提示词的尽头，是把问题说清楚

对于现在的顶级模型 Fable、Astra 来说，提示词还重要么？

很多人都在问这个问题。

我的答案是：重要。但真正值得花精力的，未必是那些让模型“表现得更聪明”的措辞，而是一个更基础的问题：

我们以为自己提出了要求，但我们真的说清楚了吗？

“帮我写一篇更好的文章。”

“把这个页面做得漂亮一点。”

“给我一个最佳方案。”

这些话都很自然。可仔细想想，“更好”是怎样的好？“漂亮”是谁眼中的漂亮？“最佳”又是在什么条件下最佳？

借用维特根斯坦的思想，我更愿意把提示词理解成一种澄清活动：不是用语言给模型增加魔法，而是发现语言替我们遮住了哪些尚未作出的选择。

一、语言的一个“bug”：句子已经完整，需求却没有完整

我说的“bug”，不是维特根斯坦的原话，而是一个关于沟通的比喻：

语言可以把一个尚未定义清楚的愿望，包装成一条看似完整的指令。

比如：

帮我写一篇高级、深刻、漂亮的文章。

这句话语法没有问题，但任务还悬在半空。

“深刻”，是要解释背后的机制，还是讨论不同立场？“高级”，是语言克制，还是知识密集？“漂亮”，是节奏流畅，还是句句适合截图传播？

假设文章面向第一次接触 AI 的读者，通俗可能比概念密度更重要。假设面向研究者，术语的准确性又可能比阅读的轻松感更重要。

同一个“更好”，可以指向不同的修改方向。

知识猫掀开要求单，露出还没有交代的读者、目的和限制。

在《逻辑哲学论》中，维特根斯坦把哲学的工作理解为对思想的逻辑澄清。借用这个视角，打磨提示词不只是修改措辞，也是在检查自己的思想：哪些已经明确，哪些还只是一个感觉。

