跳到主要内容

工具生态,与这本书的保质期

这一章讲三件事: 工具该按什么分类去看(不是按品牌); 书里那近百个产品名今天还剩多少; 以及这本书作为一本 2025 年的书,它预测对了什么、漏掉了什么、还能用多久。 这是最后一章,它的作用是给整本书画上句号:告诉你什么该记住、什么该扔掉。

1. 先看现象:书里最有名的那个产品,书出版时已经不叫那个名字了​

书第 4 章列了几个主流对话机器人,其中一条是:

Google Bard——由 Google 的 LaMDA 驱动,能实时访问网络1。

这本书出版于 2025 年 1 月 26 日。

补充(不在书里): Bard 在 2024 年 2 月 8 日就已经和另一条产品线一起 统一改名为 Gemini;而且它早在 2023 年 3 月就换掉了 LaMDA、 2023 年 12 月又换成了 Gemini 系列模型2。

也就是说:书里这一句话,产品名过期了将近一年,底层模型过期了将近两年。

同一节里还有一条:微软的 Bing Chat3——它同样已经改叫 Copilot 了。

  2023-02  Bard 发布,用 LaMDA
  2023-03  换成 PaLM              ← 书里的描述从这一刻起就不准了
  2023-12  换成 Gemini Pro
  2024-02  改名 Gemini
     …
  2025-01  这本书出版,里面写着「Bard,由 LaMDA 驱动」

  图说:这不是作者偷懒 —— 这是「按品牌名写作」这件事的必然结果。
        一个 AI 产品名能撑一两年,而一本书从动笔到上架也要一年。

判断(我们的,不是书里的):这一处的教训不是「作者没查」, 而是「凡是列品牌名的章节,写下来那天就开始腐坏」。 所以读这三章的正确姿势不是记名字,是记分类—— 分类的寿命比品牌长得多,产品换了名字,它属于哪一类不会变。 如果错,会错在: 如果某个品牌成了事实标准并且十年不变(像 Excel 之于表格), 那记名字也没错——但今天这个领域里没有这样的名字。

2. 顶层全景:按「它替你做哪一步」把工具分成五类​

书用三章、近百个产品名讲工具,但它的分类是按「产品形态」分的: 创建类、测试类、无代码(指的是不用写程序,在网页上拖拖拽拽就能搭出个东西)那一类、 社区类4。 我们换一个更耐用的口径:它替你做的是第 07 章那条流程里的哪一步。

  ┌──────────────────────────────────────────────────────────────────┐
  │ ① 试   在网页上改一句、跑一下、看结果                             │
  │        → 手写阶段用。人人都需要,而且基本免费                     │
  ├──────────────────────────────────────────────────────────────────┤
  │ ② 串   把「取资料 → 调模型 → 处理结果 → 再调一次」串成一条流水线 │
  │        → 做产品的人需要                                          │
  ├──────────────────────────────────────────────────────────────────┤
  │ ③ 测   拿一批题跑两版提示词,把分数摆出来对比                     │
  │        → 第 07 章那套东西的载体。**这一类最被低估**              │
  ├──────────────────────────────────────────────────────────────────┤
  │ ④ 看   线上跑起来之后,记录每次调用、翻失败案例、算成本           │
  │        → 上线之后需要                                            │
  ├──────────────────────────────────────────────────────────────────┤
  │ ⑤ 用   现成的应用:写文案的、做图的、剪视频的                     │
  │        → 和提示工程关系最浅,它们把提示词藏在了产品里面           │
  └──────────────────────────────────────────────────────────────────┘

  图说:书里那近百个名字,每一个都能落到这五格里的某一格。
        你需要的不是名单,是先想清楚自己缺的是哪一格。

书里的名字大致这样分布(我们的归类,不是书里的):

这一格书里提到的代表说明
① 试OpenAI Playground5各家都有自己的版本
② 串LangChain、Azure Prompt Flow、Jinja6LangChain 书里描述为「把不同组件串起来做 AI 应用」
③ 测PromptFoo、Agenta、ChainForge、PromptBench7对应第 07 章的题集与尺子
④ 看PromptLayer8书说它「跟踪提示词的表现随时间怎么变」
⑤ 用Jasper、Copy.ai、Canva、Grammarly、Synthesia 等等几十个9第 4 章和第 10 章基本都是这一格

三个词要在这里解释,它们在②那一格里天天出现。先说前两个:

