企业官网建设流程全解析

先说一件我查资料时才发现的事。

「你是世界顶级专家」这句话，被正儿八经研究过。

2023 年 11 月的一篇论文（Personas）做了 162 个角色实验，结论是：系统提示里的人设，不提升客观任务表现。

2025 年 12 月又有一篇（Playing Pretend），在 6 个模型上用 GPQA Diamond 和 MMLU-Pro 测，结论一样：领域专家人设没有显著提升。

而这句话，是 2023 年流传最广的提示词技巧。

我把这四年的提示词翻了一遍。表面看是「技巧越来越高级」，实际是「提示技巧 → 规则与预算」的转向。而且当年那些技巧，有不少后来被证伪了。

2023：提示词工程

2023 年提示词的主流写法，核心是用自然语言描述角色和推理过程。

三种最流行的写法：

一、角色扮演。「You are an expert…」「你是一位资深…」。这个写法的源头查不到一手出处——最早只能追到社区模板库f/awesome-chatgpt-prompts，Wayback 存档显示2022-12-13就已存在。

它是社区自发长出来的，不是哪家公司的官方建议。这点要说清楚，因为网上常把功劳归给 OpenAI。

二、思维链。「Let’s think step by step」。

这里有个流传很广的错误：很多人以为 CoT 是 2023 年的成果。

实际是 arXiv 2201.11903，2022-01-28 提交，发在 NeurIPS 2022。作者是 Jason Wei 等。配套的「Let’s think step by step」出自 Kojima 等的论文，2022-05-24 提交。

2023 年不是它被提出，是它被大规模采用。

三、模板库。复制粘贴的那种长提示词，前面加一堆「你必须」「千万不要」。

这一年的载体是单轮对话。提示词是一次性的、复制粘贴的、存在笔记里的。

2023 年还被发现了一个重要问题：Lost in the Middle（2023-07-03）证明长上下文有位置偏差——关键信息放在中间，模型就是看不见。

这条为后面几年的转向埋了伏笔：上下文不是越长越好。

2024：格式交给代码，人管结构

2024 年的变化，有三件事值得记。

一、格式类提示词被 API 取代了。

2023-06-13，OpenAI 发布 function calling。

2024-08-06，Structured Outputs 发布——用 JSON Schema 约束输出。

影响很直接：以前要在提示词里反复叮嘱「必须输出 JSON、不要加解释」，现在这件事由 schema 保证，提示词里不用再写。

这是第一次「提示词的一部分职责被代码接管」。

二、结构化标记开始流行。

Anthropic 官方专门有 Use XML tags 的文档，核心用途是用标签把指令和数据分开。

为什么要分开：因为长上下文里，模型分不清「哪句是给我的指令」「哪句是要处理的资料」。

三、系统提示词从「角色设定」转向「行为规范」。

2024-08，Anthropic 公布了 Claude 各模型的系统提示词和变更日志（TechCrunch 报道）。

公开之后大家发现：那些系统提示词里，角色设定只占一小部分，大部分是行为规则——什么该做、什么不该做、遇到什么情况怎么处理。

同年还有一个反向信号：PLeak 提示词泄露攻击（2024-05-10）证明系统提示词可以被套出来。

所以 2024 年的双面性：一边是系统提示词变重要，一边是它不再是秘密。

2025：上下文工程，以及它的两个推广人

这一年的转向有一个确切的起点，不是「行业自然演化」。

2025 年 6 月，Shopify CEO Tobi Lutke 发帖说（原帖），说他更喜欢用context engineering（上下文工程）这个词替代 prompt engineering。

