寫提示詞不是工程。只是打字。
你輸入你想要的內容。AI 其餘的會自己處理。那不是一種技能，那只是跟一個非常快、非常有自信、而且從不承認不確定性的實習生聊天。
但我們卻開始稱自己為提示詞工程師。我們開始把它寫進 LinkedIn。我們開始裝作「知道怎麼問」就等於「知道怎麼做」。其實不是。
真正的技能——那個真正重要、一直都在、從來沒有改變的技能——是判斷力。知道該問什麼。知道答案對不對。知道 AI 假設了什麼、漏掉了什麼，以及它在沒提醒你的情況下悄悄弄壞了什麼。
提示詞不是技能。判斷力才是。
讓我解釋為什麼——以及為什麼假裝不是這樣，其實正在傷害我們。
我們實際在做什麼
老實說，實際上的提示詞工作長什麼樣子。
你打開一個聊天視窗，輸入你想要的描述，AI 寫出程式碼。如果有錯或不完整，你再補一句，繼續修正，AI 再試一次。你重複這個流程，直到它能用，或者你放棄，自己寫。
那不是工程。那是在聊天。
工程需要理解取捨。它需要知道為什麼在特定情境下，一種解法比另一種更好。它需要預測失敗模式、為變動做設計、做出即使在六個月後需求改變、而且還要由別人維護程式碼時依然站得住腳的決策。
提示詞不需要這些。
AI 會處理那些取捨——或者更準確地說，它會做出選擇，但不把這些選擇攤開給你看。AI 會預測失敗模式——但通常很糟，而且是默默地糟，直到上線你才會發現。AI 會做架構決策。你負責審核、核准，然後交付。
我們把思考外包了，卻把它叫做技能。
我們把使用工具和掌握技藝搞混了。
我們對自己說的謊
下面這句謊話，我直接講清楚：我是提示詞工程師。我已經發展出一項新的專業技能。
你沒有。你只是學會了跟一台機器說話，而那台機器就是被刻意設計成、花了巨額成本，去理解任何人的自然語言。這些模型存在的目的，就是讓你不需要特殊知識也能使用它們。
AI 不需要你的提示詞工程技巧。它需要的是你的判斷力。它需要你知道它寫的程式碼是不是正確——不只是語法正確，而是對你的使用情境、你的限制、你的邊界案例都正確。它需要你抓出它沒說出口的假設。它需要你問：「如果這個清單是空的，會怎樣？」因為 AI 不會問這個問題。它只會假設清單永遠有資料，基於這個假設寫出程式碼，然後回傳看起來完全合理的結果，直到有個空清單的使用者打到這個端點。
而最讓我在意的是這一點：提示詞人人都能用。我的非技術朋友會下提示詞，我父母開始會下提示詞，我那個把「寫程式」形容成「讓電腦做事」的鄰居也會下提示詞。他們都能得到有用的結果。
區分一個開發者和一個從沒寫過一行程式碼的人，關鍵不是提示詞。關鍵是你怎麼處理答案。關鍵是你知道答案什麼時候是錯的。關鍵是你知道 AI 的輸出哪些部分可以信、哪些部分要自己驗證。
那不是提示詞技能，那是開發技能。而我們一直都具備它。
我無法再忽視的那一刻
上個月在一次聚會上，一位非技術背景的朋友把我拉到一旁。他們用了幾週的 AI 工具，明顯很興奮。
「所以你只要輸入你想要的東西，AI 就會幫你寫程式碼？」我說是。
然後我感受到一種我沒預料到的情緒：尷尬。
因為那就是我在做的事。我輸入我想要的內容。我檢查答案。我複製相關部分。我交付。那一刻我意識到，我的朋友——他不知道 stack trace 是什麼、從沒除過錯、覺得「部署」就是把檔案寄出去——也可以用同樣的工具，照著同樣的步驟做同樣的事。
所以我問了自己一個不舒服的問題：如果一個沒有我背景的人可以走同樣的工作流程，那我真正的價值是什麼？
當我誠實面對這個問題時，答案是：我知道 AI 什麼時候錯了。我知道下一步該問什麼。我知道 AI 假設了什麼，以及那些假設是否成立。我知道它的哪些解法在高負載下會出問題、在哪些邊界案例會失敗、以及哪些會讓維護變成惡夢。
那些都不是提示詞技能。那些是工程技能。它們是經過多年挫折與失敗才培養出來的。而且它們完全不會體現在提示詞本身裡。
真正的技能到底是什麼
