Dan McKinley：prompt 就是个向量，文字本身不重要

Dan McKinley 做了个演讲叫《Prompts Aren't Real》，观点跟标题一样直接：把 prompt engineering 当成一门手艺，是搞错了类别。prompt 就是向量，它的文字内容根本不重要，重要的只有你围着它建起来的那套度量装置。内容在 https://evaluation.club ，Hacker News 上 91 分。

他开场举的证据是那种每个团队都有、但没人写下来的事。一个反复出现的 JSON 幻觉故障，靠把一个字段名从 title 改成 heading 解决了。就这样。指令一个字没改，没有澄清任何推理过程，换了个词，bug 消失了。如果你的心智模型是在给同事讲清楚一个任务，这个修法毫无道理。如果你的心智模型是在一个空间里搜索、文本只是坐标，那它完全说得通，同时也告诉你：靠人手工挑坐标，是拿错了工具。

他给的替代方案是 pass^k。生成对抗性场景，每个反复跑很多次，在任何改动前后拿到的是一个分布，而不是一次通过的跑批。然后让算法配上 LLM 裁判，对着这个度量去自动改写 prompt，并且接受最后落点会跟你的起点差得很远，而且你没法用人话解释它为什么更好。

接着递归就咬人了。判断品牌调性这种东西本身就是个模糊任务，所以你得再建一个评估器并且优化它，于是你的优化问题里套了一个优化问题。他没有假装这事解决了。他还说，哪怕模型质量已经不错，只要你以任何真实规模去看，妖怪总会跑出笼子，连字符数上限这种简单约束都会有一定比例失效，prompt 里写什么都一样。

对正在招人的团队来说，扎心的推论是：有市场价值的技能不是写出那个 prompt，是拥有那个最终把你的 prompt 扔掉的循环。