AI智能体的下一站:从写好提示词到设计好目标
给AI发一句「帮我写份周报」,它输出的内容总差强人意——这是很多人用AI工具时的共同体验。
LangChain(开发AI智能体的主流框架)的创始人Harrison Chase最近在推特上分享了一个新观点:当AI智能体开始朝着目标自主工作时,「设计目标」这件事变得比写提示词更重要。他和同事Manu Garimella一起总结了在ActiveLoop的实战经验,这条推文获得了228个赞、373次收藏,总互动量超过1400次。
过去我们用AI,习惯写一段详细的提示词(Prompt),告诉它第一步做什么、第二步做什么。但Harrison Chase认为,更有效的方式是围绕「你能轻松给出反馈的环节」来设计目标。反馈是对齐AI行为和你预期的关键工具——你越容易判断它做得对不对,它就越能往你想要的方向走。
@agupta_108 把这个趋势总结成了一条演进线:Prompt → Context → Goal。也就是说,连接AI智能体和真实结果的方式,正在从「写指令」变成「给背景」再变成「定目标」。
@JoshARosen 补充了一个重要的提醒:与其给智能体一个单一目标,不如给它一组目标集合。这和学术界的观察一致——基于目标的智能体,本来就擅长处理那些无法靠单一动作完成的任务,需要通过一系列动作的组合来推进。
IBM的技术文档也提到,人类可以输入模糊的目标,由大语言模型把它拆解成更精确的目标集合。这意味着,你不需要把每一步都想清楚,只需要说清楚「最终要什么」。
但这并不意味着人可以完全放手。O'Reilly的观察指出,AI智能体可以持续朝着目标推进工作,但最终产出是否符合要求,仍然需要人来判断。
当「设计目标」取代「写提示词」成为和AI协作的核心技能,一个问题摆在面前:你准备好给AI定目标了吗?还是说,你更习惯把每一步都安排好?