接口(英文 API):一个程序留给另一个程序调用的入口。 你在网页上打字用的是网页;程序要用同一个模型,走的就是接口。

开发工具包(英文 SDK):把调接口这件事包装好的一套现成代码, 省得你自己拼请求。

接口和开发工具包解决的都是「怎么调一次模型」。 ②那一格还要多解决一件事——把好几次串成一件事,这件事也有名字:

编排:把好几步(取资料、调模型、处理结果、再调一次)按顺序串起来、 并且管好中间出错怎么办。 ②那一格干的就是这件事。

一条压过所有选型建议的判据​

书给了五条选型建议10,第 4 章还给了另一份类似的五条11。 这五条都对,但都是废话级别的对——任何工具选型都可以照搬。

书给的选型建议为什么等于没说
看项目需求需求怎么写下来才算数,书没讲
看好不好上手没人会故意挑难用的
看能不能和现有系统接上对,但这是一切软件选型的通则
看能不能定制和扩展同上
看价格同上

补一条真正有用的(我们的,不是书里的):

先问:我现在卡在哪一格?

  • 卡在「不知道该写什么」→ 你需要的是第 02 章,不是工具;
  • 卡在「不知道哪版更好」→ 你需要的是③,而且可以先用一个表格文件顶着;
  • 卡在「串不起来」→ 你需要②;
  • 卡在「线上出了事不知道为什么」→ 你需要④;
  • 什么都不卡,只是想试试新工具 → 那就别装。

这条判据的价值在于它经常给出「不需要工具」的答案。

拿一个具体需求把它整个走一遍:

「我要给客服邮件做一套提示词。现在手上什么工具都没有。」

什么时候你卡在哪落进哪一格这一步装了什么
第 1 天「不知道该写什么」一格都不落什么都不装。 回第 02 章,把六个部件写全
第 3 天「写出三版了,不知道哪版更好」③ 测仍然不装。 开一个表格文件:一列装 30 条题,三列装三版的分数 21/30、26/30、24/30
第 3 周「要把『取订单信息 → 调模型 → 检查折扣码』串起来」② 串第一次真的需要装东西——这一步表格文件顶不住了
上线两周后「哪些回复被客户重问了?」④ 看装第二样:把每次调用逐条记下来的那种

四个路口,只有后两个真的装了东西。 而那两次有一个共同点:都是先撞上了一堵具体的墙,才去找的工具—— 不是先翻了工具清单,再去找该拿它干什么。

第 3 天那一行最值得盯:那是最容易乱花钱的一个路口。 「我要做评测,所以我需要一个评测工具」听起来天经地义, 但第 07 章那套评测,用一个表格文件加二十行脚本就能起步—— 先用最简陋的方式跑起来,等它明显不够用了再换工具,你才知道自己要什么。

(21/30、26/30、24/30 这三个分数是为演示编的,不是真实数值; 前两个和第 07 章那条主走查用的是同一条提示词。)

3. 那份「50 个 AI 工具」清单怎么读​

书的最后一章(第 10 章)是一份纯名单,分成六格一格一格列过去,每个产品配一句话12。 六格是这样分的:

名单里的一格装的是什么
对话机器人你打字、它回话的那一类
写作写文案、改稿子
图片生成或修图
视频生成、剪辑、配画面
语音配音与把语音转成文字
效率工具记笔记、做表、排日程那一堆

这一章的信息密度接近于零,而且腐坏最快。 但它有一个用法:

把它当成一份「有哪几类东西存在」的目录,而不是一份推荐名单。

比如它列了「AI 生成内容检测」这一类13—— 你可能压根不知道有这类工具存在,知道了才会去找今天最好的那个。 类别是有用的,具体名字不是。

判断(我们的,不是书里的):这一章不该存在于一本讲提示工程的书里。 它和提示工程唯一的关系是「这些工具背后也用提示词」, 但书没有讲任何一个工具的提示词怎么写。 这一章是凑篇幅,读的时候可以整章跳过。 如果错,会错在: 如果读者本来就是冲着「有哪些 AI 工具」买的这本书, 那这一章对他有用——但那样的话,书名里的「提示工程」就名不副实了。

4. 逐条核对:书对未来的十二条预测​

书用一整章讲未来趋势,一共给了十二条。先把账摊开,免得数字对不上:

哪一批几条在哪核
自动优化那一族(RLPO、元学习与自适应、跨领域迁移)3 条第 05 章核过了——三条都不是未来,书出版时全都已存在
说得清「什么情况算它错」的那一批6 条下面这张表
泛到说不清什么算错的那一批3 条本节末尾单独说

下面这六条的判定口径是:今天(2026 年 8 月)看,它成真了吗?

