写提示词就是编程：为什么工程师用AI更顺手，非技术用户却难见生产力提升

一句话看懂：2026年11月3日，一篇在Hacker News上引发热议的博客提出：写好AI提示词本质上就是编程。作者认为，工程师多年被编译器训练出的精确表达和调试习惯，解释了为什么他们用AI的效率远超其他行业用户。

事件核心：发生了什么

博主记录了一个典型场景：一位常春藤盟校文科教授与Claude对话时反复兜圈，始终没有讲清目标，只能不断微调，结果输出始终偏离预期。与此同时，他观察到营销、分析、运营等岗位普遍只拿到邮件起草、会议总结这类有限帮助，节省的时间又花在修饰“看起来合理但不对”的内容上，组织层面的生产力提升并未兑现。而软件工程师在Opus 4.5发布后数周内，几乎停止手写代码。作者提出：提示AI与写函数、类本质相同——定义输入、指定输出、拆步骤、考虑边界情况、判断结果是否正确。

为什么重要

常见解释是大模型训练语料以代码为主、代码可验证、AI实验室优先做编程Agent。作者承认这些因素成立，但不足以解释工程师生在规划旅行、调整预算、撰写基金申请等非编程任务上同样表现更好。他认为差距来自“规格化能力”：非程序员习惯与人沟通，由对方补全上下文；大模型则用最可能的猜测填补空白，很少反问，模糊提示不会报错，只会产出貌似合理的结果。这修正了他此前“领域专家加Agent就是护城河”的观点：判断对错是评审能力，把Agent带到可判断的状态则是计算性的规格化能力。

对用户/开发者/创作者的影响

对开发者，提示词工程应被当作接口设计来对待，重视输入来源、输出格式与验收标准。对普通用户和企业采购，培训重点或许不是工具操作，而是把目标拆成可验证的小步骤，并建立“结果不对先检查自己输入”的调试习惯。对创作者，模糊指令换来的只是平庸初稿，明确约束和参照物才决定可用性。作者提到，真正从AI获益的非工程师往往带有程序员思维，例如用查找表搭建复杂表格的财务人员。