推理、預填回答，以及手工調校。 | 綜合以上來源而得。沒有任何單一來源這樣說 |
時序
八年：從一個問題到一本指南 每個日期都是一份出版品的日期。人們何時改變做法，沒有一份來源量測過。
- 2018 年 6 月提示是一個選定任務的問題。decaNLP 把十種語言任務都寫成「針對一段情境的問答」，交給同一個模型。
- 2019 年提示取代了訓練。GPT-2 以零樣本方式完成任務，「不修改任何參數或架構」；在文章後面寫上「TL;DR:」就能得到摘要。
- 2020 年 5 月從提問到示範。擁有 1,750 億參數的 GPT-3，任務與範例「完全透過文字指定」。
- 2021 年 2 月 15 日這個詞見諸文字。Reynolds 與 McDonell：提示工程「可以看作用自然語言寫程式」。只寫兩種語言名稱加一個冒號的提示，翻譯表現勝過附十個範例的提示。
- 2021 年 2 月 19 日不穩定性被量測出來。格式、範例的選擇與順序，可讓 GPT-3 的表現「從接近亂猜到接近最佳水準」。
- 2021 年 4 月光是順序就足以造成這種差距，各種規模皆然，而且好的順序無法在模型之間通用。
- 2021 年 7 月 28 日有了定義。一篇領域綜述為提示工程獨立成章：找出能帶來最有效表現的提示。
- 2022 年 1 月 28 日從答案到方法。思維鏈：八個展示推理過程的範例，讓一個 5,400 億參數的模型在 GSM8K 上達到最佳水準。
- 2022 年 3–5 月「自我一致性」在多條推理路徑之間投票；接著研究顯示，「讓我們一步一步想」在完全不給範例的情況下，就能提高推理分數。
- 2022 年 9 月 12 日它的陰影有了名字。Riley Goodside 示範 GPT-3 會聽從「忽略上面的指示」之後，Simon Willison 仿照 SQL 注入，提議稱之為「提示注入」。
- 2022 年 11 月由模型來寫提示。「自動提示工程師」：模型寫的指示，在 24 項任務中有 19 項追平或勝過人寫的。
- 2023 年 2 月間接提示注入：把指示埋進應用程式會讀取的資料裡。有效的防禦「目前仍付之闕如」。
- 2023 年 3 月 13 日成了一份工作。有報導指出提示工程師職缺年薪最高達 335,000 美元。一位微軟研究員則說，他傾向認為這些技巧最後會併入既有的職位。
- 2023 年 5 月思維樹：在推理步驟之間搜尋，可以回頭。在一個謎題上，思維鏈解出 4%，思維樹解出 74%。
- 2023 年 10 月光是格式：最多 76 個百分點。而且不會因為模型更大、範例更多或做了指令微調而消失。
- 2023 年「prompt」入圍牛津年度詞彙決選；在 2022 年以前，它的 AI 意義在牛津語料庫中「很少被使用」。
- 2024 年 2–3 月訃聞。在三個模型上，自動最佳化工具被證明是調校系統訊息最有效的方法；IEEE Spectrum 以〈AI 提示工程已死〉為題報導。
- 2024 年 6 月《提示報告》整理出 58 種文字提示技巧；其個案研究中，自動最佳化勝過花 20 小時手工打造的提示，作者結論是兩者結合最好。
- 2024 年 12 月 19 日Anthropic：工具定義應得到「與提示同樣多的提示工程心力」——它花在工具上的時間比花在提示上還多。
- 2025 年 4 月這份工作淡出。微軟的前十大新 AI 職位沒有它；轉述《華爾街日報》的報導引用微軟 Jared Spataro 的話，說當年的熱門工作預測「完全不是這樣」。
- 2025 年 9 月 29 日Anthropic 稱情境工程是提示工程的「自然延伸」——之後的名詞，見本系列接下來的四篇。
- 2025 年 11 月 10 日Anthropic 發表提示最佳做法文章。其後修訂的版本寫道：「提示正與情境工程匯流」——「少一點鷹架，多一點篩選」。
- 2026 年 6 月 3 日OpenAI 開始淡化可重複使用的提示物件：提示應放在應用程式碼中、配上測試，就像其他程式碼一樣。
