Apa Itu
Istilah · Kejuruteraan LLM · Model bahasa · Penanda aras · AI · PeneranganTratopedia · 15 Ogos 2026
Pertama daripada lima · lapisan paling dalam
Jawatan Itu Mati. Kepekaan Itu Tidak.
Kejuruteraan prompt ialah menulis arahan supaya model melakukan apa yang anda maksudkan. Ia mendapat satu entri kamus, satu jawatan, dan kemudian satu obituari: akhbar industri mengisytiharkan peranan itu lapuk dalam masa dua tahun selepas ia dicipta. Tetapi tiada laporan bahawa ukuran yang menjadikannya satu disiplin pada mulanya telah diperbetulkan. Menyusun semula contoh dalam sesuatu prompt telah menggerakkan ketepatan lebih daripada empat puluh mata. Menukar format sahaja telah menggerakkannya lebih daripada tujuh puluh. Kepekaan itu berterusan dengan model yang lebih besar, lebih banyak contoh dan penalaan arahan. Apa yang berakhir ialah satu profesion, bukan satu fenomena — dan amalan itu bukannya berhenti sebaliknya berpindah, daripada keseluruhan cara anda menggunakan model kepada satu komponen di dalam sesuatu yang lebih besar.
Tiga takrifan, dan satu perkataan yang beralih Ketiga-tiganya bersetuju tentang amalannya. Hanya satu daripadanya menyebutnya satu profesion.
- 40+mata ketepatan yang didapati beralih apabila contoh dalam sesuatu prompt disusun semula
- 76mata ketepatan hanya daripada perubahan format, dalam tetapan few-shot
- 8contoh rantaian pemikiran yang membawa model 540B ke tahap termaju pada GSM8K
- 2tahun dari jawatan itu menjadi yang paling hangat dalam AI hingga akhbar industri menyebutnya lapuk
Oxford English Dictionary · 2025
“…dan disiplin atau profesion yang berkaitan dengan hal ini”
- Selengkapnya: tindakan atau proses merumus dan memperhalus prompt untuk sesuatu program kecerdasan buatan, algoritma dan sebagainya, bagi mengoptimumkan keluarannya atau mencapai hasil yang dikehendaki; disiplin atau profesion yang berkaitan dengan hal ini.
- Klausa terakhir itulah bahagian yang beralih. Pada 2023 “prompt” menjadi naib juara perkataan tahunan Oxford.
Anthropic · Sep 2025
“Kaedah untuk menulis dan menyusun arahan LLM”
- Tiada profesion, tiada disiplin. Hanya penulisannya.
- Catatan yang sama menyebut kejuruteraan konteks sebagai perkembangan semula jadi kejuruteraan prompt — bukan penggantinya.
Wikipedia · ketika dirakam
“Menstrukturkan input bahasa tabii untuk menghasilkan output yang ditentukan”
- Ia meletakkan kejuruteraan konteks di sebelahnya sebagai “bidang berkaitan… yang menumpu kepada konteks bukan prompt dan konteks prompt” — arahan sistem, metadata, alat API, token.
- Dua sumber dari arah bertentangan, satu bentuk: prompt itu kekal, segala yang mengelilinginya mendapat namanya sendiri.
Sekukuh mana setiap bahagian berdiri Empat kertas kerja dibaca di sumbernya. Angka yang dipetik semua orang, tidak.