Karpathy 随后转发声援（原帖）。他的原话是：在工业级 LLM 应用里，把上下文窗口填成「刚好合适的信息」是精细的艺术与科学。

这句话被 Simon Willison 逐字引用，然后扩散开来。

所以「上下文工程」这个词，是两个人带起来的。这个说法站得住，因为两条原帖都在。

同一年，配套的东西陆续到位：

• Anthropic 官方文《Effective context engineering for AI agents》
• Claude 官方 cookbook《Context engineering: memory, compaction, and tool clearing》
• MCP（Anthropic 发布，公告），2025-12 前后捐给 Linux Foundation 下的 Agentic AI Foundation
• Skills——文件夹 +SKILL.md，Anthropic 官方博客
• AGENTS.md——agents.md 标注被6 万+ 开源项目使用

「上下文工程」和「提示词工程」的区别在哪？

提示词工程问的是「这句话怎么写」。上下文工程问的是「模型该看到什么」。

前者是措辞问题，后者是信息装配问题——包括放什么、放多少、什么时候放、什么时候清掉。

这个区别是实质的，不是文字游戏。但它确实被质疑了（后面说）。

2026：从「提示」到「规则」

2026 年的方向是「约束」。它具体落在两样东西上：规则，和预算。

一、给 agent 看的「规则文件」成了事实标准。

agents.md 上标注：被 6 万+ 开源项目使用，仓库版权署 LF Projects。2026 年它被并入 Linux Foundation 下的 Agentic AI Foundation（OpenAI 公告）。

它解决的是同一个问题：你给 agent 写的规则，它读的时候不会回头问你。所以这种文件才需要一句一事、一词一义。

二、上下文开始有「预算」。

先解释这个词。「上下文预算」是这两年的通行说法，意思是：把上下文窗口当成一笔有限的、每一轮都要重新花的钱，而不是一个随便塞的筐。

（这笔账有多贵，后面第三节我用自己会话的实测数字算给你看。）

Claude 官方文档里出现了Task budgets。

Simon Willison 在 2026-10-03 写了《我们需要默认的硬预算上限》。

arXiv 上有《Beyond Compaction: Structured Context Eviction for Long-Horizon Agents》——研究怎么「驱逐」上下文，而不只是压缩。

三、厂商指南也在往「约束」走。

OpenAI GPT-5.1 Prompting Guide、Google Gemini 3 prompting guide。

四年对比

一条主线：

提示词从「怎么把话说动听」，变成了「怎么把约束写清楚」。

而当年那些技巧，后来怎么样了

这是我查资料时最意外的部分。

角色扮演：两项独立研究都说没提升。

• Personas（2023-11 提交，EMNLP 2024 Findings）：162 个角色，系统提示里的人设不提升客观任务表现
• Playing Pretend（2025-12）：6 个模型、GPQA Diamond + MMLU-Pro，领域专家人设无显著提升

思维链的解释：不可信。

Language Models Don’t Always Say What They Think（2023-05 提交，NeurIPS 2023）证明：CoT 给出的解释会系统性歪曲模型真实的决策原因。