- 2026 年 9 月 17 日Google 的 Gemini 提示指南最後一次更新。它仍然建議一律附上範例，並指出提示內容的順序可能改變回答。
- 2026 年 11 月 30 日預定：OpenAI 的儲存式提示端點關閉。
論點
它死了嗎？ 訃聞談的是一份工作，指南談的是一門功夫。兩者就各自的主題而言都沒錯。
主張它已死的一方，有具名的人與證據。2024 年 3 月，IEEE Spectrum 的 Dina Genkina 報導了 VMware 的一項研究：幾乎在每一種情況下，自動產生的提示都勝過反覆試錯找到的最佳提示；勝出的提示是一段星艦艦長的命令，研究者 Rick Battle 的結論依該文轉述是：人類再也不該手動調校提示。三個月後，《提示報告》的個案研究更謹慎地得出同樣的結論：在保留的測試資料上，最佳化工具產生的提示，表現勝過一個人花 47 個步驟、約 20 小時打造的提示。到了 2025 年 4 月，微軟對 31,000 名工作者的調查中，企業最考慮新增的十種 AI 職位裡沒有提示工程師；而據《Entrepreneur》轉述，《華爾街日報》引述微軟 Jared Spataro 的話：模型如今更能「察覺情境」，所以「完美的提示」沒那麼重要了。反對的一方則指出：這些都與這門功夫本身無關。同一篇 IEEE 文章引述 Red Hat 的 Tim Cramer：「提示工程師還會存在相當長的一段時間」；《提示報告》的作者也在研究最後總結，自動化加上人工修訂「是最成功的做法」。2023 年 3 月、這份工作剛出現時，微軟研究院的 James McCaffrey 就說，他傾向認為這些技巧會成為既有職位工具箱的一部分，而不是自成一份工作。這與微軟自己 2025 年的報告相去不遠：每位員工都需要學會「帶著情境與意圖下提示」。而廠商的指南，也就是寫成文字的這門功夫，到 2026 年 9 月仍在更新。
- 47 → 16一個人打造提示所花的步驟，對比最佳化工具的迭代次數——後者在保留資料上勝出（2024 年）
- ~3,0002025 年 4 月 Indeed 上標題或說明含「提示工程師」的職缺數；Indeed 形容它持平不動
- 3指南經全文閱讀的廠商數，三份在 2026 年都仍現行
補充
各項技巧，回到各自的論文 每一項增加了什麼，用提出者自己的說法與數字。
| 技巧 | 提出 | 顯示了什麼 |
|---|---|---|
| 零樣本 | Radford 等，2019 年 | 單靠指示就能指定任務；在文章後面寫「TL;DR:」就會產生摘要。 |
| 少樣本 | Brown 等，2020 年 5 月 | 把範例放進提示，不必重新訓練；「有時甚至能與先前最佳的微調方法相抗衡」。 |
| 措辭勝過範例 | Reynolds 與 McDonell，2021 年 2 月 | 「零樣本提示可以明顯勝過少樣本提示」——依作者自述，只在一項示範任務上驗證。 |
| 校準 | Zhao 等，2021 年 2 月 | 修正模型偏向某些答案的傾向，平均準確率最多提高 30.0 個百分點。 |
| 思維鏈 | Wei 等，2022 年 1 月 | 展示推理過程的範例；在 GSM8K 上達到最佳水準，「甚至超越經微調並配有驗證器的 GPT-3」。 |
| 自我一致性 | Wang 等，2022 年 3 月 | 取樣多條推理路徑，保留最一致的答案：GSM8K +17.9%。 |
| 零樣本思維鏈 | Kojima 等，2022 年 5 月 | 一句話、不給範例：MultiArith 17.7% → 78.7%，GSM8K 10.4% → 40.7%。 |
| 自動提示工程 | Zhou 等，2022 年 11 月 | 由模型提出並挑選指示；在 24 項任務中有 19 項追平或勝過人寫的。 |