| Kekukuhan | Apa | Berdasarkan apa |
|---|---|---|
| Dibaca di sumber | Lapan contoh rantaian pemikiran membawa model 540B parameter kepada ketepatan tahap termaju pada GSM8K, malah mengatasi GPT-3 yang ditala halus dengan pengesah | Wei et al., arXiv 2201.11903, dihantar 28 Jan 2022. Abstrak dibaca di sumber |
| Dibaca di sumber | GPT-3: 175 bilion parameter, sepuluh kali ganda mana-mana model bukan jarang sebelumnya; penggunaan few-shot “kadangkala malah mencapai daya saing dengan pendekatan penalaan halus tahap termaju sebelum ini” | Brown et al., arXiv 2005.14165, dihantar 28 Mei 2020. Abstrak dibaca di sumber |
| Dibaca di sumber | Sepuluh tugasan NLP dirangka semula sebagai menjawab soalan atas sesuatu konteks, satu model, tanpa parameter khusus tugasan | McCann et al., arXiv 1806.08730, dihantar 20 Jun 2018. Abstrak dibaca di sumber |
| Dibaca di sumber | Takrifan OED, termasuk “disiplin atau profesion yang berkaitan dengan hal ini” | Dipetik oleh Wikipedia daripada Oxford University Press, 2025. Entri kamus itu sendiri tidak dibuka |
| Melalui Wikipedia | Lebih daripada 40 mata ketepatan daripada menyusun semula contoh; sehingga 76 hanya daripada perubahan format dalam tetapan few-shot | Wikipedia, memetik kajian. Kajian tersebut tidak dibaca di sini — magnitudnya yang digunakan, bukan mana-mana keputusan tunggal |
| Melalui Wikipedia | Kepekaan itu berterusan walaupun dengan model yang lebih besar, lebih banyak contoh few-shot, dan penalaan arahan | Wikipedia. Inilah dakwaan yang menjadi tumpuan seluruh hujah, dan inilah yang dibawa oleh sumber paling lemah di sini |
| Melalui Wikipedia | Pembelajaran dalam konteks ialah sifat emergen daripada skala, dan sementara — tidak seperti latihan atau penalaan halus, ia tidak meninggalkan apa-apa | Wikipedia |
| Tajuk sahaja | Peranan itu diisytiharkan lapuk: AI Prompt Engineering is Dead (Mac 2024); The Hottest AI Job of 2023 Is Already Obsolete (Apr 2025) | IEEE Spectrum dan Wall Street Journal. Hanya tajuk utama dilihat; kedua-dua artikel itu tidak dibaca, dan ia digunakan di sini hanya sebagai bukti bahawa genre itu wujud |
| Bacaan kami | Skop perkataan itu mengecil pada setiap langkah sedangkan fenomenanya tidak | Dihimpun daripada kesemua di atas. Tiada sumber yang dirujuk membentangkan perkembangan ini |
Garis Masa
Apa maksud perkataan itu, setiap kali ia beralih Bukan senarai peristiwa — senarai makna. Setiap tarikh ialah sesuatu penerbitan, bukan perubahan dalam cara orang bertutur.
- Jun 2018Sesuatu prompt ialah soalan yang memilih sesuatu tugasan. decaNLP merangka semula sepuluh tugasan NLP sebagai menjawab soalan atas sesuatu konteks — “Apakah sentimennya?”, “Terjemahkan ini ke bahasa Jerman” — dengan satu model dan tanpa parameter khusus tugasan.
- 2019Prompt menggantikan penalaan halus. GPT-2 melaksanakan tugasan hiliran secara zero-shot, “tanpa sebarang pengubahsuaian parameter atau seni bina”. Arahan itu kini menjadi keseluruhan spesifikasi.
- Mei 2020Daripada bertanya kepada mengajar. GPT-3, dengan 175 bilion parameter, membuatkan prompting few-shot berkesan: prompt kini membawa contoh yang telah dikerjakan, dan prompting menjadi pembelajaran dalam konteks.
- Jan 2022Daripada jawapan kepada kaedah. Rantaian pemikiran: lapan contoh yang menunjukkan penaakulan, bukan keputusan, membawa model 540B ke tahap termaju pada GSM8K. Perhatikan tarikhnya — ini sepuluh bulan sebelum ChatGPT.
- 2022Dan kembali kepada satu frasa. Menambah “Let's think step-by-step” didapati berkesan tanpa sebarang demonstrasi. Skopnya mengecil daripada satu teknik kepada satu ayat.
- 2023Kemuncak: ia menjadi satu profesion. Satu kata masukan OED yang takrifannya berakhir dengan “disiplin atau profesion yang berkaitan dengan hal ini”. “Prompt” menjadi naib juara perkataan tahunan Oxford. Syarikat mengambil jurutera prompt.
- 2024–25Profesion itu mengempis. IEEE Spectrum menyiarkan “AI Prompt Engineering is Dead” pada Mac 2024; Wall Street Journal menyebut jawatan 2023 itu lapuk pada April 2025. Wikipedia mencatatkan bahawa gelaran itu menjadi kurang lazim — model menulis prompt yang lebih baik daripada manusia, dan orang lain pula sudah dilatih dalamnya.
