提示迭代优于令牌计数 | AI生成和翻译
既然”天才是百分之一的灵感，百分之九十九的汗水”，那我先来谈谈这汗水的部分吧。有人问我，提高驾驭 AI 与大模型的能力最有效的办法是什么？我想了很久，终于发现最有效的办法，其实是反反复复地修改和推敲输入给大模型的提示词（Prompt）与上下文（Context）。
有些人喜欢炫耀自己用过多少个 AI 工具，或者使用了多少 Token，仿佛使用的数量是衡量驾驭 AI 能力的标准。然而，如果你总是匆匆写出一个提示词，却从来不回头去推敲、修改和提炼提示词与上下文，其实是不能真正提高驾驭 AI 与大模型的能力的。你只会制造出越来越多平庸甚至糟糕的输出结果。
“使用经验”跟提示词和上下文的质量，其实不一定成正比。如果有多年使用 AI 工具的经历，却从来不回头去提炼和反思自己的 Prompt 与 Context，那么他也许还不如一个只有一两个月经验、却喜欢反复打磨、仔细领悟模型行为的人。
英文版本：
既然“天才是百分之一的灵感，百分之九十九的汗水”，那我先来谈谈这汗水的部分。人们常问我：提升驾驭 AI 与大语言模型的能力最有效的方法是什么？经过深思，我意识到答案是对提供给大语言模型的提示词与上下文进行毫不松懈的迭代和优化。
有些人喜欢夸耀自己尝试过多少 AI 工具，或者消耗了多少 Token——仿佛数量多少就能衡量一个人的驾驭 AI 能力。但如果你草草写就一个提示词，却从不回头去精炼、修订和改进提示词及其周围上下文，你其实并不会真正成长。你只会不断大规模地产出平庸甚至拙劣的结果。
拥有 AI 工具的“多年使用经验”并不必然等同于质量。一个用了多年但从不反思自己提示词与上下文的人，可能还不如一个只有几个月经验、却执着于迭代、实验并深刻理解模型对不同输入和上下文设置如何回应的人。
真正的技能不在于你消耗了多少 Token——而在于你如何精心打磨提示词及其上下文。
关于中文措辞的说明：“驾驭 AI 与大模型的能力”字面意为“指挥/掌握 AI 与大模型的能力”——这明确表达了熟练使用 AI，而非开发 AI 应用。其他自然的替代表达包括：「善用 AI 与大模型的能力」或「用好 AI 与大模型的能力」。