书的预测今天怎么样
自动检测并缓解偏见的工具14部分成真。 这类检查确实成了产品化的东西,但「自动检测偏见」远未解决
可解释性会成为重点15方向对,进展慢。 这仍然是个开放问题,不是已经落地的能力
各国会出更严的监管16成真。 这是这一章里最稳的一条预测
可保存、可复用的提示词模板17成真,而且成得很彻底——今天各家产品都有这个功能
提示词分享社区18成真,但重要性比预期低:因为好提示词是跟着任务和模型走的,别人的往往不适用
AI 会通过对话来帮你把提示词问清楚19成真,而且是以更强的形式:模型现在会主动追问、主动澄清

剩下的三条就是上面那张账里最泛的一批:多模态会扩展20、 AI 会进入医疗和法律的日常流程21、需要语言学与心理学的跨学科协作22。

先解释一个词,下面要一直用它:

证伪就是说清楚「什么情况一旦出现,就算你这话说错了」。 一句话如果不管发生什么都能算它说对了,那它就是无法证伪的—— 听起来很稳,其实什么都没说。

判断(我们的,不是书里的):这三条太泛,泛到无法证伪。 「AI 会进入更多行业」这种话在任何一年说都是对的,它不提供信息。 一条预测有没有价值,就看它能不能被证伪: 「监管会更严」能——如果三年里没有一部新法规出台,这条就算错了,所以它是条真预测; 「跨学科协作会更重要」不能——你说不出什么情况算它错,所以它只是一句表态。 如果错,会错在: 如果读者要的只是一个大方向的氛围感而不是可检验的判断, 那这几条对他是有用的——但那就不该叫「预测」。

书完全没预见到的三件事​

它出版于 2025 年 1 月,而这三件事在那之前都已经有苗头了:

书完全没提的为什么这是大事
让模型自己调用工具、自己跑多步任务(通常叫 agent,中文叫智能体)这是 2024 年之后最大的一条主线。它把提示工程从「写一句话」变成了「设计一个循环」
专门为多步思考训练的模型它直接让第 03 章一半的技巧变成了多余——这是提示工程最大的一次贬值
提示注入成为头号安全风险见第 06 章。而书在讲怎么把 AI 接进业务流程

这三件事有一个共同点:它们都不是「提示工程变得更强」, 而是「提示工程在整件事里的分量变了」。 一本讲提示工程的书,没有预见到这个,是可以理解的—— 但读者需要知道,才不至于把这本书当成一张现在的地图。

5. 那么这本书今天还剩多少​

这是整份拆解的最后一个问题,也是最实用的一个。

书的部分今天的状态建议
怎么写一条清楚的提示词(第 1、3 章的建议清单)不过时这是这本书唯一真正的价值,已经在第 02 章重写完
模型是怎么回事(第 2 章)对但极浅第 01 章补完了
技巧清单(第 3 章)三处讲错、全章零引用用我们的第 03、04、05 章代替
风险与误区(第 7 章)对,但漏了最大的一类第 06 章补了提示注入
案例与百分比(第 5、9 章)数字不可引用,提示词例子有用第 07 章筛过一遍了
工具名单(第 4、6、10 章)正在腐坏,而且腐坏得很快记分类,别记名字
未来趋势(第 8 章)一半是当时已有的东西,一半泛到无法证伪本章核完了

判断(我们的,不是书里的):这是一本入门定位的自出版手册, 它的长处是把这件事的基本盘讲全了、并且不假设读者有技术背景; 它的短处是几乎不给出处、有明显的事实错误、而且有三章在列很快会过期的产品名。

一句话:它适合当作「有哪些东西存在」的地图,不适合当作「这些东西是什么」的字典。 凡是它给了名字的东西,你都要另外去核一遍——第 04 章那个 CoOp 就是代价。

如果错,会错在: 如果读者只需要「把提示词写清楚」这一件事, 那这本书的基本盘足够了,我们的批评就显得苛刻—— 判据是:你会不会把书里的术语拿去和别人讨论。 会,就必须核。

