"技巧会贬值 ，主观认识 是模型永远拿不到的信息。"

2023 年 AI 刚火那会儿，我在公司负责一个 AI 导购项目。那时候调 Prompt 是真苦：指令写得再细，模型就是不严谨地遵循，你限定好推荐的范围，它时不时自由发挥。

没办法，只能上 few-shot：精心写好几组示例塞进提示词，一个字一个字地抠。改了不知道多少版才勉强稳住，中间真有几次想摔键盘。那版核心提示词被我打磨了很久，长到我都不敢轻易动它，生怕改一个字又把别的地方改坏。

2024 年下半年，ChatGPT 连续升级了几次。有一天我把当年的老提示词翻出来，跟新模型跑了一遍同样的任务：few-shot 不带了、指令砍掉一大半，它做得比当年那版精心调教的还要好。

前后就隔了一年多。

那一刻的感觉很复杂。一方面是爽，终于不用伺候提示词了；另一方面有点空，我熬夜抠出来的那些技巧，一夜之间变成了多余的动作。

后来我才知道，这不是我一个人的经历。你们是不是也有过这种时刻？

收藏夹里躺着几十上百条提示词，硬盘里装着一堆 MCP 和 Skills，每次模型一升级，心里就咯噔一下：这些宝贝，还作数吗？

说实话，我从 2023 年踩坑到现在，整整 3 年，才把这件事想明白。

今天这篇文章就是一次完整的资产审计：哪些东西被模型升级作废了，哪些越放越值钱，以及一套你能直接截图带走的自检清单。

📌 本文看点

01 一年多没维护提示词的家底

02 贬值区与增值区的分界线

03 能截图带走的三问清单

01 MY INVENTORY

先报个家底：我一年多没维护过提示词了

先交代一下现状，有点反直觉。

我生活中有分类收集提示词的习惯，生图的、生视频的、写代码的，做站点的，工具收集的各放一类，在实战中不断迭代。这个习惯我保持到现在。

但是说出来你可能不信：我已经一年多没有更新维护之前一直使用的提示词了。

不是懒，是真的不需要了。

现在的我，想要实现什么场景，用最基础的提示词结构，把核心内容带上，出来的效果基本上都让人满意。说白了就是一句话：把需求描述清楚，就够了。

更扎心的是我家底的另一面。

VibeCoding 火起来那阵，我跟大多数人一样，看到有人推荐一个 MCP 就装一个，刷到新的 Skills 就先下载，硬盘里囤了一堆 Plugin，觉得多装一个就多一分生产力。

现在回头看，这些东西大部分已经彻底吃灰，有的甚至被我直接删掉了。

那留下来的是什么？

恰恰是那些最朴素的东西：几个常用场景的提示词，维护到稳定之后，就再没动过。

那种感觉，就像你精心装修了一屋子智能设备，最后发现天天用的还是那盏普通台灯。

• 图1｜3年后，我的AI工具箱

02 THE PATTERN

不是我退步了，是规律到了

那些被删掉的 MCP、Skills、Plugin，是怎么死的？

我复盘过，大部分原因只有一个：模型升级，能力被固化进模型了。 比如以前需要一个 Skill 教 AI 怎么规划任务，现在模型自己就会；以前要靠一个 Plugin 补上某个能力缺口，现在原生就支持。

次要原因也有几个：有的是维护成本太高，版本一更新就不兼容，调试它的时间比手写还长；有的是通用型工具，套进自己的工作流就是不匹配；还有的是功能重叠，装了五个同类的，最后只用一个。

关键是，这不是我一个人的体验，整个行业都在发生同样的事。

Anthropic 把 Claude Code 的系统提示词删掉了 80% 以上，那可是他们打磨了一年多、被数百万开发者每天使用的核心资产，编码评测没有任何可测量的损失。

腾讯一个团队给自家 harness 框架做减法：根指令删掉 61%，skills 砍掉 40%，agent 从 10 个减到 6 个。删完之后他们问自己同一个问题：这一条，到底还有没有用？

