十九条提示词与一座信任倒金字塔
一份关于「怎么指挥 Agent」的素材整理。前半是十九段可直接用的提示词,按用途分成五类:逼它想清楚、逼它别迎合、逼它做验证、让它做清理、给它定场。其中几条我觉得最狠——「不要默认我的问题定义就是正确的」「先假设你认为最合理的方案是错的」「如果其他几方都错了,你哪项独立核验能发现」。后半是另一位工程师的信任倒金字塔:把精力按确定性从高到低投放,代码库与架构在最底、人工审查在最顶,而关键动作是「每次纠正 Agent,先问能不能变成一条确定性检查」。
本文整理自一份流传的提示词合集(原作者署名为「数字生命卡兹克」),以及一位工程师关于「信任倒金字塔」的公开表述。内容属整理稿而非逐字照搬。
文中提到的一位工程师的团队数据(月合入 PR 数与回滚率)沿用原述,未做外部核验。
先说这批素材的形状
它不是一篇文章,是一堆可以直接抄走的话。
而把它们摊开看,会发现它们其实在补同一件事:模型默认会往「讨好、含糊、表面完成」的方向滑,而每一条提示词都是在那个方向上顶一根柱子。
而后面那部分(信任倒金字塔)反过来问:为什么有些事根本不该靠提示词?
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart LR
A["提示词<br/>补人的判断力"] --> C["让 Agent 少犯可预见的错"]
B["环境<br/>补机器的确定性"] --> C上图是这两半的关系。它们不冲突,而是分工。
第一类:逼它想清楚
找根因
从第一性原理出发,找到最本质原因,修复一下。
这条最短,但它约束的是「别打补丁」——「修复一下」很容易变成改表象,而前半句把落点定在了原因上。
先对齐再动手
先问一些不清晰的问题,对齐我的喜好,然后再出三版方案。
两件事被捆在了一起:先问清楚(而不是猜),再给三个选项(而不是给一个让你无从比较的方案)。
「三版」这个数字我觉得有讲究——一版是没有选择,两版容易二元对立,三版刚好能逼出「还有第三种做法」这一层。
别把我的问题当成正确的问题 ⭐
这一条我认为是整批里最有分量的一句:
不要默认我提出的问题定义就是正确的。
你先分析我真正想解决的底层需求,判断我有没有把症状误认为原因、把手段误认为目标。
如果存在更值得解决的问题,直接指出来。
它拆的其实是三类错位:
| 错位 | 表现 |
|---|---|
| 症状当成原因 | 界面卡 → 去优化渲染,其实是数据量炸了 |
| 手段当成目标 | 「加个缓存」→ 目标可能是「让它别那么慢」 |
| 问题本身选错了 | 这个需求其实不值得做 |
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart TB
A["用户说的"] --> B["他真正要的"]
A -.->|"可能错位"| C["症状/手段/伪需求"]
B --> D["值得解决的问题"]上图是这个拆解。而它的价值在于:它给了模型「反驳你」的授权。
推演二阶三阶影响
不要只考虑这个改动产生的直接效果。继续推演它的二阶、三阶影响, 尤其关注对其他模块、用户行为、系统复杂度和长期维护成本的潜在影响。
这四个观察面我认为选得很准:其他模块(耦合)、用户行为(人会怎么用它绕过去)、系统复杂度(引入了几条新路径)、长期维护成本(谁将来要改它)。
「用户行为」这一条最容易被漏——因为技术评审通常只看代码,而新功能的真实成本往往在「人会怎么滥用它」上。
跨领域找方案
其他领域里有没有类似的方案,用跨领域的方式全面思考,找到最优解。
还有一条更具体的:
我的想法或目前存在的问题,是否是其他领域经典问题的变体,有无成熟的解决方案,请进行跨领域的广度搜索核实这一点。
