上周，我参加了一次提示词 PK 赛

• 比赛项目：从公开评论中提取字数较多的用户反馈，看看能挖出来什么有价值的信息。
• 我：代表传统分析师，和 AI 多轮对话，耗时 1 小时。
• 我拍档：代表新潮流分析师，用各种提示词工程技巧，以及高手封装好的提示词工具，在少数轮次的对话中让 AI 快速交付，耗时 10 分钟。

I won.

这是一个内部活动，虽然内容已经脱敏了，没什么不恰当的地方，但发公众号总觉得怪怪的，所以比赛过程，尤其是我这 1 小时跟 Gemini 对话的方法技巧，只发在我的小报童专栏。

我这 1 小时完整的对话是 3.5 万字。

在对话过程中，我会手动把有价值的少数文本复制到另一篇调研总结里。我一个字都不写，只是设计章节结构，然后把内容裁剪到章节下——3.5 万字的原文，手动压缩成了 2400 字。在这个过程中手动过滤了大量的废话和错误的观点，只保留对我有触动的 2400 字。一方面手动裁剪加深了我对重要内容的印象，另一方面这让我有可能反复阅读精华部分，而不是像清水一样在脑子里流过就消失了。

1、刚才这一系列的信息梳理过程，我们经历了多轮对话，你可以把多轮对话中我的需求转化为一段完整的提示词吗？让一轮或者很少几轮对话就能得到这些答案。

Gemini：给了我一段 800 字的提示词。

2、强制忽略以上所有对话，按以下提示词，对一开始输入的 PDF 进行分析并输出答案。

然后复制了 Gemini 给我的 800 字提示词。

Gemini：交付了结构化的 2800 字答卷，质量比我整理的 2400 字差非常多，干燥而刻板。

3、请看我对这次对话中有价值部分的手工整理，并评价我在信息分析过程中做得好和不好的部分。

然后复制了我手动整理的 2400 字。

Gemini：吹了一通彩虹屁，对于改进建议则是一坨废话。

最后我们聊到为什么 800 字提示词的效果完全不行，因为我在对话过程中大概提了十几个问题，对于内容整理和理解进行了 step by step 的收敛，根据每次 Gemini 的交付来进行下一轮收敛。这种不断收敛的过程，相当于把开放性任务拆分为多个（越来越精确的）收敛任务，从概率计算的角度，越收敛就越准确。

此外，3.5 万字的原文执行压缩这个动作时：

• 我比 Gemini 更能抓重点。

• 在抓重点的过程中，手动过滤掉了大量的废话和错误的观点。

• 最重要的是，我会对压缩后的内容进行当面讲解，相当于解压缩，而我在压缩时已经考虑到了自己解压缩的方式。因此我压缩到 2400 字以后可以做到高解码率还原。

Gemini 与之相比，压缩到 2800 字以后成了一坨结构化马赛克。

• AI 的压缩能力可以达到 70 分以上，还无法和聪明的人类相比。

• AI 无法识别（在我看来）正确的废话和错误的观点，在 2800 字里浪费了大量的 token，毛估有 2000 字，不仅浪费甚多，还导致人类验收时付出许多注意力成本去筛选有效信息。

• AI 没法像人类一样，通过当面讲解来解压缩。

因此，如果不跟我的 1 小时相比，AI 的快速交付 “有点价值”， 10 分钟写提示词，5 分钟速读并挑出来有一些些启发的部分。但和我相比则完败，我交付了更多值得反复阅读与讨论的内容，在当面讲解时展开这些信息引导讨论。

这就是我从来都不在乎提示词工程的原因……全面而准确的描述是最好的提示词工程，敏锐的追问是最好的提示词技巧，这是一项能力，而非方法。

换个角度来看，像我这样深入提问并且花工夫总结的人是极少的，这都不是 10 分钟 VS 60 分钟的事儿，我这 60 分钟做到的效果是大多数人做不到的。对大多数人来说，“花少量时间” 从 AI 总结里 “获得少量价值” 才是常态，付出很少，收获不大，若有所思，主打一个快速获得感。大多数时候如同我刻薄的表达：像清水一样在脑子里流过就消失了。