2025年初，认真用AI的人还在写长提示。角色、语气、格式、约束条件、示例、排除项、边界情况——一股脑塞进第一句话里。提示不是请求，是控制面板。

这种写法有其道理。当时的系统有用，但容易跑偏。指令太模糊，输出就平庸；约束没写全，模型就乱猜；有隐藏需求，往往等第一轮输出错了才发现。

打开网易新闻 查看精彩图片

到了2026年，这套 workflow 开始显得过时。

打开网易新闻 查看精彩图片

提示依然重要，但不再是控制输出的唯一正经方式。更多用户现在可以用更短的指令开场，拿到一个能用的初稿，然后通过后续对话打磨结果。加参考、换模态、要变体、改语气、删段落、调视觉方向，或者把粗糙草稿变成可用资产——全程不用重启任务。

实质转变是从前置的提示工程，转向实时协作。

长提示阶段，用户得在第一句话里压缩太多意图。好提示通常要回答：受众是谁？格式怎样？语气如何？排除什么？用什么示例引导？避开哪些边界情况？不确定时怎么办？

这奖励了重度用户。懂模型行为的人，结果比随手打字的人好得多。差距真实存在，但也意味着系统有很高的技能门槛。一个需要精心工程化提示才能好用的工具，强大，但还称不上 effortless。

打开网易新闻 查看精彩图片

现在的转变不是提示不再重要，而是 workflow 变得更有弹性。

用户不必在第一句就锁定全部结果，可以从粗略想法开始，在动态中塑形。文本任务可以变成视觉任务。初稿可以变成幻灯片大纲。松散概念可以变成多个变体。有瑕疵的答案可以在同一线程内修正，不必推倒重来。

这个方向在 GPT-4o 把文本、语音、视觉整合进更快的交互循环后变得清晰。Gemini 2.0 把同一模式推向原生多模态输出、工具使用和智能体原型。Anthropic 的 computer use 工作则展示了趋势的另一面：AI 系统开始直接在软件环境中操作。