- Sep 2025Dipindahkan, bukan dihapuskan. Anthropic menyebut kejuruteraan konteks sebagai perkembangan semula jadi kejuruteraan prompt. Prompt itu kekal; segala yang mengelilinginya — alat, ingatan, sejarah mesej — mendapat namanya sendiri, dan prompt menjadi satu komponen di dalamnya.
Hujah
Adakah ia sudah mati? Dua kumpulan bukti, menuding ke arah bertentangan, tentang dua perkara berbeza.
Hujah bagi obituari itu memang nyata. Jawatan itu muncul dan lenyap dalam masa dua tahun, dan Wikipedia memberikan dua sebab dan bukannya satu: model kini menulis prompt yang lebih baik daripada manusia, dan pekerja biasa pula sudah dilatih dalam kemahiran itu, jadi peranan pakar tidak lagi mempunyai apa-apa untuk dikhususkan. Kedua-duanya munasabah dan tiada satu pun dikuantifikasi di mana-mana sumber yang dirujuk. Hujah yang menentangnya ialah ukurannya tidak pernah berubah. Jika kualiti keluaran berayun sebanyak empat puluh mata ketepatan apabila anda menyusun semula contoh yang sama, dan tujuh puluh enam apabila anda tidak menukar apa-apa selain formatnya, maka masih ada sesuatu untuk dijuruterakan — dan penemuannya secara jelas menyatakan bahawa ini berterusan dengan model yang lebih besar, lebih banyak contoh dan penalaan arahan. Itulah dakwaan yang menanggung seluruh halaman ini, dan ia dibawa oleh sumbernya yang paling lemah: petikan Wikipedia daripada kajian yang tidak dibaca dalam sesi ini. Ia ditandakan sedemikian dalam jadual di atas dan wajar dipegang dengan longgar. Kedua-dua kumpulan bukti itu sebenarnya tidak bercanggah, kerana ia tentang perkara yang berbeza. Satu tentang pekerjaan. Satu lagi tentang model. Sesuatu amalan boleh berhenti menjadi kerjaya dan terus menjadi perlu — lebih kurang itulah yang digambarkan oleh Anthropic dan Wikipedia, dari arah bertentangan, apabila mereka meletakkan prompt di dalam sesuatu yang lebih besar dan bukannya membuangnya.
- 2 yrdaripada pekerjaan paling hangat dalam AI kepada diisytiharkan lapuk, menurut tajuk utama akhbar industri itu sendiri
- 40 ptsberalih dengan menyusun semula contoh yang sama. Tiada rujukan yang menyatakan hal ini telah diperbetulkan
- 2subjek yang berbeza: satu kumpulan bukti tentang pekerjaan, satu lagi tentang model
Apa Yang Ditambah Orang Lain
Apa sebenarnya teknik-teknik itu Kaedah yang bernama, dan apa yang ditambah oleh setiap satu kepada yang sebelumnya.
| Teknik | Apa yang dilakukannya | Apa yang ditambahnya |
|---|---|---|
| Few-shot | Meletakkan contoh yang telah dikerjakan dalam prompt | Model boleh mempelajari sesuatu tugasan daripada prompt sahaja. Keupayaan itu bersifat emergen dengan skala, dan sementara — tidak seperti penalaan halus, tiada apa-apa yang tertinggal selepas itu |
| Rantaian pemikiran | Contoh yang menunjukkan langkah penaakulan, bukan sekadar jawapannya | Membentuk proses model itu. Lapan contoh, model 540B, tahap termaju pada GSM8K |
| Zero-shot CoT | Menambah “Let's think step-by-step” dan menggugurkan contohnya | Menunjukkan bahawa kesan itu langsung tidak memerlukan demonstrasi — satu frasa sudah mencapainya |
| Konsistensi kendiri | Menjalankan beberapa rantaian pemikiran, mengambil kesimpulan yang paling lazim | Menukar satu jawapan tersampel menjadi satu undian |
| Pokok pemikiran | Beberapa aliran penaakulan secara selari, dengan surih balik | Carian, bukan satu laluan tunggal — keluasan dahulu, kedalaman dahulu atau alur |
Dan ke mana ia pergi Tiga tempat amalan yang sama muncul di bawah nama lain.
