忙碌的下午，同事问："能帮我看一下这个吗？" 你打开文件，却没有 context。你不知道代码应该做什么、什么失败了、已经试过什么、对方想要快速意见还是认真 review。即使有经验，你也只能追问或猜。
AI model 也类似。Prompt engineering 有时听起来像神秘公式，但更深的能力其实很普通：把情况讲清楚，让另一个智能体不用发明缺失的背景也能工作。
好的 prompt 从 context 开始：系统是什么，受众是谁，当前状态如何，最重要的 constraint 是什么。缺少这些，model 会用通用假设填空。
好的 prompt 也明确任务。"优化这个" 是愿望。"把这段 summary 改写给非技术 product manager，120 words 以内，保留风险，减少 jargon" 才是可以执行的工作。
constraints 不会杀死创造力，而是给它方向。不加新 dependency、保持 calm tone、保留 public API、先解释 tradeoff 再写 code，这些都会让答案更贴近现实。
examples 有用，因为它们对人也有用。before/after、偏好的 style、failing test、小的成功输出，都能说明你想要的形状。
feedback 是对话的一部分。"太抽象"、"结构保留但语气柔和一点"、"漏了 database constraint"，这些不是失败，而是正常的协作信号。
所以 prompt engineering 本质上是在 constraints 下沟通。让 ticket、code review、handoff 变好的习惯，也会让 AI request 变好。