提示词工程与专业能力：陶哲轩案例揭示的LLM使用真相

提示词工程很重要吗？ 重要，但更重要的是：你，是你的专业能力！ https://www.seangoedecke.com/llms-reward-expertise/

关键案例：陶哲轩与 ChatGPT 讨论 Jacobian 猜想反例 作者的感受是："这不是我平时用的那个 ChatGPT"——即使给他无限 token，他也到不了陶哲轩到达的地方。他从对话中提炼出四个可观察的特征： · 陶的消息极短，只回应要点，不逐条回应模型输出 · 模型的输出也明显更简洁——专业信号把模型切换进了"对数学家说话"模式 · 陶质疑时避免直接否定，用"这比我预期的更复杂"之类的话做方向性引导 · 陶自己提出跳跃和建议，几乎从不采纳模型关于下一步的意见

技巧是表象，专业是内核 最重要的转折：模仿以上四条无法达到陶的效果。这些行为的前提是他真的懂数学——能从模型多段回复中挑出真正相关的想法,能提出替代表述,能一眼识别"哪里看着不对"。技巧是专业能力的外显，无法单独存在。

迁移到软件工程 作者用自己的经验佐证：对代码库有清晰的"理论"，就能把 LLM 逼得更紧——"这里应该能更简单"、"我们已经有 X 了吧"、"能否用这些熟悉的概念重新表述"。这呼应他此前的观点：系统设计由具体细节主导。他宁要对某个代码库的熟悉，也不要对软件系统的宽泛理解，因为具体性才能让你像陶那样问出"X 在这里成立吗"、"已知 Y 和 Z，为什么是 A"。

两种使用模式 · 无领域知识：依附 LLM，至少能拿到点什么，这本身没问题 · 有领域知识：对同一个 LLM 强力施加方向，榨出远多得多的价值