目录
大家都在 loop，我还在措辞
每次打开X，脑袋感觉都被疯狂冲击，各类“AI实践”，好像这个世界只有我没有开始蹬token了。
从最早的prompt工程，到context，再到loop，完全跟不上了，上一个还没了解，就loop了。
但最近的实践让我有了新的感悟，那就是目前以及未来Prompt还是会非常重要。
01 还重复造轮！
很早前想通过AI构建一套研究公司价值（加密/美股/A）的研报输出框架，那会AI输出是可以，但是准确性很差，经常被fake news污染。那时各家券商还没用起来自家的数据库和ai，而随后开始建设的那段时间，也用过券商内嵌的ai，界面设计，排版，一言难尽，根本不像个工具，就在没用。
而今天重拾起来，本来和gemini spark探讨灵感，准备再大展身手开造轮子的时候，纠结是akshare还是tushare的时候，深度用了几家券商的大模型，被其中一家完全吸引了，深度研究，输出的报告索引清晰，数据调用完善，F10，F9深度资料，逻辑清晰，可视化报告生成，这才是用心了公司啊！直接让我放弃了造轮。
02 有轮怎么开？
- 让spark 帮我设计了一版 prompt
- 券商agent因为有优质数据，结果是质的提升
- 券商的agent的深度研究遵循度很好，按步骤拆解、逐项核查，来源核查方便。
03 两小儿唠嗑
下面讲个小故事类比一下各个阶段，再进一步引出，需求表达和意图对齐。
Prompt Engineering
想想A与B交谈，起初你们都是小学生，词汇都不高级，认识的东西也不全。因此AB需要学习表达，才能沟通。
Context Engineering
等AB长大了，认识东西是多了，但聊着聊着，发现对方都忘了之前聊的东西了，需要靠笔记，才能固定持久记忆，AB能谈的更长久了。
Loop Engineering
等AB两成知心朋友了，因为是直肠子，有什么说什么，经常伤了对方，因此AB意识到，在说话回复前，话在脑袋里多转转想想，说出来若有不妥，彼此提醒、改口重说。
而他们的根本目的是沟通，当你的记忆、认知、情商提升后，都被内化了。
当前AI就是这样的情况，之前你要考虑的context现在随随便便1m的窗口，考虑的loop，现在也可以以快慢思考解决。普通用户不必从零造 context/harness/loop；产品把它封装了。
而剩下就是碳基生物（人）的想象力，以及将这种想象力精准降维成硅基生物（AI）能听懂的语言的能力。
04 语言的“不艺术”
prompt实际上就是“沟通”，比如你说你饿了，对方即便是爱因斯坦，也不知道你喜欢吃胡萝卜。
“沟通”不仅仅是人机，这也是人人的永恒不变的话题。
会说话，说清楚，对于人和人确实已经研究太久了，并且是门学问。
但对于以后的人机，应该简单的多，因为检索与记忆广度往往强于人，但不等于懂你的目标。
或许就不需要顾虑“说话的艺术”，更多的是如何“清晰地表达”自己的想法。