Prompt 即新的 CSS：AI 行為調控的級聯挑戰與盲測難題

• 本文將 Prompt 比擬為 AI 時代的 CSS，指出兩者在宣告式、級聯與覆寫機制上的驚人相似之處。 • 然而，與 CSS 擁有確定算法及開發工具不同，Prompt 的生效本質是機率性的，且缺乏視覺化工具來調試生效規則，只能依賴行為觀察。 • 作者深入剖析 Prompt 的四個層級：模型預設行為、System Prompt、Tool Description 及當前 User Message，解釋這些層級間的優先級與注意力競爭。 • 提出 指令稀釋 的概念，警告過多或過度強調的規則，會導致模型注意力預算被分散，降低個別指令的執行率。 • 為提升 Prompt 效果，文章建議採用 結構化寫法，例如使用 XML 標籤、分節命名、提供正反例以及撰寫 防禦性規則，以幫助模型更好地理解意圖。 • 透過 tiny-agent v0.4 的實際案例，展示了僅透過更改 System Prompt，模型行為便能產生顯著差異，強調了對 Prompt 進行 A/B 測試 的必要性。 • > 「CSS 級聯有確定算法，prompt 只有概率傾向」，提醒讀者理解 Prompt 互動機制的複雜性與不確定性，並需以管理程式碼庫的心態對待它。