6. 作者的判断与证据​

说法性质
「Bard 由 LaMDA 驱动」出版时已过期近两年
「Bing Chat」出版时已改名
工具的四种分类可用,但按形态分不如按流程分耐用
五条选型建议正确但空泛,任何工具选型都能这么说
监管会更严成真,这一章最稳的一条
模板与分享社区成真
多模态、跨行业、跨学科泛到无法证伪
RLPO / 元学习 / 迁移不是未来(第 05 章核过)

全章零引用。 书里没有一个产品名附了链接或版本日期。

7. 边界与局限​

缺什么说明
agent完全没有。这是 2025 年之后最重要的一条主线
推理模型完全没有。它直接影响第 03 章一半技巧的价值
成本与延迟三章讲工具,一次没提这两个最影响选型的因素
自建还是买没有触及
开源(把模型公开出来,谁都能下载到自己机器上跑)的那一类模型只在第 4 章顺带提了一个名字,没有讲它对提示工程意味着什么(你可以固定模型版本,不会某天早上醒来行为变了)
每个工具的具体用法全是一句话简介,没有一个是教你怎么用的

8. 可带走的​

  1. 记分类,别记品牌名——书里最有名的那个产品,出版前一年就改了名;
  2. 五类工具:试、串、测、看、用;书里近百个名字都能落进这五格;
  3. ③「测」这一格最被低估,它就是第 07 章那套评测的载体;
  4. ⑤「用」这一格和提示工程关系最浅——它们把提示词藏进了产品里;
  5. 选型的唯一判据是「我现在卡在哪一格」,而它经常给出「不需要工具」的答案;
  6. 评测先用表格文件顶着,等它明显不够用了再换工具,你才知道自己要什么;
  7. 书的第 10 章(50 个工具)可以整章跳过,只留一个用法:看有哪几类东西存在;
  8. 书的未来预测一共十二条:三条在出版时就已经存在(第 05 章核过)、 六条说得清什么算错的基本成真、三条泛到无法证伪;
  9. 书完全没预见到三件大事:agent、推理模型、提示注入;
  10. 这本书适合当地图,不适合当字典——凡是它给了名字的东西,另外核一遍。

9. 原文地图​

主题原书章原文位置
Bard 由 LaMDA 驱动Chapter 4: Tools and Platforms for Prompt Engineering Practicetext/05-ch04-chapter-4-tools-and-platforms-for-prompt-enginee.txt:40(搜「Powered by Googles LaMDA」)
Bing ChatChapter 4: Tools and Platforms for Prompt Engineering Practicetext/05-ch04-chapter-4-tools-and-platforms-for-prompt-enginee.txt:46(搜「Microsofts search engine」)
工具的四种分类Chapter 6: Tools and Frameworks for Prompt Engineeringtext/07-ch06-chapter-6-tools-and-frameworks-for-prompt-engine.txt:11(搜「Prompt Creation and Optimization Tools」)
串起来那一类Chapter 6: Tools and Frameworks for Prompt Engineeringtext/07-ch06-chapter-6-tools-and-frameworks-for-prompt-engine.txt:27(搜「chaining different components」) · text/07-ch06-chapter-6-tools-and-frameworks-for-prompt-engine.txt:119(搜「APIs and SDKs」)
测那一类Chapter 6: Tools and Frameworks for Prompt Engineeringtext/07-ch06-chapter-6-tools-and-frameworks-for-prompt-engine.txt:55(搜「test-driven tool that enables A/B testing」) · text/07-ch06-chapter-6-tools-and-frameworks-for-prompt-engine.txt:43(搜「benchmarking tool that evaluates prompt performance」)
看那一类Chapter 6: Tools and Frameworks for Prompt Engineeringtext/07-ch06-chapter-6-tools-and-frameworks-for-prompt-engine.txt:67(搜「tracking prompt performance over time」)
五条选型建议Chapter 6: Tools and Frameworks for Prompt Engineeringtext/07-ch06-chapter-6-tools-and-frameworks-for-prompt-engine.txt:137(搜「Project Requirements」)
50 个工具的名单Chapter 9: Exercises and Case Studies for Prompt Engineeringtext/10-ch09-chapter-9-exercises-and-case-studies-for-prompt-.txt:243(搜「top AI tools available today」) · text/10-ch09-chapter-9-exercises-and-case-studies-for-prompt-.txt:371(搜「ZeroGPT」)
未来趋势的十二条Chapter 8: Future Trends in Prompt Engineeringtext/09-ch08-chapter-8-future-trends-in-prompt-engineering.txt:37(搜「automated tools to detect biases」) · text/09-ch08-chapter-8-future-trends-in-prompt-engineering.txt:49(搜「stricter regulations」) · text/09-ch08-chapter-8-future-trends-in-prompt-engineering.txt:57(搜「design and store prompt templates」) · text/09-ch08-chapter-8-future-trends-in-prompt-engineering.txt:63(搜「refine prompts in real time」)