连造模型的、最会写提示词的人都在做减法，你我有什么底气觉得自己囤的技巧能保值？

淘天团队给过一个判断标准，我原话搬给你：

「下一代 SOTA 模型发布时，我正在做的这件事，是获益，还是作废？」

按这个标准，投入可以分成两类。

一类是贬值区：凡是补偿模型能力缺口的投入，精细的提示词技巧、复杂的流程编排、教模型做事的教程。模型每次升级，都在吸收这一层。你今天熬夜学的技巧，可能就是明天模型的原生功能。

另一类是增值区：凡是给模型提供它自己造不出来的信息的投入。你的业务上下文、你的项目环境、你独有的判断标准。这些信息只能从你这里来，不可能从模型的权重里长出来。

你囤的每一条技巧，都在赌模型做不到那件事；

而模型每次升级，都在让一批赌注到期。

• 图2｜贬值区 vs 增值区：一条投入分界线

既然规律躲不开，怎么办？

我的答案不是躺平不学，而是换一套判断标准。

03 CHECKLIST

一套能截图带走的自检清单

空讲道理没用，给你点能直接上手的。我现在判断一个东西值不值得囤，就靠三个问题。拿到任何一条技巧、一个工具，先过一遍：

第一问：这个信息的源头，在公开语料里吗？

比如某个提示词模板、某个写作框架，本质上是对公开知识的整理。源头在公开语料里的东西，迟早会被模型内化，别花大功夫囤。模型下一两代就能自己做到。

第二问：它藏在你自己的项目或环境里吗？

比如跑测试必须加的某个参数、部署脚本里的特殊配置。这类信息模型读不到，但它自己能发现。正确做法不是写进提示词，而是做成工具、脚本、linter 规则，让模型直接调用。写成指令反而会过期。

第三问：它只存在于你的脑子里吗？

比如你的价值排序、你为什么这么设计的理由、你对什么叫够好的判断。这是模型永远拿不到的信息，也是你唯一不可替代的资产。 我的做法是把这些前置梳理清楚、外化成文档，让每次对话都直接受益。

说实话，三问里我最想让你记住的就是这一问。前两问还能从别处找答案，这一问只有你自己能回答。

三问过完，基本就能判断这东西是资产还是负债。

• 图3｜源头三问：收藏前自查

再补一条我的收藏纪律：

「24 小时法则：看到对眼的工具先收藏可以，但前提是 24 小时内你有时间去实践一遍。不然大概率吃灰，就没必要收藏了。」

• 图4｜24 小时法则

小技巧： 我会定期（大概每遇到一次大版本升级）把收藏夹整个过一遍，用三问重新审一遍每一项。审完通常能删掉三分之一，删的时候一点都不心疼，因为知道它们不是资产，是自我安慰。

∞ THE END

最后说点心里话

聊这么多，其实最想说的就一句：

「人的主观认识这部分，是模型永远拿不到的信息，必须要前置梳理明确好。」

模型越来越强，技巧层的东西一直在贬值，这个趋势不会停。但你对需求的理解决定你能把 AI 用到什么程度，这件事不但不贬值，反而越来越值钱。

我现在的时间是这样花的：一小部分用来追最前沿的领域知识和工具迭代，保持不掉队就行；大部分时间拿来做两件事，把这些新观点、新工具应用到实际工作里，或者特意构建一些小项目来体验一番。有了积累，就写成文章分享出来，就像现在这篇。

为什么坚持写？因为把道理给别人讲明白，才是真的懂。

现在轮到你了，今晚就打开你的收藏夹，用三个问题加 24 小时法则过一遍，看看你的资产库里，有多少是真正的资产。

也很想听听：这三年里，你手里有什么东西是一直没被作废、越用越顺手的？评论区聊聊，让我们互相抄抄作业。

参考：本文行业数据来自 Anthropic、腾讯云开发者社区、淘天技术团队的公开分享。

END

我是艾启蒙，用 AI 陪伴成长，用技术创造价值。

如果这篇文章对你有帮助，点个「分享」，让更多想学AI编程的朋友看到。 觉得内容有价值？设个邮箱订阅，以后每次更新都能第一时间收到。