提示工程被高估了：AI實務中，真正的關鍵是「上下文架構」

作者在一個 Claude 專案中，花費一週時間調整提示詞，卻僅獲得約 10% 的效能提升。 他嘗試了十四次重寫提示詞，並加入了 XML 標籤、角色設定、範例與九步驟指令鏈等提示工程技巧，但效果很快便停滯不前。 最終，真正有效的方法是，在模型處理提示詞之前，將品牌語氣文件、前一週已批准的貼文以及客戶檔案 (ICP) 載入模型的上下文環境中。 此方法讓實際的提示詞縮短至僅需四行，並有效解決了問題。

作者斷言，提示工程在實際工作中被過度評價，而建立良好的上下文架構才是真正能推動專案進展的關鍵槓桿。 他質疑，是否有其他人僅靠提示詞調整就獲得巨大成效，抑或同行們已默默將工作重心轉移到更上游的系統設計。 • 這項發現意味著，要真正從業務中解放，需要的不是更好的提示詞，而是背後的系統與框架。 • 作者定期分享用於將 AI 整合到企業中使其獨立運作的框架。