深夜三點,一位開發者與ChatGPT苦戰數小時,只為生成一封「像人寫的」銷售郵件。連試147次,結果仍是充滿模板味的官方語氣。崩潰之際,他忍不住在對話框輸入一句:「你就不能問問我需要什麼嗎?」沒想到這句吐槽,竟意外啟發了全新的AI互動模式。
72小時後,他開發出一套名為「Lyra」的元提示(meta-prompt)系統,讓ChatGPT在執行任務前會主動提問、索取細節,再根據用戶回答生成結果。這一改變,使AI不再只是被動執行命令,而能像真人對話般理解需求。Lyra示範中,當使用者請AI「寫一封銷售郵件」時,ChatGPT會反問產品特點、客群與痛點,最終產出貼合實際的文案。這則創意在Reddit迅速走紅,獲近萬名網友按讚。有人稱讚這是「Prompt革命的開始」,也有人調侃:「試147次不如自己寫封郵件快。」
然而,這場看似荒謬的實驗,其實揭示了AI應用的一個轉折:Prompt工程(Prompt Engineering)正逐步演化為「Context Engineering」——從寫指令,轉向設計整個對話環境。
所謂Context Engineering,是一種為AI建立完整上下文與背景結構的設計方法,包括記憶系統、工具調用、資料檢索與角色設定等。它讓模型在接收Prompt前,能理解歷史對話、用戶偏好與任務目標,確保生成結果更準確、更貼近人性。就像工程師設計「打火機」,而非僅按下「打火鍵」,確保AI每次輸出都能精準點燃靈感。
中科院近期論文指出,Context Engineering正成為AI代理(AI Agent)設計的核心實踐,能大幅提升模型的可靠性與持續學習能力。相較於人工撰寫冗長提示詞,結構化上下文能減少錯誤與重複輸入,也使AI具備追蹤、版本控制與模組化管理的能力。
以Lyra的郵件案例為例,如果AI掌握使用者的語氣偏好、過往郵件風格與對象屬性,即便Prompt極簡,也能生成自然、準確的內容。這種由「上下文驅動」的互動方式,被視為未來AI寫作與協作的關鍵方向。
此外,Reddit社群「ChatGPTPromptGenius」近期提出的「Synergy Prompt」理念,也延續了這一思路,將Prompt拆解為三個層級:元框架(Metaframe)、具體資訊模組(Frames)與對話地圖(Chatmap),藉此讓AI掌握更完整的語境圖譜,實現主動、靈活的知識調用。
從「被罵147次」到誕生創新,這位開發者的經歷成了AI社群的縮影。它提醒人們:當AI學會「提問」,人機協作也邁向了更高層次。未來的Prompt,不再只是輸入文字指令,而是設計一場「對話的工程」——讓AI理解我們的世界,而不僅僅是回答問題。