提示詞只是輸入方式。真正的技能是圍繞它的一切。
知道真正該問什麼。 不是「寫一個做 X 的函式」——那太簡單了，誰都能問。真正的問題是：「寫一個能處理空輸入、null 值和格式錯誤資料的函式，並告訴我你做了哪些假設。」這需要知道可能出什麼問題，而這需要經驗。
知道答案是不是對的。 AI 永遠都很有自信。自信不等於正確。你需要背景知識，才知道什麼時候自信是在騙人——什麼時候程式碼看起來對，卻有細微缺陷；什麼時候解釋看起來合理，實際上是錯的；什麼時候解法能通過範例，卻在一般情況下失敗。
知道 AI 假設了什麼。 這是最常出問題的地方。AI 不會告訴你它的假設——它只會直接假設，然後往下走。空清單、非 null 指標、永遠是 UTC 的時區、一定有名字的使用者。能在這些假設進到 production 前抓出來，就是百分之百的工程技能。
知道什麼時候直接忽略 AI。 有時 AI 給你的解法技術上可行，但對你的情境就是不對——架構不對、抽象層級不對、跟你的特定限制相比取捨不對。要能看出這點，需要你對系統有足夠深的理解，能評估提案，而不是只會接受它。
這些都不是提示詞技能。它們就是開發者一直以來都需要的技能。輸入方式變了，但所需要的判斷力沒有變。
提示詞很簡單，判斷力很難。我們該停止把它們混為一談了。
為什麼這不只是文字遊戲
把提示詞稱為一種技能，不是無傷大雅的改名。它有實際後果。
初階開發者被告知要學提示工程，好像那是基礎一樣，好像它可以取代對資料結構、除錯、系統設計、以及事物如何失敗的理解一樣。不能。它做不到。一個會下提示詞、卻不能推理自己程式碼的初階開發者，只是一個能很快產出、卻很慢發現問題的初階開發者。
公司正在招聘提示詞工程師——這些職位優化的是輸入方式，而不是背後的判斷力。他們正在打造一個以工具而不是技藝為中心的團隊。
而開發者也正在把看起來很厲害、其實任何有網路的人都能做的事，更新到自己的 LinkedIn 技能欄裡。
結果就是：產業出現了一層「會生成、但不會評估」的人。這些人能快速交付，但出錯時不會除錯。對哪種提示技巧最好有很強的意見，卻對程式碼為什麼真的錯了只有脆弱的直覺。
當空清單假設在凌晨兩點把 production 弄掛時，提示詞救不了你。能救你的是除錯能力，是架構直覺，是曾經被坑過的經驗。
我們不是提示詞工程師。我們是把 AI 當工具使用的開發者。而這兩種描述之間的差距，比看起來還重要。
我現在的做法
我沒有放棄 AI。我也沒有退回到所有東西都從頭寫。那會是另一種自欺。
但我已經不再把提示詞稱為某種真正意義上的技能。我把它當成一種輸入方式——就像打字或使用終端機一樣。那是我跟工具溝通的方式，不是我培養出來的能力。
我專注在那些真正需要判斷力的事情：架構、邊界案例、失敗模式、取捨，以及輸出中那些看起來正確、實際上卻藏著的假設。我在交付前會先問：AI 假設了什麼？我會像對待一個很有自信、但還沒在 production 做過事的初階同事一樣，對 AI 的自信輸出保持懷疑。
我會定期提醒自己：打字不是工程。思考才是。而且我不會把提示工程寫進履歷。
一個問題
你是提示詞工程師嗎？
還是你其實是個開發者——擁有真正的技能、真正的判斷力、真正的經驗，只是剛好把 AI 當工具在用？
我已經決定要怎麼回答這個問題了。
你的答案呢？👇
原文出處：https://dev.to/harsh2644/the-prompt-is-not-a-skill-and-we-need-to-stop-pretending-3m18
1) --- 會變成分隔線（上一行必須是空白）
2) # 會變成一級標題
3) ## 會變成二級標題
4) ### 會變成三級標題
5) **粗體文字**會顯示粗體文字
6) ```當第一行與最後一行會顯示程式碼
7) 請搜尋 Markdown 語法，了解各種格式
