prompt 工程救不了你的烂架构

完整中文翻译

每隔几年，我们的行业都会重新发现一个老真理，然后装作它是新东西。

清洁代码。微服务。DevOps。现在：提示工程。

突然间，那些在 2019 年只交付过一个 CRUD 应用的人开始发推这样的话：

"问题不在你的系统。问题在你的提示。"

不对。问题还是在你的系统上。

提示工程不是灵丹妙药。它只是一个非常昂贵的创可贴，贴在本来就已经感染的架构伤口上。

幻想是这样的：

你有一个混乱的后端

没有真正的领域边界

业务逻辑分散在控制器、定时任务和 Slack 消息里

✨ 你加上 AI ✨ ✨ 你优化一下提示 ✨ ✨ 你在顶部加上"你是一个高级工程师" ✨

然后，神奇地，智能就像电力一样流过你的系统。

除了这不是软件工作的方式。这不是任何东西工作的方式。

现实检验：AI 进入你的系统

LLM 看不到你的产品。

无论你记得传递什么 JSON

无论什么上下文能塞进 token 窗口

无论某个人在凌晨 2 点匆匆添加的那个半成品 schema

所以当你的 AI"做出坏决定"时，它通常只是在一个破碎的抽象内精确地做了你要求的事。

这不是幻觉。这是服从。

提示工程 vs. 结构性问题

让我们诚实地说说提示被用来隐藏什么：

❌ 缺失的领域边界

"请仔细推断用户的意图。"

❌ 不一致的数据模型

"如果字段缺失，请使用你的最佳判断。"

"如果多个值冲突，选择最合理的那个。"

❌ 分散在五个地方的业务逻辑

"遵循公司政策（下面用 800 个 token 描述）。"

这不是 AI 智能。这是把架构决策外包给自动补全。

分布式系统的笑话（其实不好笑）

当你构建 AI agent 时，你很快会学到一些不舒服的东西：

AI agents 只是能说话的分布式系统。

你假装无状态的状态（State）

你忽视的延迟（Latency）

日志无法解释的失败模式（Failure modes）

发生两次的副作用（Side effects）

对用户的重复扣费

不正确地重试一个操作

或自信地做错事

这不是"AI 不可预测"。

这是经典的分布式系统行为，现在用自然语言叙述而已。

"但我们有护栏啊"

护栏很好。安全带也很好。

但安全带改不了：

缺失的方向盘

用 YAML 粘合在一起的引擎

或靠"直觉"决定的路线图

今天大多数护栏只是：

更多的"如果不确定，问用户"

在某个点上，你不是在构建系统。你是在和它谈判。

AI 不能替代架构。

可靠的坏架构会让 AI 看起来很神奇，直到用户做真实的事情。

这就是为什么 AI 演示看起来惊人，但 AI 产品感觉……很脆弱。

为什么这一直在发生

因为提示工程是：

只在失败时被注意到

所以我们优化提示。我们忽视边界。我们在熵上面发布"智能"。

然后我们责怪这个模型。

如果你的 AI 系统需要：

一个 2000 token 的提示来解释业务规则

不断重试来"把事情做对"

对每个重要决定进行人工审查

你没有一个 AI 问题。

你有一个现在会说英语的架构问题。

提示工程不能修复你的架构。

但它会暴露你的架构。大声地。在生产环境。带着自信。

这可能是 AI 迄今为止对我们做过的最有用的事情。😎

一些评论可能只对登录访客可见。登录以查看所有评论。

如需进一步操作，你可以考虑屏蔽此人和/或举报滥用行为。