Prompt工程

好的prompt是"让概率分布更偏向你想要的方向"，模型没理解你，是你通过prompt把概率分布校准到"它的输出刚好覆盖你的需求"的位置。

起点：你看到抖音有人做提示词合集被大佬点赞，你不理解为什么这个东西值得关注。

第一个转折：你意识到prompt不只是"用户打的字"——AGENTS.md、system prompt、工具描述、规则，所有塞进模型上下文窗口的自然语言都是prompt。范围比你之前以为的大得多。

第二个转折：你把旧知识（LLM是概率统计模仿者，不是逻辑推理者）跟新问题（怎么写好prompt）接到了一起。发现了——prompt的目标不是"让模型理解我"，是"让概率分布偏向我要的方向"。

落点：所以写好prompt确实重要，但不是因为有什么神秘咒语，而是因为它本质上是在统计学层面校准模型的行为方向。一套好的工具描述、分层规则、system prompt，是工程层面的杠杆——在概率分布出发时就往对的方向偏，后续的防御代码和错误处理才有意义。整块描述就是给模型看的工具说明书。这句话让我突然明白一件事，连接了LLM的agent其实自然语言不仅需要让我们看的懂，也要让LLM看的懂，编程语言与自然语言的转化这块以前是人和机器，人做翻译，现在是SDK做翻译，然后机器还要让LLM用自然语言的方式看懂需要做什么 这就是为什么tutorials里反复强调工具描述要写好。不是写给人看的文档，是写给LLM看的提示——写错了LLM就不调或者乱调。