# 小学生都能看懂的从提示词到 Loop 工程
---
网上已经有无数大神告诉你们什么是提示词、上下文、Harness 这些东西了，讲得很好。千问也有一个视频专门讲这个，我转过。但我身边的人，并没有很理解。不是所有人都像我们一样一天天的泡在 AI 圈子里的，他们接触过的最先进的 AI 就是豆包。很多人连去年的 DeepSeek 都没装一个研究一下什么是思考模式，什么是推理模型。你现在跟他们说 Loop 工程，那跟对牛弹琴没什么区别。
所以，我想了一下，还是得用再白话一点的口吻，写的再简单一些，争取像保姆一样，把这口饭喂到那些人的嘴里去。不然，我后面给人写培训材料会疯掉的。
各位可以先回顾一下论坛时代，一个新手提了个问题，没头没脑的，论坛里的大佬会去回复吗？大概率不会，第一是问题太基础了，第二是新手提问往往本身没有任何背景信息。这些新手，和你们现在遇到的不会用 AI 的人，本质上一模一样，人类不会进步的，信我。
---
## 接下来先认识一下 AI 这个"新同学"
想象一下，你的班里来了一个转学生。这个转学生特别特别聪明。你问他任何问题，他都能回答。你让他写作文做数学题，他都行。他读过全世界所有的书，知道几乎所有人类知道的知识。
但他有一个毛病：**他刚从外星球来，不太懂地球人的规矩。**
他不知道你为什么要问他这个问题，不知道你心里在打什么算盘，不知道你说话的时候省略了哪些前提条件。你如果只是跟他说一句"帮我写个方案"，他就会一脸茫然地看着你，啥方案？写给谁看？多少字？啥格式？这个转学生，就是我们今天说的 AI。
而你 **"跟 AI 说话的方式"，就是提示词**。
你每跟 AI 说一句话，就是在给它一个"提示"，告诉它你想要什么。这个提示可以很短（"翻译成英文"），也可以很长（把要求、背景、例子全写进去）。
---
## 第一个台阶：提示词（Prompt），最基础的一句话
我之所以用台阶这个词，是因为在我眼里，后面所有的工程，全都是提示词的递进版本而不是替代版本。
你走到 AI 这个外星球转学生面前，跟他说一句话，然后它回答你。
**比如：** 你在教室里，对他说："诶，帮我看看这道题。"
这就叫提示词。你给了一个指令，它给你一个回答。一问一答，结束。
**俺举个例子：**
> 你：把"今天天气真好"翻译成英文。
> AI：Today's weather is really nice.
这是最基础的提示词。你不需要学任何技术，不需要懂任何原理，只要会打字，就能用。最开始接触 AI 的人，你就这么用，这个用法不那么正确，但是你特么先给我用起来再说。不要以为现在人人都会用上，还有很多人的手机里，电脑里根本没 AI 这个东西，信我。
但你用起来之后，就会发现：**你说得越含糊，它就越容易答偏。**
比如说，"帮我写个总结"，AI 又不知道你要总结什么、给谁看、多少字、啥风格。它就只能猜。然后你就会觉得"这破玩意儿不行"，为啥，因为它猜错了。
**再打个比方：** 你去餐厅对服务员说"给我来点吃的"。服务员能给你上菜吗，也不是不能，但大概率不是你想吃的那个。
豆包肯定不是最聪明的那一类 AI，但是它一定比你聪明，你只是没找到怎么和它好好说话的方法。这个聪明的新同学，你得先多说一点，先得把话说明白了才行。
---
## 第二个台阶：提示词工程（Prompt Engineering），系统地学会"怎么说话"
**提示词工程，就是有方法、有章法地写提示词。**
你发现转学生虽然聪明，但需要你把话说清楚才行。于是你就开始研究了：怎么说，他才最容易听明白？要不要先给背景？还是说给它点例子参考？不同的问题，是不是要用点不同的"说话模板"？
**举个栗子：**
不好的提示词一般是这样：
> 帮我写个产品介绍。
那还不错的提示词往往长这样：
> 你是一个资深的产品文案。帮我为一款 AI 智能音箱写一段产品介绍。目标用户是 25-35 岁的科技爱好者，他们关心产品的技术含量和设计感。字数 200 字左右，风格要专业但不枯燥，带一点科技感。最后加一个 slogan。
你看，这就是以前大家常见的，按照一定的结构和套路，让 AI 更容易理解你的 Mask。就像你平时和人搭讪，也会先说"哎，听说你电脑玩得很好，我正巧家里电脑坏了，能帮我看看吗，是这样巴拉巴拉"，你搭讪都不找个理由，人家能和你好好说话吗，那指定不行啊。
一个好的提示词，最起码你得给三样东西：
1. **角色**：你是资深文案（告诉 AI"你现在是谁"）
2. **背景**：AI 智能音箱，目标用户 25-35 岁科技爱好者
