Prompt 本质是结构化上下文注入而非咒语

"让 GPT 智商提升 50% 的 10 个神奇开头。""加上这一句话，输出质量立刻飞跃 200%。"这就是小红书、知乎和各种付费 prompt 社区里最常见的内容——而这些课程 95% 都在贩卖同一种感觉：prompt 是一道符咒，是某个神秘的触发词，能解锁模型的隐藏能力。买了这些课的工程师，做出来的系统每三天就崩一次。

prompt 并不神秘。它的本质可以用一句话概括：prompt 是一种结构化文本，向无状态的概率模型注入它生成目标输出所需的全部上下文。四类上下文由你来填充——角色与行为（Who）、任务与目标（What）、背景数据（Context）、输出规格（How）。prompt 工程的"工程"二字，指的是构建一个可维护、可评估、可复用的上下文组装管道——而不是寻找那个正确的符咒。

我的观点是：生产级 Agent 团队里真正稀缺的，不是"会写 prompt 的人"。而是能够构建 prompt 版本管理、评估体系、渐进式发布和回滚机制的工程师。一位称职的后端工程师加上良好的 prompt 基础设施，足以击败 90% 顶着"prompt 专家"名号的人。