- 1Ke dalam prompt sistemPanduan Anthropic ialah menulis pada altitud yang betul — antara logik if-else terkod tegar yang rapuh dan panduan kabur yang mengandaikan konteks yang dikongsi. Sasarkan set minimum yang menentukan tingkah laku itu sepenuhnya, dengan mengambil kira bahawa minimum tidak bermaksud pendek.
- 2Ke dalam takrifan alat“Takrifan dan spesifikasi alat harus diberi perhatian kejuruteraan prompt sebanyak prompt anda secara keseluruhan.” Pada SWE-bench, Anthropic melaporkan menghabiskan lebih banyak masa mengoptimumkan alat berbanding prompt.
- 3Ke dalam satu lapisan sesuatu yang lebih besarKejuruteraan konteks mengambil alih kerja di sekelilingnya — apa yang model boleh lihat dan ingat pada setiap langkah. Kejuruteraan prompt tidak lenyap daripadanya; ia menjadi bahagian yang menulis arahan itu, sekali setiap langkah dan bukannya sekali setiap tugasan.
Satu butiran daripada kertas kerja itu wajar disimpan, kerana ia biasanya hilang dalam penceritaan semula. Rantaian pemikiran dihantar pada 28 Januari 2022 — sepuluh bulan sebelum ChatGPT dikeluarkan. Teknik yang paling kerap ditonjolkan sebagai kemuncak kejuruteraan prompt tiba sebelum khalayaknya tiba, dan itu satu pembetulan yang berguna kepada cerita yang jika tidak akan bermula dengan sebuah kotak sembang. Butiran kedua: Wikipedia menggambarkan keputusan rantaian pemikiran itu sebagai berprestasi “setanding dengan model bertala halus khusus tugasan”. Abstrak kertas kerja itu sendiri menyebut tahap termaju, dan mengatasi GPT-3 yang ditala halus dengan pengesah. Kedua-dua ayat itu tentang eksperimen yang sama; satu daripadanya sekadar lebih lemah daripada apa yang didakwa. Halaman ini menggunakan kata-kata kertas kerja itu, dan perbezaan itulah sebab biasa untuk menjejaki sesuatu ringkasan kembali ke sumbernya.
- 10 morantaian pemikiran mendahului pelancaran ChatGPT sebanyak sepuluh bulan
- SOTAapa yang didakwa oleh kertas kerja itu, berbanding “setanding” dalam ringkasannya
- 175Bparameter dalam GPT-3 — sepuluh kali ganda mana-mana model bukan jarang sebelumnya
Kesimpulan
Apa yang perlu diingat Tiga perkara, dan yang pertama adalah tentang cara membaca obituari itu.
Satu jawatan telah berakhir. Itu bukan sama dengan berakhirnya sesuatu amalan
Dua tajuk utama mengisytiharkan peranan itu lapuk. Tiada satu pun yang tentang sama ada susunan kata masih menggerakkan keluaran — dan ukuran yang menyatakan ia masih berbuat demikian tidak dilaporkan sebagai telah diperbetulkan dalam mana-mana rujukan. Bacalah “kejuruteraan prompt sudah mati” sebagai dakwaan tentang pengambilan pekerja, kerana itulah yang diliputi oleh bukti di sebaliknya.
Wilayah perkataan itu mengecil pada setiap langkah
Pemilih tugasan pada 2018, pengganti penalaan halus pada 2019, cara mengajar melalui contoh pada 2020, cara membentuk penaakulan pada 2022, kemudian satu frasa, kemudian satu profesion, kemudian satu komponen di dalam kejuruteraan konteks. Perkembangan ini dihimpun di sini dan tidak muncul dalam mana-mana sumber tunggal — tetapi setiap langkah di dalamnya dibaca pada penerbitannya sendiri.
Dakwaan terkuat di sini bergantung pada sumber paling lemah
Bahawa kepekaan itu berterusan dengan skala, lebih banyak contoh dan penalaan arahan itulah yang membuatkan seluruh hujah ini berfungsi — dan ia datang daripada Wikipedia yang memetik kajian yang tidak dibaca dalam sesi ini. Ia ditandakan sedemikian dalam jadual. Jika anda hendak menyemak satu perkara sahaja pada halaman ini, semaklah yang itu.