注意第二条的措辞:它要的不是「随便联想一下」,而是「核实」——先假设它是某个经典问题的变体,然后去验证。 这两者的差别很大:前者产出类比,后者产出结论。
第二类:逼它别迎合
假设自己错了 ⭐
先假设你当前认为最合理的方案是错误的。
站在最强反对者的角度,寻找能够推翻它的证据、反例和边界情况。
然后重新评估方案,看看有没有更好的解法。
这条的结构很干净:先立一个「最强反对者」的位置,再要求它去找能推翻的证据——而不是「顺便想想有什么风险」。
「最强反对者」这个限定是关键:因为日常的「有什么风险」会得到一堆无痛的小风险,而「最强反对者」要求它站在真正想打败你的立场上。
定场:不许迎合 ⭐
这一条是给整场对话定基调的:
请在与我的讨论和回答中遵循以下原则:
以事实、证据和合理推理为依据,不因我的立场或偏好而迎合我,也不为反对而反对。
如果我的观点、前提或推理存在问题,请直接指出并说明理由;依据不足或存在不确定性时,请明确说明,区分事实、推断与意见。
它同时压住了两个方向:「不因偏好迎合」,和**「不为反对而反对」**。第二条常被忽略,但确实存在「为了显得独立而故意挑刺」这种失效。
而「区分事实、推断与意见」这一句,我认为是它最实用的部分——因为它要求模型给自己的每句话标注证据等级。
越聊越不对劲时,归拢一下
这一段我觉得场景选得很真实:
每次跟 AI 聊,越聊越不对劲的时候,都需要这个提示词来归拢一下想法:
请重新回顾此前围绕 X 的设计讨论,独立重新评估该设计的取舍,并判断什么才是最佳方案;
不要因为那些建议由我提出就倾向于接受,也不要为了迎合我而让步。
给出你独立得出的推荐设计,说明理由、关键取舍和仍存在的不确定点或需要补充验证的信息。
「不要因为建议由我提出就倾向于接受」——这句话直接点出了那个隐形的偏移:在多轮对话里,你的方案会慢慢变成「既定前提」,而模型会开始围着它优化,而不是质疑它。
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart LR
A["第 1 轮<br/>我的方案是假设"] --> B["第 5 轮<br/>我的方案成了前提"]
B --> C["它只优化,不再质疑"]上图是这个漂移。而这条提示词的作用是把它重置回第一轮。
允许它说得难听
这一条是上一类的加强版:
继续向我提问以确保你完全理解我的意思,且你的回答必须完全无隐瞒,禁止讨好我而隐藏「你做不到」的事实,
你的回答可以犀利甚至有些「不安全」「偏执、疯狂的」。
「禁止隐藏你做不到的事实」——这一句我觉得比「要诚实」有力得多,因为它针对的是一个具体行为:遇到做不了的事,它倾向于换个说法绕过去,而不是直说。
第三类:逼它做验证
深层推演
请执行深层推演。在生成最终结论前,先列出至少 3 种边界异常与假设推翻场景, 逐一进行逆向压力测试,确认逻辑无误后再输出解决方案。
「先列,再测,最后才输出」——它把顺序写死了。 这一点很重要,因为模型默认是先给结论,再补理由。
那项自我检查 ⭐
这一条只有一句,但我觉得是整批里最锋利的一条:
如果其他几方都错了,你这次做的哪项独立核验,有机会发现那个错误。
它问的不是「你确认了吗」,而是「你的确认里哪一步是独立的」。
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart TB
A["几个人都看了"] --> B{"他们的检查<br/>独立吗"}
B -->|"共用同一个前提"| C["一起错"]