| 思維樹 | Yao 等，2023 年 5 月 | 在推理步驟間搜尋並可回頭：GPT-4 解「24 點」遊戲從 4% → 74%。 |
廠商現在要人怎麼做 三份指南全文閱畢。它們一致的地方，以及一家廠商自相矛盾之處。
| 建議 | 誰說的、怎麼說 |
|---|---|
| 清楚明白，並說明原因 | Anthropic：把模型當成「聰明但新來、缺乏背景的員工」，並說明規則背後的理由。OpenAI：GPT 模型像需要明確指示的「資淺同事」，推理模型則像可以只給目標的「資深同事」。 |
| 給範例 | Anthropic：「附上 3–5 個範例效果最好。」Google：「一律附上少樣本範例」，格式要一致。OpenAI：輸入要多樣，並附上期望的輸出。 |
| 給結構 | 三家都建議：用 XML 標籤或 Markdown 區隔指示、情境與範例。Anthropic 與 OpenAI 都把長資料放在固定位置——Anthropic 放最前、問題放最後；OpenAI 則把會變動的情境放在接近結尾處。 |
| 讓模型自己推理 | Anthropic：延伸或自適應思考「通常比手動思維鏈提示更好」；在它最新的模型上，思考一律開啟。Google：要求 Gemini 2.5 或 3 列出推理步驟「通常沒有必要」。 |
| 像程式碼一樣測試 | OpenAI：固定模型快照、建立評測，把提示放進應用程式碼並配上測試資料與測試。Anthropic：在某個模型上量到有效的技巧，套用到另一個模型之前，應先「用你自己的評測」重新檢驗。 |
| 工具也要寫好提示 | Anthropic，2024 年 12 月：它的寫程式代理在相對路徑上出錯，於是把工具改成必須使用絕對路徑，之後模型用得「毫無差錯」——而且花在工具上的時間比花在提示上還多。 |
| 預填：同一家廠商，兩種說法 | Anthropic 的部落格仍在教人替模型起頭回答。Anthropic 的官方文件則說，從 Claude 4.6 模型起，預填最後一輪會回傳錯誤，並改指向結構化輸出。 |
兩件沒有消失的事 讓這門功夫成為必要的敏感度，以及它讓攻擊成為可能的漏洞。
這些量測集中在 2021 到 2023 年，方向一致。Tony Zhao 等人發現，格式、範例的選擇與順序，可以讓 GPT-3 從接近亂猜變成接近最佳水準。Yao Lu 的團隊發現光是順序就夠了，各種規模的模型都一樣，而且對某個模型好的順序，換到另一個模型並不管用；《提示報告》後來整理指出，在某些任務上，順序可讓準確率從不到 50% 變到超過 90%。Melanie Sclar 的團隊接著固定內容、只改格式：差距最多 76 個百分點，加大模型、增加範例、做指令微調都依然存在，而且不同模型之間只有微弱相關——他們指出，這讓用單一固定格式比較模型變得可疑。之後沒有找到更新的量測。現行的是建議：Google 在 2026 年 9 月更新的指南，仍建議使用者試著調換提示內容的順序；Anthropic 也仍表示，問題放在哪裡會影響回答品質。第二件事是安全。2022 年 9 月，Simon Willison 看到 GPT-3 會聽從叫它忽略指示的文字後，將之命名為「提示注入」，並比作 SQL 注入——後者的解法是把程式碼與資料分開。2023 年 2 月，Kai Greshake 等人展示了間接形式：把指示藏在應用程式會讀取的網頁或電子郵件裡；他們寫道，這類應用程式「模糊了資料與指示的界線」，有效的防禦「目前仍付之闕如」。提示同時是程式也是輸入，這正是它強大之處，也正是它可被攻擊之處。
- <50% → 90%+在某些任務上，只把同樣的範例換個順序造成的準確率變化（2021 年）
- 76僅格式造成的準確率差距（百分點），加大規模與指令微調後依然存在（2023 年）
- 2022「提示注入」得名的年份，仿照 SQL 注入
結論
該帶走什麼 三件事，最後一件要保留懷疑。
一份工作淡出了，這門功夫被寫成了文件