所以，有时我们不必急着给提示词增加一句“你是世界顶级专家”。

先补上“写给谁看”，可能更有用。

把愿望说得更强烈，不等于把任务说得更清楚。

二、但“说清楚”也有边界：美不是一个等待填进去的数字

这里又有一个容易走向的极端：

既然“漂亮”太模糊，那是不是把它拆成二十条指标，就能彻底说明白？

我不认为如此。

《逻辑哲学论》将伦理与美学联系起来，也讨论了那些不能用事实命题说尽、却会显示自身的东西。这里涉及的是语言与价值的哲学边界，不是一个关于 AI 能力的技术定理。

把这个边界意识带到创作里，我得到的提醒是：

我们可以描述作品的特征，却不能假定特征清单已经穷尽了作品为什么动人。

短句，不一定有力量。

留白，不一定高级。

符合全部格式要求的文章，也可能读起来毫无生气。

因此，面对难以说尽的偏好，我更愿意给出参照，而不是不断追加形容词：

我喜欢这篇文章开头的直接，但不喜欢它结尾的说教感。请保留前者，避免后者。

或者：

这两个版本里，我更喜欢第二个。不是因为它更短，而是因为它先讲具体经历，再提出观点。

知识猫从样稿里挑出具体部分，让喜欢与不喜欢都有参照。

这里并没有给“美”找到一个终极定义，但双方已经有了可以讨论的对象。

示例的作用，也不一定是“教模型怎么思考”，而可以是告诉它：我说的那个感觉，大致在这里。

说不尽，不等于不能沟通；不能完全量化，也不等于不能比较。

三、图灵机不是“真假判断机”，主观任务也不是计算禁区

谈到这里，很容易出现一条看似顺畅的推论：

AI 运行在计算机上，计算可以用图灵机的框架来理解，而图灵机只能处理真假，所以“美”“更好”这些没有标准答案的要求，对 AI 没有意义。

但这条推论不成立。

图灵机刻画的是按规则进行计算的过程，并不只输出“真”或“假”。在图灵关于可计算性的研究中，机器就可以按照规则写出数字序列。

把一组数字排序，输出的是一个序列，不是一个真假判断。

反过来，一些有明确是非答案的问题，也不存在适用于所有情形的通用判定算法。

“有真值”不等于“可判定”，“没有唯一标准答案”也不等于“不能进行计算处理”。

知识猫按规则推进纸带，计算的输出也可以是一串符号。

因此，不能从“AI 是计算系统”直接推导出“AI 无法参与审美或主观评价”。

更值得追问的是：

它依据什么理解这次任务里的“好”？这个依据，和我的偏好一致吗？

我们不必先解决“机器是否真正理解美”这个哲学问题，才能讨论一篇文章该怎么修改。

但也不能因为它给出了一个流畅、完整的版本，就默认那个版本符合自己的期待。

能生成一个答案，与这个答案正是我想要的，是两件事。

四、“更好”不是禁词，缺少参照的“更好”才需要澄清

维特根斯坦在《伦理学讲演》中区分过相对意义上的“好”与绝对意义上的“好”。

说一把椅子是“好椅子”，可以是在说它符合某种预先确定的用途或标准。这种“好”并非没有意义；它的意义，恰恰依赖于那个用途。

这对提示词的启发很直接。

我们不一定要删除“更好”，而是要补上它省略的部分：

对谁更好？为了什么更好？与什么相比更好？可以牺牲什么，又不能牺牲什么？

“给我最佳方案”，可能同时包含几个互相拉扯的愿望：成本更低、完成更快、效果更好、风险更小。

倘若这些要求无法兼得，“最佳”就不能替我们决定优先级。

知识猫把优先项放上天平，这次修改的方向才有了依据。

写文章也是一样。

与其反复说：

再高级一点，再深刻一点。

不如指出：

这篇文章面向刚开始使用 AI 的普通读者。我希望他们读完后，能把一句模糊要求改成可执行的任务。请保留一个核心观点，用具体例子解释；不要为了显得深刻而增加术语，也不要把哲学家的比喻写成技术结论。

这段话没有把“优秀”喊得更响，而是明确了几项选择。

当然，这些选择不是放之四海而皆准的写作标准。它们只是让这一次任务中的“好”，有了具体着落。

如果前面的对话已经明确了这些标准，一句“再好一点”也可能足够。问题不在于这四个字太短，而在于双方有没有共同的参照。

“更好”需要的，往往不是再加一个“最”，而是补上一个“为了什么”。

五、好的提示词，不一定诞生于对话之前

说到这里，也不必产生另一种焦虑：

是不是我必须先想明白一切，才有资格向 AI 提问？

我的做法恰恰相反。

不知道自己要什么时，就先把“澄清需求”作为任务。讨论几种方向，看两个不同的草稿，再指出哪些部分接近自己的想法。

甚至可以直接说：

我现在还说不清楚。先给我两个差异明显的版本，让我通过比较确定方向。

有时候，只有看见一个具体版本，我们才发现自己真正想要的是什么。

这不一定是沟通失败，也可以是沟通正在发生。

因此，聊天式使用 AI 与认真设计提示词，并不矛盾。你可以一次把要求说明白，也可以通过多轮对话逐渐形成要求。对于需要重复执行的任务，再把已经确认的目标、材料、边界和检查标准整理下来。

清楚可以是对话的起点，也可以是对话的成果。

知识猫把比较后的反馈送回修改过程，要求也逐渐变清楚。

但也别把所有失败都归咎于表达。

事实是否准确，要核查资料；程序是否可用，要实际测试；创作是否符合预期，要看具体作品并给予反馈。

说清楚了，不等于说对了。需求明确了，也不等于结果正确了。

提示词可以帮助我们定义目标，但不能替代对结果的检验。

所以，我理解的提示词能力，不是把所有感觉强行翻译成指标，也不是相信一句“做到最好”就足以完成交付。

而是：

能说清楚的，说明白；难以说尽的，给参照；存在冲突的，讲取舍；最后，再检验结果。

模型再强，我们也不该把一个尚未讨论的标准，当作双方已经达成的共识。

我们不需要把维特根斯坦变成提示词工程师。他关于语言边界和思想澄清的提醒，已经足够让我们重新审视自己的提问。

提示词的尽头，不是找到一句万能的咒语，而是把问题说清楚——包括说清楚，哪些地方你还没有想清楚。

关于我和猫社

我是知识猫。

在大厂写了 10+ 年代码，现在用 AI 折腾新东西。做图、做视频，分享作品和背后的工作流。也在摸索，怎么把一个人的创作做成生意。

我自己做的反推引擎和几个用着不错的工具推荐，都整理在猫社里。如果你也对这些玩法感兴趣，欢迎来一起交流。

群内主要聊这些内容。

1、AI 工具使用心得

2、AI 图文教程制作经验

3、低成本 AI 视频实战

4、图文视频赛道拆解

5、AI 短剧和视频反推

6、资源链接与项目实操交流

适合愿意行动、愿意交流，想认识同频朋友的人。带着自己的作品、问题和尝试来，一起把想法做出来。