B -->|"各自独立验证"| D["才叫交叉验证"]上图是它要区分的东西。因为「三个人都检查过了」和「三个独立的检查都过了」是两件事——而后者才叫验证,前者只是复核同一个视角。
复盘要落到机制
全面复盘最近某段时间的 Bug、返工、回滚和重复修改。
不要只统计发生了什么,要分析这些问题背后有没有共同的根因。
把能够预防的共性问题沉淀成项目规则、自动化或者 skill,避免我们反复支付同样的成本。
「沉淀成规则、自动化或 skill」——这句话把复盘从「总结经验」拽到了「改环境」,而这正是后面那半篇的主题。
性能排查
全面分析最近某段时间里的所有 PR,找出最慢的那几个,看看有没有导致卡顿、可以优化的地方。
这条朴素,但它示范了一件事:先缩小范围(最慢的几个),再分析——而不是「全面分析所有 PR」。
第四类:让它做清理
读历史,找遗产 ⭐
深入分析整个代码库的 Git 历史、关键 PR 和架构演变过程。
找出哪些设计是有意为之,哪些是历史遗留,哪些是为了解决已经不存在的问题而引入的。
识别可以安全移除的历史包袱。
这三分类我觉得非常实用:
| 类型 | 怎么处理 |
|---|---|
| 有意为之 | 保留,且要理解为什么 |
| 历史遗留 | 可评估移除 |
| 为了解决已不存在的问题 | 最值得清理——它的存在理由消失了 |
第三类是最隐蔽的:代码本身没错,但它防的那个风险已经不存在了——于是它变成纯负担。
换人接手测试 ⭐
假设明天有一个完全不了解项目、但是能力很强的工程师来接手。
请评估他理解整个项目需要付出的认知成本,
找出那些命名混乱、抽象过度、职责不清晰、需要大量上下文才能理解的代码,并提出简化方案。
「能力很强但不了解项目」这个设定很妙——它排除了「看不懂是因为水平不够」这个借口,把问题唯一地归到代码上。
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart LR
A["能力很强"] --> C["所以看不懂<br/>只能是代码的问题"]
B["完全不了解"] --> C上图是这个设定的逻辑。它把「可读性」变成了一个可测量的东西:新人要花多久。
清掉过程记录
请全面检查当前项目的所有文件(包括脚本、文档等):
逐项审查并确认代码结构干净、命名与结构统一归一、遵循单一职责原则;
删除冗余内容、废弃的历史记录及历史思考过程,仅保留最终敲定的版本;
最后对所有修改进行审核,并汇总说明发现的问题、已做的清理与调整,以及是否还存在潜在冗余或待确认的取舍。
作者的理由很实在:「因为发现 AI 总记录一大堆过程」。
这条和前面几讲那条「做加法谁都会,做减法很难」是同一个问题——AI 尤其擅长留痕,因为写下来对它没有成本,而清理对它有。
低熵运行
尽量保证低熵运行,确保任务中不留存非必要的上下文噪声、历史返工噪声,仅保留正向流程。
「历史返工噪声」这个词我觉得很准——它指的是那些**「试过但失败了」的痕迹**。它们看起来是信息,但在后续轮次里只会稀释注意力。
第五类:UI 与方法
先收束功能,再谈界面
从产品经理的角度去对整体功能需求进行收束,梳理一份核心功能架构,出一个 mermaid 的功能流程图。
注意顺序:先收束需求,再画图——而不是「画个图看看」。
洗掉 AI 味
【洗掉 AI 味】从用户体验的视角,去对整体产品 UI、UX 设计做优化,
去掉无用说明、改掉用户不懂的晦涩文字、最大程度简化用户操作,优化后使产品达到可交付的标准状态。
这三件事其实是一条线的三个层次:删掉不需要的 → 改写看不懂的 → 减少要操作的。
下半部分:信任倒金字塔 ⭐
前面那十九条,本质都是「用提示词让 Agent 表现更好」。
而这位工程师的框架反过来问:哪些事根本不该靠提示词?
