世界上第一个”提示词工程师”亲手宣布提示词工程已死——然后说他也不知道该学什么了

世界上第一个”提示词工程师”亲手宣布提示词工程已死——然后说他也不知道该学什么了

2026年10月22日，安全研究员 Justin Elze 在 X 上发了一条帖子。

正文只有一句：You’re all prompting wrong. 你们提示的方式全都错了。

配图是两张 LinkedIn 截图。

第二天，Riley Goodside 转发了这个帖子。附言三个英文短句，加起来 10 个词：

> Prompt engineering is dead. Prompt however you want. Have fun. > > 提示工程已死。想怎么问就怎么问。玩得开心。

如果这话是哪个自媒体博主说的，你可以当它是流量号起标题。

但说这话的人，是这个星球上第一个被公司正式聘用的”提示词工程师”——Riley Goodside，前 Scale AI 首席提示词工程师，后加入 Google DeepMind。Scale AI 的 CEO Alexandr Wang 当年亲自站台说他”打赌 Goodside 是全球第一个被正式雇用的提示词工程师”。

祖师爷本人，给自己这辈子最有名的作品，写了一篇 10 个单词的悼词。

我花了一整个晚上读完了整件事的来龙去脉。以下是我认为真正值得你花时间的东西。

那个”死因”事件：一句话发现一个 CVE

事情是怎么触发的？

一个叫 Dan Lorenc 的开发者做了件很简单的事。他把一个开源项目源代码放进沙箱，配上自动运行脚本和执行引擎，然后用了一句特别简单的提示词——”找找漏洞”。

模型查出漏洞，中了 CVE。

提示词本身的功力是零。”找找漏洞”三个字，谁都会说。让这件事成立的，是那个提示词背后的一套完整系统：沙箱环境、目标源码、执行引擎、自动检查。

Justin Elze 发帖配的关键标语就落在了这个点上：”You’re all prompting wrong”——你们以为自己在练的是”话术”，实际上起作用的是”系统”。

Dan Lorenc 那条帖子的评论区里，有人问：你究竟用了什么特别厉害的提示词？Lorenc 的回答——如果作为前者，这个回答已经成了行业笑话：

> 我知道我说出来的答案可能会让不少人失望：提示词就是 ‘find some vulnerabilities’（找找漏洞）。

这就是整件事的转折点：当一个写提示词的人用了”你知道我说出来的可能会让不少人失望”来做前置修饰，说明整个行业的叙事已经走到了反噬的时刻。

提示词工程”已死”的真实含义，不是提示不重要了，而是提示词本身的价值，已经被系统性地压缩到了可以忽略不计的程度。

从 Prompt 到 Loop：四条逐渐变厚的路

Goodside 的宣言之所以有分量，不仅因为是他说的，还因为这些年行业里的演化已经为这条结论铺好了路。

Prompt Engineering（早期）：琢磨怎么把一句话说漂亮。设定角色、规定格式、加”请一步步思考”。

Context Engineering（Karpathy 等）：研究怎么喂对信息。上下文窗口大了，重点从”怎么说”变成了”给什么”。

Harness Engineering（当前）：给模型搭好运行环境和约束。提示词不再是”念咒”，而是沙箱里的一个参数配置。

Loop Engineering（正在萌芽）：让整套系统自己循环跑、自己迭代。人负责设立目标和评判标准，模型在循环里自行推进。

这个发展脉络有一个明显的趋势：功夫离”说话技巧”越来越远，离”系统设计”越来越近。

Dan Lorenc 那句”找找漏洞”能成功，靠的不是语言艺术，是语言背后那套包含了沙箱、目标源码、执行引擎和自动化验证的完整系统。

模型出力的地方是能力，人出力的地方是设计。

祖师爷最诚实的回答：我也不知道现在该学什么了

整件事里我最喜欢的部分，是有人问 Goodside 最后一个问题。

“那现在该把精力花在什么技能上？”

他非常诚实地回答：”老实说，我完全不知道现在什么技能值得培养，一切变得太快了。”

注意，他没有说”要学系统设计”、”要学架构思维”、”要学验证能力”。他没有给任何积极正面的建议。他只是承认，自己对未来也没有答案。

我的解读是，他在诚实面对一个全行业都在经历的事实：

当模型的迭代速度超过了人能”学会一个技能”的速度，任何具体的技能培养都是有保质期的。

这不是鸡血的结论——这是这三年所有人的真实感受。你三年前学习了怎么画提示词模板，今天模型已经不需要了。你两年前学会了怎么做 few-shot，今天模型自己就能理解了。你今年花三个月学了个什么模式，下个季度模型一升级，又废了。

捷径是：能不能把问题想清楚？能不能把自己要什么说明白？能不能判断 AI 给出来的结果到底对不对？

这三条，恰好是那个 Goodside 没有说、但所有人都知道的”永远有效的底层能力”——因为不管模型怎么升级，你的需求从哪来、你的验收标准是什么、你怎么判断一个答案靠不靠谱——这些始终是你自己的事。

但我真正想说的是另一件事：提示词工程的”死”与”生”不是同一件事

网上铺天盖地的讨论已经分裂成两个阵营了。

一边说提示词工程本来就是骗局，早该死。一边说不对，系统化的提示技巧依然有效。

我的看法跟两边都不一样。

提示词工程作为一个”独立职业”，确实正在消失。

当一个字段变成整个系统里的一个参数，你就不再需要一个专门的人去调这个参数。就像 1990 年代有专门的”打字员”职业——现在你还会专门雇一个打字员吗？不会了，因为打字是全人类的基本素养，不再是一个专有技能。

但提示词工程作为一项底层能力，会变得更普遍。它融入了”会跟 AI 打交道”这个基本素养之中。

所以”死了”和”活了”其实是同时发生的：职业死了，但技能活了。只是这个”技能”不再是”写咒语”那套，而是”设计约束条件、构建评估标准、搭建反馈回路”。

对于普通开发者，这件事的真实含义

如果你过去三年的主业是”写提示词”，那这条路确实走到了尽头。你需要的是往上走一层，去接触系统设计、评估闭环和问题定义。

如果你只是一个普通工程师，主业不是写提示词，而是用 AI 帮自己干活——那这件事对你的影响小得多。你从一开始就没有把”写提示词”当成核心技能，你只是顺手用一下。模型进步了，你顺手的那一下变得更顺了，仅此而已。

如果你是一个打算入行 AI 的新人，最该看清的是这条趋势：

> 提示词的价值正在归零，系统设计的价值正在提升；但对”你想干什么、怎么才算成功”的判断力，是唯一能穿越周期的东西。

Goodside 说”我不知道现在该学什么”的那一刻，是我今年在 AI 行业里看到的最诚实的瞬间。

不是因为答案是对的——是因为他承认了这个问题没有标准答案。

而那个问题，也是所有人正在面对的问题。

—

*来源：新智元 / 新浪财经综合报道* *Riley Goodside：前 Scale AI 首席提示词工程师、Google DeepMind 成员，被业内广泛认为是第一位正式被聘用的提示词工程师* *Justin Elze / Dan Lorenc 事件：2026年10月22日 X 平台，Dan Lorenc 使用简单提示词配合完整工程系统发现 CVE* *发展脉络：Prompt Engineering → Context Engineering (Karpathy) → Harness Engineering → Loop Engineering*