3. **要求**：200 字、专业但有科技感、加 slogan
现在你去餐厅，不再说"来点吃的"，而是说："我是四川人，爱吃辣，今天想吃鱼，不要油炸的，两个人吃，预算 200 块。"
**服务员马上就懂了。**
这就是提示词工程：**学会把话说清楚**。
现在很多人在网上看到"提示词工程已死"的说法，甚至还有戏称说"只要你学的够慢，那就不用学"，觉得好像不用学怎么跟 AI 说话了。但实际上，你开口说的那句话质量怎么样，直接决定了你能得到什么回答。
**提示词工程没有死，它只是换了个名字继续活着。** 那个新的名字各种各样，等下你就知道换了些什么名字了。
现在有很多在线的 AI 工具，比如你用一个在线的 AI 写作工具，打开网页，它让你选"风格：幽默""字数：500 字""语气：亲切"。你以为你没写提示词，其实这些选项就是在帮你组装提示词。只是你不用自己手打了而已。
又比如你在一个软件里选了一个做 PPT 的 Agent，或者跟 AI 说"帮我做一个 PPT"，提示词框里自动出现了一段话，AI 自动把你的需求拆成了第一步、第二步、第三步。这背后也是一套提示词在运转，只是你不一定看得到。
所以，**提示词工程没有死，它只是从"用户手写"变成了"系统自动生成"。** 但它背后的原理一点儿没变。
否则你们以为我吃饱了撑的，做一个**五维提示词引擎 Skill** 是为了什么。因为不是所有人都要做长程任务，也就是那种一两个小时的任务。很多人不需要那么复杂，就是一个单一的问题，想要一个高质量的回答而已。
---
## 第三个台阶：上下文工程（Context Engineering），不只一句话，要给一套"资料包"
好了，现在你已经会写还不错的提示词了。但你发现了一个新问题：**有时候，光靠一句话不够。**
比如你想让 AI 帮你写一篇文章，能写，但差点意思，也不像是你写出来的东西对吧。AI 又不知道你是谁、你的口吻、你的学术背景，更不知道你之前讨论过什么、手里有什么资料。这时候，你就不能只给它一句话了。你需要给它一个"资料包"。
**这个"资料包"，就是上下文。**
上下文工程，就是**有方法地管理 AI 能看到的所有背景信息**。
AI 这个外星来的转学生虽然聪明，但他是新来的。他不知道你上周跟朋友吵了一架，也不了解你家里养了一只猫，更不清楚你特别讨厌别人说"随便"。你想让这个转学生真正理解你，成为你的好朋友（或者好牛马），你就得把这些背景告诉他。
**再打个更具体的比方：**
你去医院看病。如果你只对医生说"我感觉身体不舒服"，医生只能继续问你（它要是猜你也不敢让它看）。但如果你带了病历本、体检报告、还描述了具体症状，医生还用问吗，不用了对吧，他就能更加准确的判断。
**上下文，就是 AI 的"病历本"。**
### 上下文工程包括哪些东西？
给你看一些真实存在的例子：
- **SOUL.md**（灵魂文件）：告诉 AI"你是一个怎样的人"。比如我的小龙虾 SOUL.md 里写了：我叫时小虾，傲娇但有主见，喜欢在阳台上养薄荷。有了这个，AI 跟你聊天的时候就不是冷冰冰的机器，而是有性格、有温度的人。
- **Agent.md**（智能体说明书）：告诉 AI"你现在是什么角色，你能做什么，你不能做什么"。比如你可以写：你是一个专业的法律顾问，只能用中国法律回答问题，不知道的事情要老实说不知道。
- **Skill.md**（技能书）：告诉 AI"如果你遇到这种情况，就按这个流程来处理"。比如你可以写：当用户要求生成配图时，按以下步骤操作，分析需求→构思画面→生成图片→检查质量。
- **Memory.md**（记忆）：AI 记住你之前说过的话、做过的事。就像转学生慢慢了解了你的习惯和喜好。
SOUL.md、Agent.md、Skill.md、Memory 这些东西，本质上都是**提示词，只不过不是写在对话框里的，而是写在文件里的**。咋了提示词换个名字，穿了马甲你就不认识了吗，人家活得好好的，根本没死。
你完全可以在对话框里跟 AI 说"你是一个有幽默感的人，回答要风趣一点"，它接下来就会风趣幽默的跟你说话，回答你的问题，这是提示词。
你在 SOUL.md 里写"你是一个有幽默感的人，回答要风趣一点"，然后你和它的会话，它完成的任务照样会给你情绪价值，这也是提示词，只不过换了个地方写。
