一家营销机构每周盯着57万多条人工智能提示词看了半年。他们想知道：普通人到底在用这些工具干什么？

谁在研究这些数据

打开网易新闻 查看精彩图片

这家叫Foundation的机构服务B2B科技公司。他们的客户每天产生海量提示词，团队决定系统性地看看到底发生了什么。从2024年初开始，他们跟踪了超过572,381条提示词，覆盖文本生成、图像生成、代码辅助等主流场景。

打开网易新闻 查看精彩图片

数据量够大，但更有意思的是他们看数据的角度——不是统计热门功能，而是追问：用户输入了什么、想要什么、实际得到了什么。

三个发现打破直觉

第一，"写得更像人"出现频率极高。用户反复调试的不是技术参数，而是语气、风格、情感温度。这说明工具能跑通，但"像谁在说"成了新痛点。

第二，长提示词占比在涨。早期大家试探性丢几个词，现在平均长度翻倍，用户开始像写brief一样结构化输入。这暗示使用习惯正在从"试试"转向"依赖"。

第三，代码类提示词的挫败感最强。用户常陷入"改一点崩一片"的循环，反复追问"为什么刚才还能跑"。技术门槛没有消失，只是转移了。

打开网易新闻 查看精彩图片

这对做产品的人意味着什么

Foundation的结论是：界面层还有大量空间。用户不是在要更聪明的模型，是要更可控的输出。提示词工程正在变成一门显学，但普通人不想学工程，只想解决问题。

他们建议团队重新设计反馈机制——让用户知道"为什么这次结果不同"，比单纯优化结果更重要。

如果你在做AI相关的产品，不妨翻翻自己用户的提示词历史。数据就在那里，只是很少有人真的去看。