还在死磕提示词的都该看看这篇反直觉推文

Andrej Karpathy 最近在 X 上发表过一个有趣的推文，大意是：

他有时喜欢将 AI 切换到语音模式，躺着对着 AI 随便“胡言乱语”10 分钟左右，把乱七八糟、不连贯的想法全部倒出来。

LLM 很擅长把这些混乱的“意识流”整理得更清晰，甚至为你从岔路中找到真正的方向。

Andrej Karpathy 是何许人？他也许是当今AI领域最具影响力的研究者与工程师之一。

39 岁，斯坦福大学计算机视觉博士（师从李飞飞），作为早期创始人加入并创立 OpenAI，后担任特斯拉 AI 与 Autopilot Vision 总监。离开特斯拉后，他创办了专注AI教育的 Eureka Labs。

但让大多数人更熟悉的，可能是他的博客、Youtube 课程以及 X 平台上各种深度技术简介。

这篇推文戳破了大多数AI圈边缘人的一个臆想：提示词的措辞很重要，重要到可以适当牺牲信息量来保证提示词的“腔调”够正。

在2025年，甚至刮起过一阵神奇咒语的风。大家经常在研究：我该对 AI 说哪句神奇的话？

例如：

* Think step by step

* Take a deep breath

* You are an expert about ...

* give me some few-shot examples

但实际上，从 GPT 5 问世起，OPANAI官方博客的实践指南早就已经下了定义：“think step by step” 这类显式 CoT 指令没有必要，有时还可能妨碍表现。

大佬们已经进入了 Next Level：比提示词规范更重要的是，你能给到 AI 的信息。

所以，Andrej Karpathy 选择使用语音漫聊 10 分钟；而不是躺在沙发上头脑风暴十分钟后，给写上一段提示词八股文。

语音聊天实际上是思维发散的过程。

选择让AI“旁听”而不是独自整理消化，是为了让思维发散的每一丝灵光能够被擅长处理大量文本数据的 AI 所捕获、记录、整理。

把这件事摊开来说，其实很简单：

提示词规范是否仍有作用？

有，而且依旧重要。

但它不值得用信息量减少来交换，尤其是深度思考与构想创意的场景下。

目前大模型的思考能力已经足以承受低质表达甚至错字病句。

所以最重要的是，多给一点思想的种子，让 AI 开更多的花，结更多的果。