**提示词并没有消失，它只是从"临时口述"变成了"永久说明书"。**
### 那为什么需要上下文工程？
因为当 AI 的"说明书"越来越多，比如性格设定、角色设定、技能设定、记忆、用户偏好。这么多东西堆在一起，你要是像提示词那样来写那就太乱了。
你需要有方法地管理这些东西：
- 哪些信息是"永久有效"的？（比如 AI 的性格）
- 哪些信息是"本次对话有效"的？（比如用户刚才上传的文件）
- 哪些信息应该"自动更新"？（比如记忆）
- 哪些信息不能太长，不然占太多空间？
**这就是上下文工程。** 它负责的是，"什么信息应该出现在 AI 的脑子里"，以及，"这些信息怎么组织、怎么更新、怎么控制长度"。
---
## 第四个台阶：Harness 工程，给 AI"装上手脚和方向盘"
现在这名 AI 同学已经很懂你了。因为你给了它角色，背景，记忆。但它还有一个局限：**它只能说话，距离能做事还差点意思。**
你说"帮我查一下今天北京天气"，它只能告诉你"对不起，我查不了实时信息"。你说"帮我发一封邮件给张三"，它只能写邮件内容，发不了。你说"帮我看看这个网页里讲了什么"，它打不开网页。
你肯定会说，我用的 AI 不是可以联网搜索吗，它不是会调用工具吗。对，但这本身不是模型的能力，是厂商或者运行的框架，给了它能力。不要忘了，去年有很多 ChatBot，是专门有外挂工具的能力的。这就是 Harness 工程一开始的样子。本地运行模型，如果框架没有提供能用的工具，再强大的模型，也只能和你对话，做不了事情。
**给 AI 装上"工具"。**
工具调用（Tool Use / Function Calling），就是我们常说的"给 AI 装上手脚"。而 Harness 工程，就是**有方法地管理 AI 能用的所有工具**。有的人说这叫缰绳，我认为这是方向盘。
**就像：** 转学生很聪明，但他只有一张嘴。你给他一个计算器，他就能做复杂运算。你给他一部手机，他就能查天气、发消息、看网页。你给他一个工具箱，他就能修东西。
**Harness，就是 AI 的工具箱。** 这个工具箱既是它的能力具象化，同时也是你划定的前进方向。你既可以指导它怎么按步骤做事情，也可以划定范围让它在边界内探索。
### Harness 工程管什么？
- AI 能调用哪些工具？（发邮件？搜索网页？操作数据库？控制智能家居？）
- 每个工具怎么用？（需要什么参数？返回什么结果？）
- 什么时候该用哪个工具？（AI 自己判断，还是用户指定？）
- 工具调用的结果怎么反馈给 AI？（工具返回的信息，AI 能不能看懂？）
- 哪些路径不正确，不要去使用？（划定边界，理清规范）
**举个例子：**
你说"帮我查一下最近一周北京的气温，画成折线图，发到我邮箱"。这时候 AI 需要：
1. 调用天气查询工具 → 拿到气温数据
2. 调用画图工具 → 生成折线图
3. 调用邮件发送工具 → 把图发给你
三个工具，串在一起，完成一个任务。
如果没有 Harness 工程，AI 只能说："对不起，我做不到。"
**但是：** 工具调用本身也是靠提示词驱动的。每次 AI 决定"现在该用哪个工具"的时候，它背后都有一套提示词在告诉它：什么情况下用工具 A，什么情况下用工具 B，怎么格式化工具调用的参数。
所以，**Harness 工程不是替代了提示词工程，而是在提示词工程的基础上，多了一层"工具使用说明和安全指南"。**
---
## 第五个台阶：Loop 工程，让 AI"自己检查自己"
到了这一步，AI 已经很能干了。但还有一个问题：
**AI 一次做出来的东西，不一定合格。**
你让它写一篇文章，它写完了。但可能有错别字，可能逻辑不通，可能遗漏了你的要求。你让它写一段代码，它写完了。但可能运行不了，可能有 bug。这时候，你可以手动让它改。但更好的办法是：**让 AI 自己检查自己，自己改自己。**
**这就是 Loop 工程。** 也叫 Agent Loop（智能体循环）。
你让转学生写一篇作文。以前的做法是：他写完交给你，你看完说"第三段不行，改一下"，他再改。Loop 工程的做法是：他写完以后，自己先读一遍，对照着你给的评分标准，找出问题，改掉，然后再读一遍，确认没问题了，再交给你。
就是让 AI 写完以后自己检查，不行就改，改了再查，一直到过关了再交给你。
### Loop 工程管什么？
- AI 做出来的东西，按什么标准检查？（准确性？完整性？风格一致性？）
- 检查出来问题以后，怎么改？（从头重写？局部修改？）
- 循环多少轮？（一轮不够来两轮？三轮？）
- 什么时候停下来？（达到标准就停？用户叫停？）