說提示工程已死的證據，都是關於招聘的：職缺、一份沒列入這個職位的調查、一位主管的話。說它還活著的證據，是 Anthropic、OpenAI 與 Google 在 2026 年仍現行的提示指南。請把「提示工程已死」當成一句關於職稱的話來讀。
技巧搬家了，寫作沒有
「讓我們一步一步想」如今是一個思考設定，預填正讓位給結構化輸出，尋找最佳措辭也越來越交給最佳化工具。2026 年的指南仍要求人做的，是清楚說出要什麼、給範例、把輸入結構化、測試結果——而範例、順序與格式，正是 2021 至 2023 年的研究發現模型會敏感的地方。這個歸納是本站綜觀各份指南的解讀，沒有一份指南這樣寫。
對敏感度的大小，保留懷疑
76 個百分點與順序效應，都是在 2021 至 2023 年的模型上量到的；沒有找到在 2025–26 年模型上的量測。廠商現行的建議仍把順序、範例與格式視為有影響，但建議不是量測，這個效應在當今模型上有多大，從這裡的資料無從得知。
無法查證的部分
傳言——在微軟 2025 年的調查中，提示工程師在企業考慮新增的職位裡排名倒數第二。這個排名據稱出自《華爾街日報》的報導；微軟公開的報告只列出前十名，而這個職位不在其中。
核心要點與來源
- McCann 等，arXiv（2018 年 6 月 20 日）
- Radford 等，OpenAI（2019 年）
- Brown 等，arXiv（2020 年 5 月 28 日）
- Reynolds 與 McDonell，arXiv（2021 年 2 月 15 日）
- Zhao 等，arXiv（2021 年 2 月 19 日）
- Lu 等，arXiv（2021 年 4 月 18 日）
- Liu 等，arXiv（2021 年 7 月 28 日）
- Wei 等，arXiv（2022 年 1 月 28 日）
- Wang 等，arXiv（2022 年 3 月 21 日）
- Kojima 等，arXiv（2022 年 5 月 24 日）
- Simon Willison（2022 年 9 月 12 日）
- Zhou 等，arXiv（2022 年 11 月 3 日）
- Greshake 等，arXiv（2023 年 2 月 23 日）
- David Ramel，《Virtualization Review》（2023 年 3 月 13 日）
- Yao 等，arXiv（2023 年 5 月 17 日）
- Sclar 等，arXiv（2023 年 10 月 17 日）
- Battle 與 Gollapudi，arXiv（2024 年 2 月 9 日）
- Dina Genkina，《IEEE Spectrum》（2024 年 3 月 6 日）
- Schulhoff 等，〈The Prompt Report〉，arXiv（2024 年 6 月 6 日）
- Erik S. 與 Barry Zhang，Anthropic（2024 年 12 月 19 日）
- 微軟《工作趨勢指數》（2025 年 4 月 23 日）
- Erin Davis，《Entrepreneur》（2025 年 4 月 29 日）
- Rajasekaran、Dixon、Ryan 與 Hadfield，Anthropic（2025 年 9 月 29 日）
- Anthropic，Claude 部落格（2025 年 11 月 10 日，其後修訂）
- Anthropic，〈Prompting best practices〉
- OpenAI，提示工程指南
- Google，Gemini API 提示設計策略（2026 年 9 月 17 日更新）
- Oxford Languages，2023 年度詞彙
- 維基百科〈Prompt engineering〉，引用其所引的《牛津英語詞典》。皆於 2026 年 9 月 28 日閱讀。這個名詞是常設主題 LLM 工程所涵蓋的五個之一，該主題將它與其他四個並列。