注意这句话的分寸：这不是说 CoT 没用——让它「一步步算」确实能提升推理成绩。被质疑的是「它的解释可信」这个假设。

（另有一种说法是「o1 之后逐步思考类提示反而有害」。这条我没找到官方一手文档，不写。）

这两条合起来说明什么？

当年我们以为在「和模型沟通」，其实是在「凭经验试错」。试对的部分（比如让它分步算）确实有效；试错的部分（比如给它安个专家身份）并没有实际作用。

那 2026 年到底该怎么写

下面这部分，是我自己的判断和实测，不是查证。

一、先分清你写的是「提示词」还是「规则」

判断标准很简单：读你这段话的人（或 agent），能不能回头问你「你是什么意思」？

• 能问→ 是提示词。措辞可以自然，可以商量。
• 不能问→ 是规则。必须一句一事、一词一义。

子代理的指令、写进AGENTS.md的规则、工具的描述——这三样都属于「不能问」的那一类。

二、写给 agent 的规则，我实测了一套写法

有一套现成的中文规则叫 ste-zh——它源自航空业的 ASD-STE100 写作标准，这里不展开。我挑出六条结构规则用在我们自己的沟通上：

第三条是我觉得最值钱的。

我以前写结论常用「大概率同向」「可能是巧合」——这是把不确定藏起来。按新规则要写成：

从「我觉得」变成「怎么验」，这个改动是实质的。

三、上下文要当预算管，不是当仓库用

这部分我有实测数据（下面数字来自我自己的会话日志）：

我新建一个会话，只发了「在吗」两个字。第一轮，它向模型提交了 26,328 个输入 token。

我以为它在读我们的聊天记录。不是。

拆开看构成：

工具定义里，agent_teams_*和mnemon_*这两个前缀占了 46%——而它们跟我当时要做的事完全没关系。我一个都没调用，但它们的定义每一轮都在重放。

再看长会话的增长（同一个对话，33 轮）：

上下文从 89,346 涨到 632,725 —— 7.08 倍。

但最贵的不是这个。我把 399 个步骤分开统计：

每轮第一步的新增输入，是后续步的 66 倍。

这说明「越聊越贵」的机制不是缓存在变大，是每一轮开头都要重新读一遍全部上下文。

所以 2026 年管上下文，是三件事：

1. 关掉用不上的工具——每一个装上去的能力，都在每一轮向你收费
2. 长任务主动开新会话——不是新会话上下文小，是它不用为前面每一轮付重放的钱
3. 给上下文设上限——这正是 Anthropic 的 task budgets 和 Willison 那篇文章在做的事

和大模型的关系：从「对话者」到「执行者」

这层关系，我的理解是：

2023 年，模型是「对话者」。它能力弱，需要你把意图描述得足够完整。你把话说得越清楚，它答得越好。提示词在这个阶段更像一种措辞技巧。

2024 年，模型开始「会用工具」。格式这件事不归你管了——schema 管。你的工作从「怎么说格式」变成「怎么组织信息」。

2025 年，模型变成「智能体的脑子」。它需要的不再是一句话，是一个环境：有哪些工具、有哪些资料、能记住什么、什么时候该清。

2026 年，模型是「没有回话通道的执行者」。你派出去一个子代理，它做错了不会回头问你。所以你的指令必须一次说对。

这条线上有个反复出现的规律：

每次模型变强，都有一部分「提示词技巧」被收进模型或工具里，不再需要你写。

• 格式 → 被 schema 收走
• 推理 → 被 o1 这类模型内化
• 角色扮演 →被证明本来就没用

所以提示词不是越写越复杂，是「该你管的」范围在变。

但有一件事我得说清楚

「上下文工程」这个词，被质疑过是不是只是改名。

有一篇 《From Prompt Engineering to Context Engineering: What Actually Changed and What Didn’t》 就在讨论这个。

这个质疑是合理的，理由有三：

1. 「上下文工程」这个词是两个人带起来的（Tobi Lutke 发帖 + Karpathy 转发），不是自然演化出来的共识
2. 2024 年 Anthropic 公开系统提示词时，行为规范早就占了大头——「关注行为而非角色」不是 2025 年的新发现
3. 我没有找到权威来源直说「只是改名」，但同样也没找到权威来源证明「这是范式革命」

我的判断：「该放什么信息」确实比「这句话怎么写」更本质。但这两件事不是替代关系，是包含关系。上下文工程里，措辞仍然重要——只是不再是全部。

所以「提示词工程已死」这类说法，我不同意。但它确实换了重心。

最后：2026 年写提示词的三条

一、先问「有没有回话通道」。有，就正常说话；没有，就当规则写。

二、把不确定写明，别藏起来。「可能」「大概」不是表达谨慎，是把验证责任推给读者。写「未验证 + 确认方法」。

三、把上下文当有限的预算，不是无限的筐。每个工具、每份注入、每轮重放，都在花钱。你省下的不是 token，是你能塞进去的有用信息。