還在死磕提示詞的都該看看這篇反直覺推文

Andrej Karpathy 最近在 X 上發表過一個有趣的推文，大意是：

他有時喜歡將 AI 切換到語音模式，躺着對着 AI 隨便“胡言亂語”10 分鐘左右，把亂七八糟、不連貫的想法全部倒出來。

LLM 很擅長把這些混亂的“意識流”整理得更清晰，甚至爲你從岔路中找到真正的方向。

Andrej Karpathy 是何許人？他也許是當今AI領域最具影響力的研究者與工程師之一。

39 歲，斯坦福大學計算機視覺博士（師從李飛飛），作爲早期創始人加入並創立 OpenAI，後擔任特斯拉 AI 與 Autopilot Vision 總監。離開特斯拉後，他創辦了專注AI教育的 Eureka Labs。

但讓大多數人更熟悉的，可能是他的博客、Youtube 課程以及 X 平臺上各種深度技術簡介。

這篇推文戳破了大多數AI圈邊緣人的一個臆想：提示詞的措辭很重要，重要到可以適當犧牲信息量來保證提示詞的“腔調”夠正。

在2025年，甚至颳起過一陣神奇咒語的風。大家經常在研究：我該對 AI 說哪句神奇的話？

例如：

* Think step by step

* Take a deep breath

* You are an expert about ...

* give me some few-shot examples

但實際上，從 GPT 5 問世起，OPANAI官方博客的實踐指南早就已經下了定義：“think step by step” 這類顯式 CoT 指令沒有必要，有時還可能妨礙表現。

大佬們已經進入了 Next Level：比提示詞規範更重要的是，你能給到 AI 的信息。

所以，Andrej Karpathy 選擇使用語音漫聊 10 分鐘；而不是躺在沙發上頭腦風暴十分鐘後，給寫上一段提示詞八股文。

語音聊天實際上是思維發散的過程。

選擇讓AI“旁聽”而不是獨自整理消化，是爲了讓思維發散的每一絲靈光能夠被擅長處理大量文本數據的 AI 所捕獲、記錄、整理。

把這件事攤開來說，其實很簡單：

提示詞規範是否仍有作用？

有，而且依舊重要。

但它不值得用信息量減少來交換，尤其是深度思考與構想創意的場景下。

目前大模型的思考能力已經足以承受低質表達甚至錯字病句。

所以最重要的是，多給一點思想的種子，讓 AI 開更多的花，結更多的果。