那句话
她的核心不是「更聪明的提示词」,而是「更可信的环境」。
而这个判断是拿数据支撑的:
她团队一个月合入约一万一千个 PR,回滚率约零点五个百分点。
前提就是内循环先不掉链子。
五层,按确定性从高到低 ⭐
她说把精力从上到下投在「确定性更强」的地方。而她的排序是这样的。
| 层 | 手段 | 确定性 |
|---|---|---|
| 一 | 代码库与架构:接口设计、目录边界、重构,让正确写法成为默认路径 | 最高 |
| 二 | 静态分析:Lint、类型系统、编译器、测试,机器自动拦截 | 高 |
| 三 | 验证:运行时验证加形式化验证,确认真的跑通 | 中高 |
| 四 | 自然语言规则:规则文件、Skill,只留需要判断的部分 | 低 |
| 五 | 人工审查:成本最高,尽量收缩到只看验证产物 | 最低 |
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart TB
A["① 代码库与架构<br/>让正确成为默认"] --> B["② 静态分析<br/>机器拦截"]
B --> C["③ 运行时验证"]
C --> D["④ 自然语言规则<br/>只留需判断的"]
D --> E["⑤ 人工审查<br/>只看验证产物"]上图是这个倒金字塔。注意它「倒」在哪:人们习惯把精力花在顶部(人工审查)和中部(写规则),而她把重心压到了底部。
而「让正确写法成为默认路径」这句是关键——它不是说「告诉它怎么写对」,而是「让它不写对就很别扭」。
那个关键动作 ⭐
这一句我认为是整篇最该被记住的:
每次纠正 Agent,先问「能不能变成一条确定性检查」,而不是往文档里再加一行规则。
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart LR
A["Agent 又犯了同样的错"] --> B{"能不能变检查"}
B -->|"能"| C["写成 Lint 规则<br/>类型约束 · CI 门禁"]
B -->|"不能"| D["才写进规则文件"]上图是这个决策。它把「加规则」从第一反应降级成了兜底选项。
我能想到它为什么有效:规则是「希望它照做」,检查是「它做不到就过不去」。 而模型的执行是不稳定的——它会忘、会误解、会在长对话后漂移,所以凡是能变成机械检查的,都不该留在「希望」这一层。
内外双循环
他用两个循环解释规模化的前提:
| 循环 | 内容 |
|---|---|
| 内循环 | 单个 Agent 自己跑、自己验证、自己举证,先别急着并行 |
| 外循环 | 内循环足够稳之后,用编排层调度大量 Agent 并行干活,自动开 PR、跑验证、合入 |
而那句总结我觉得该裱起来:
先修好 Agent 干活的环境,再谈规模化。
内循环产出是垃圾,外循环只会更快地产出更多垃圾。
图表加载后显示;未启用 JavaScript 时可阅读下方流程源码。
flowchart LR
A["内循环不稳"] --> B["外循环放大"]
B --> C["更快地产生更多垃圾"]上图是这个放大效应。它和前面几讲那条「没有终止条件会烧掉预算」是同一类结构:并行不创造正确性,它只放大现有水平。
我的三点补充
以下是评注,不是原片内容;取舍由我负责。
第一,那十九条提示词里,真正有效的那些都在做同一件事:给模型一个「可以说不会」的位置。 「不要默认我的问题定义正确」「假设你的方案是错的」。
「禁止隐藏你做不到」「你的回答可以偏执」。**它们都在解除「必须让你满意」这个默认约束。**而这个约束不是模型故意加的,它是训练出来的。所以想让它说真话,得先明确授权它顶撞你。
第二,「如果其他几方都错了,你哪项独立核验能发现」这一条,问的是检查的独立性而不是覆盖率。 因为多个检查如果共享同一个前提,它们会一起错——数量再多也不构成验证。这也是为什么「三个人都看过了」不能替代「三个独立的检查」。
第三,信任倒金字塔真正的贡献,是把「写规则」从答案降成了兜底。 大多数人遇到 Agent 犯错的第一反应是补一条规则,而它问的是能不能变成一条确定性检查。这个转向的深层理由是:规则的执行依赖被约束者的配合,而检查不依赖。 所以两者不是「程度不同」,是性质不同——一个是在请求,一个是在强制。
一句话总结:提示词能让 Agent 少犯错,但只有环境能让它「犯不了那个错」。 而判断标准很简单:你这条纠正,是希望它记住,还是让它做不到?