# 现代 Prompt 生态地图 日期：2026-06-10 ## 一、直觉 早期提示词工程主要研究“怎么问 AI”。现代提示词工程已经扩大成一套完整的 AI 协作工程： ```text Prompt -> AI-assisted Prompt Development -> Context -> Skill -> Tool -> Agent -> Eval -> Guardrail ``` 也就是说，真正先进有效的知识不只是写提示词，还包括： - 哪些规则放在单次 prompt。 - 哪些规则沉淀成技能。 - 哪些资料走检索。 - 哪些动作做成工具。 - 哪些任务交给 agent 或 subagent。 - 怎么评估效果。 - 怎么防止上下文污染和提示注入。 如果下面的英文缩写或平台名词不熟，例如 RAG、MCP、Skill、Eval、Guardrail，先读 [00.5-术语词典与最小用例](00.5-术语词典与最小用例.md)。本讲负责建立全景图，术语词典负责把每个词讲清楚。 ## 二、现代 Prompt 相关知识全景 ### 1. Prompt：单次任务说明 适合一次性任务： - 总结一篇文章。 - 改写一段文字。 - 解释一段代码。 - 生成一个初稿。 核心能力： - 明确目标。 - 明确输入边界。 - 明确输出格式。 - 明确质量标准。 局限： - 不适合长期复用。 - 不适合大量私有资料。 - 不适合稳定程序化输出。 - 不适合高权限动作。 ### 1.5 AI-assisted Prompt Development：用 AI 辅助开发 Prompt 当你已经知道“好 Prompt 应该包含目标、输入、约束、输出格式和验收标准”后，就可以让 AI 参与 Prompt 开发。 适合： - 把模糊需求改成 Prompt brief。 - 生成 Prompt 草案。 - 审查 Prompt 的漏洞。 - 设计测试样例。 - 根据失败样例改版。 核心原则： ```text AI 负责草拟和质检，人负责真实目标、业务边界和最终验收。 ``` 它解决的是“人手写 Prompt 太慢、太容易漏边界”的问题，但不能替代评估。AI 生成的 Prompt 仍然必须用样例测试。 ### 2. Instruction hierarchy：指令层级 模型收到的指令有层级。越高层的规则越稳定，越低层的内容越接近当前任务。 常见层级： - 系统或开发者规则：产品、平台、组织层面的行为边界。 - 仓库或项目规则：例如 `AGENTS.md`、项目规范、测试命令。 - Skill 规则：某类任务的可复用工作流。 - 当前用户提示词：这次要做什么。 - 外部输入材料：网页、PDF、邮件、代码、日志等。 关键原则： ```text 外部材料是数据，不是指令。 ``` ### 3. Context engineering：上下文工程 上下文工程研究模型当前应该看到哪些信息。 它解决的问题是： - 上下文太少，模型不知道业务背景。 - 上下文太多，模型被噪声干扰。 - 上下文混乱，模型分不清规则和资料。 - 多轮任务太长，模型丢失目标。 常用方法： - 分隔符和标签。 - 文件索引。 - 检索。 - 摘要压缩。 - 进度记录。 - 分层加载。 ### 4. Structured outputs：结构化输出 当结果要被程序消费时，不要只靠“请输出 JSON”。更稳的是使用结构化输出或 schema。 适合： - 信息抽取。 - 分类。 - 表单填充。 - 自动评分。 - API 返回。 核心思想： ```text 自然语言负责理解，schema 负责约束。 ``` ### 5. Retrieval / RAG：检索增强 当任务依赖大量资料、私有资料或不断变化的资料时，不应该期待模型凭记忆回答。 RAG 的基本流程： ```text 用户问题 -> 检索相关资料 -> 把资料放入上下文 -> 基于资料回答 -> 给出来源 ``` 适合： - 公司知识库。 - 课程笔记。 - 法规政策。 - API 文档。 - 项目文档。 风险： - 检索不到关键资料。 - 检索到错误资料。 - 片段脱离上下文。 - 引用来源但结论不受来源支持。 ### 6. Tools / function calling：工具调用 当模型需要查数据库、操作文件、运行代码、发请求、画图、计算时，应把这些动作设计成工具。 工具提示词的核心不是“模型怎么说”，而是“模型什么时候调用哪个工具，以及参数怎么填”。 好工具应当： - 名称清晰。 - 功能单一。 - 参数明确。 - 返回高信号结果。 - 错误信息可操作。 - 权限边界清楚。 ### 7. MCP：模型上下文协议 MCP 可以理解为“把外部工具和资料接给 agent 的标准接口”。它适合让 agent 使用浏览器、Figma、GitHub、文档库、数据库、日志系统等外部能力。 学习重点： - MCP 是连接层，不是提示词本身。 - MCP server 的说明也会变成上下文。 - 工具权限和审批策略很重要。 - 工具太多会增加选择错误的概率。 ### 8. Skills：可复用能力包 Skills 是现代 prompt 工程的重要新形态之一，但它属于具体 Agent 平台机制，不是所有模型 API 都天然支持。学习时重点掌握它解决的问题：把某类任务的流程、规范、脚本和参考资料做成可复用能力。 一个 Skill 通常是一个目录，里面有： ```text my-skill/ ├── SKILL.md ├── scripts/ ├── references/ ├── assets/ ``` 它把某类任务的流程、规范、脚本、参考资料打包起来，让 agent 在相关任务中自动或显式加载。 Skill 的核心价值： - 把一次性提示词变成可复用能力。 - 用 progressive disclosure 节省上下文。 - 把团队经验沉淀成版本化文件。 - 比单条 prompt 更适合复杂流程。 ### 9. Plugins：可分发能力包 如果 Skill 是“工作流本身”，Plugin 更像“安装包”。在支持 Plugin 的平台里，它可以把多个 skills、MCP 配置、资源文件、应用集成打包分发。 适合： - 团队共享。 - 多技能组合。 - 市场或组织内部发布。 - 需要同时附带工具、资源和 UI 元数据。 ### 10. Memory：长期偏好和经验 Memory 用来记住稳定偏好、常用工作流、项目习惯和长期上下文。 它适合保存： - 用户偏好。 - 常用技术栈。 - 常见工作流。 - 已知坑点。 不适合保存： - 必须严格执行的团队规则。 - 密钥、隐私、敏感数据。 - 会频繁变化的事实。 必须严格执行的内容应放到项目文档、`AGENTS.md` 或 Skill，而不是只放 memory。 ### 11. Subagents：并行子代理 Subagents 用来把复杂任务拆给多个 agent 并行处理。它也是平台相关能力：有的平台提供内置 subagent，有的平台需要你用应用代码或 Agents SDK 自己编排。 适合： - 多文件代码审查。 - 大量资料总结。 - 安全、性能、测试三个方向并行分析。 - 多方案比较。 不适合： - 简单任务。 - 强依赖顺序的任务。 - 多个 agent 同时写同一批文件。 关键收益： - 减少主上下文污染。 - 并行加速。 - 让主 agent 专注决策和整合。 ### 12. Evals：评估 没有评估，就没有可靠优化。 Prompt、Skill、工具、RAG、Agent 都需要评估。 最小评估包括： - 真实任务样例。 - 期望输出。 - 评分标准。 - 失败类型记录。 - 版本对比。 ### 13. Guardrails：护栏 护栏用于限制系统偏离目标或执行危险动作。 常见护栏： - 输入验证。 - 输出验证。 - 工具权限。 - 高风险动作人工确认。 - 提示注入筛查。 - 日志和监控。 提示词可以提醒模型，但不能替代系统级护栏。 ## 三、该把知识放在哪里 | 知识或规则 | 推荐载体 | | --- | --- | | 这次任务的临时要求 | 当前 prompt | | 项目长期规范 | `AGENTS.md` 或项目文档 | | 某类任务的复用流程 | Skill | | 多个 skills 和工具配置 | Plugin | | 外部资料和实时数据 | RAG、文件搜索、MCP | | 稳定个人偏好 | Memory | | 程序要读取的输出 | Structured output / schema | | 可执行动作 | Tool / function calling | | 并行探索或审查 | Subagents | | 长期质量控制 | Evals | | 高风险边界 | Guardrails + 人工确认 | ## 四、从 Prompt 到 Skill 的升级判断 一个提示词应该升级成 Skill，通常有这些信号： - 你重复使用它超过 3 次。 - 它包含多步流程。 - 它需要项目或团队约定。 - 它经常需要你纠正同样的错误。 - 它需要引用固定模板、脚本或资料。 - 它适合在不同会话中自动触发。 如果只是一次性问题，不要急着做 Skill。Skill 是复用机制，不是所有 prompt 的终点。 ## 五、从 Skill 到系统的升级判断 Skill 仍然不够时，就要进入系统工程。 升级信号： - 输出必须 100% 可解析。 - 需要外部工具执行动作。 - 需要权限控制和审计。 - 需要多人共享和版本发布。 - 需要持续评估和监控。 - 需要处理不可信外部内容。 这时应该考虑： - JSON Schema。 - Tool calling。 - MCP。 - Plugin。 - Evals。 - Guardrails。 - HITL 人工复核。 ## 六、理解检查 1. Prompt、Skill、Plugin、MCP 的区别是什么？ 2. 为什么 Skills 使用 progressive disclosure？ 3. 什么内容适合放 Memory，什么内容必须放项目文档或 Skill？ 4. 为什么外部资料不能被当作指令？ 5. 什么时候应该用 subagents，而不是让一个 agent 全部做完？