对话与产品级提示词

Prompt engineering 有两种模式，投入和技术要求完全不同：

1. Conversational（对话式）。你在用 Claude/ChatGPT，输出不满意就追加"更正式点""加个笑话"，在对话过程中迭代改进。大多数人每天在做的就是这个。输出即时可见、错了马上纠正，所以往往草率写几个字就够。
2. Product-focused（产品式）。这才是 prompt engineering 概念的原始来源（AI engineer 视角）：产品里有一条或几条关键 prompt，每天有几百万条输入跑过它，你需要把这条 prompt 打磨到近乎完美，然后基本不再改动。Granola 喂给模型的 prompt、Bolt/Lovable/Replit/v0 背后那条精细的长 prompt 都属此类。

核心判断："钱在产品式这一侧"（"that's where the money's at"），学术研究也几乎都聚焦于此。原因：产品式场景下百万用户在跟这条 prompt 交互，你无法逐条查看输出，必须事先建立高确定性——所以 few-shot、decomposition、鲁棒化的 chain-of-thought 等"高投入技术"主要用在这里。而对话式因为输出即时可见，作者本人常常只写 "make better, improve" 就够。

配套概念——prompt 的组成部件 vs prompt 技术（The Prompt Report 的划分）：

• 部件（不算技术本身）：role（角色）、examples（示例）、additional information（补充信息）、directive（核心意图，如"给我面试题"）、output formatting（如"用表格/列表"）。
• 技术：特殊的 prompt 架构方式或能诱导更好表现的特殊措辞（如 few-shot、decomposition、self-criticism、ensembling）。示例既是部件又对应"给例子"这个技术，存在交叉。