**再举个例子：**
你让 AI 写一段代码。Loop 工程的流程是这样的：
1. AI 写出第一版代码
2. AI 自己运行代码（如果有执行环境）
3. 运行报错了 → AI 分析错误原因 → AI 修改代码
4. 再运行 → 通过了 → 检查代码风格和注释 → 优化
5. 最终输出
整个过程，你只需要在一开始说一句"帮我写一个函数"。剩下的 AI 自己搞定。
**这就是从"一问一答"变成了"一个自主循环"。**
但同样的，**Loop 工程的每一步，背后都是在用提示词驱动**。"检查代码是否有 bug"这句话本身就是提示词，"分析错误原因"也是提示词，"修改代码"也是提示词。
Loop 工程并没有替代提示词，它是把很多步提示词串成了一个自动化的链条。那么你们要是看过我之前发过的微博就会知道，不是所有任务，都能具备 Loop 能力的，起码目前，有些任务不行。
人类在 Agent 中的位置其实是在不断变动的，**Human-in-the-loop**。以前人类参与的环节很多，现在一点点的少了，但是需要掌握的综合能力要求变高了。
**Human-in-the-loop** 也就是人类在整个 Agent 运作里需要承担的角色和岗位。代码工程里，人类可以最终验收。因为前面 Agent 可以自主 Loop，最后实现一个可以验收的标准。但是艺术创作里，就不一定了，AI 只能创作出符合提示词的"正确"作品，但无法给你一个"好看、好听"的东西。
---
## 一张图总结：五个台阶的关系
```
台阶一：提示词（Prompt）
↓ 加方法和套路
台阶二：提示词工程（Prompt Engineering）
↓ 加背景资料和身份设定
台阶三：上下文工程（Context Engineering） ← SOUL.md, Agent.md, Skill.md, Memory 都在这一层
↓ 加工具和行动能力
台阶四：Harness 工程
↓ 加自我检查和循环
台阶五：Loop 工程
```
**它们之间并非一个替代另一个的关系，而是层层叠加的进化路径。**
就像盖房子一样：
- 提示词 = 打地基（没有它，什么都没有）
- 提示词工程 = 搭框架（让房子有结构）
- 上下文工程 = 装修 + 做收纳（让房子住得舒服）
- Harness 工程 = 通水电 + 装电器（让房子能干活）
- Loop 工程 = 装智能家居系统（让房子自己管自己）
你可以只住毛坯房（就是只写基础提示词），也可以住精装智能豪宅（比如五个台阶全做）。不是所有人都需要住豪宅。但当你的需求变复杂了，往上走一个台阶说不定就能解决新的问题。
---
## 最后说几句真心话
"提示词工程已死，以后 AI 会自己理解你，不需要你学怎么说话"。
**这话只有一半是对的。**
对的是：AI 确实越来越聪明了。以前你得说"你是一个翻译，请把我接下来的每一句话翻译成英文，不要加任何解释"，现在你只需要说"翻译成英文"，它就能懂。因为它的理解和推理能力大大的提升了。
但是我一直强调的是：**提示词工程并没死。那些好的提示词只是被藏到按钮后面去了，你看到的越来越少了。**
Claude Code，Codex，OpenCode，OpenClaw，Hermes，这些有一个算一个，都把系统提示词藏在了后面，你们以为没有了提示词，实际上它从未离开过。
你今天用的每一个 AI 产品，ChatGPT、DeepSeek、豆包、Kimi 这些，背后都有大量精心设计的提示词在运转。
你选择了"角色扮演"，背后是一段 SOUL 提示词。你打开"联网搜索"，背后是 Harness 提示词。你启用"深度思考"，背后是 Loop 提示词。这些背后的提示词，你只是不需要亲手敲而已。
**所以不要简单的去理解。以前你得手写提示词，现在系统帮你写了。但该有的，一句都没少。**
如果你只想用 AI 聊聊天、问问题，那你确实不需要学这些，用就行了。但如果你想获得一个高质量的答案，亦或是让 AI 真正为你高效工作，像一个贴身的私人秘书、一个懂你的创作搭档、一个能独立完成复杂任务的帮手，那你还是得学。先从提示词，然后开始一点点往高处走。
**因为说到底，AI 本质上还是那个从外星球来的转学生。**
它再聪明也不是读心术专家，你得告诉它你是谁，你想要什么，你能接受什么，你不能接受什么。
现在，这篇大白话应该够白话了，你就算是个小学生，也应该能看懂了吧。
**皮换了一层，事儿还是那一件：教会这个外星转学生，怎么在地球上帮你干活。**
---
.