Footnotes​

  1. 出处:「Chapter 4: Tools and Platforms for Prompt Engineering Practice」第 40 段(text/05-ch04-chapter-4-tools-and-platforms-for-prompt-enginee.txt:40,搜「Powered by Googles LaMDA」)。同一节还把 Claude 描述为「以合乎伦理的 AI 路线著称,提供可定制的写作风格」(text/05-ch04-chapter-4-tools-and-platforms-for-prompt-enginee.txt:43,搜「ethical AI approach」)。 ↩

  2. 补充(不在书里):来源:维基百科「Gemini (chatbot)」条目 https://en.wikipedia.org/wiki/Gemini_(chatbot)(查阅于 2026-08-25)。时间线:2023 年 2 月 6 日 Google 发布由 LaMDA 驱动的 Bard;2023 年 3 月 31 日换用 PaLM;2023 年 12 月换用 Gemini Pro;2024 年 2 月 8 日 Bard 与 Duet AI 统一并入 Gemini 品牌。 这是一条二手来源(百科),我们没能打开 Google 官方博客那篇公告(取回失败),所以此处标为百科口径。 ↩

  3. 出处:「Chapter 4: Tools and Platforms for Prompt Engineering Practice」第 46 段(text/05-ch04-chapter-4-tools-and-platforms-for-prompt-enginee.txt:46,搜「Microsofts search engine」)。补充(不在书里,来自通用知识):Bing Chat 后来被并入微软 Copilot 品牌。 ↩

  4. 出处:「Chapter 6: Tools and Frameworks for Prompt Engineering」第 11 段起(text/07-ch06-chapter-6-tools-and-frameworks-for-prompt-engine.txt:11,搜「Prompt Creation and Optimization Tools」)。书分的四类是:创建与优化、测试与评估、无代码开发、社区与开源。 ↩

  5. 出处:「Chapter 6: Tools and Frameworks for Prompt Engineering」第 47 段(text/07-ch06-chapter-6-tools-and-frameworks-for-prompt-engine.txt:47,搜「experimenting with AI prompts in real-time」)。 ↩

  6. 出处:「Chapter 6: Tools and Frameworks for Prompt Engineering」第 27 段(text/07-ch06-chapter-6-tools-and-frameworks-for-prompt-engine.txt:27,搜「chaining different components」)、第 103 段(text/07-ch06-chapter-6-tools-and-frameworks-for-prompt-engine.txt:103,搜「Python-based templating engine」)与第 119 段(text/07-ch06-chapter-6-tools-and-frameworks-for-prompt-engine.txt:119,搜「APIs and SDKs」)。 ↩

  7. 出处:「Chapter 6: Tools and Frameworks for Prompt Engineering」第 55 段(text/07-ch06-chapter-6-tools-and-frameworks-for-prompt-engine.txt:55,搜「test-driven tool that enables A/B testing」)、第 43 段(text/07-ch06-chapter-6-tools-and-frameworks-for-prompt-engine.txt:43,搜「benchmarking tool that evaluates prompt performance」)与第 63 段(text/07-ch06-chapter-6-tools-and-frameworks-for-prompt-engine.txt:63,搜「visual toolkit that facilitates hypothesis testing」)。书还提到这类工具可以接进「每次改动都自动跑一遍检查再发布」的那条流水线(行话叫持续集成,原文写作 CI/CD)做自动评估(text/07-ch06-chapter-6-tools-and-frameworks-for-prompt-engine.txt:123,搜「CI/CD Pipelines」)——这是全书离第 07 章那套评测最近的一句。 ↩

  8. 出处:「Chapter 6: Tools and Frameworks for Prompt Engineering」第 67 段(text/07-ch06-chapter-6-tools-and-frameworks-for-prompt-engine.txt:67,搜「tracking prompt performance over time」)。 ↩

  9. 出处:「Chapter 4: Tools and Platforms for Prompt Engineering Practice」第 69 段起(text/05-ch04-chapter-4-tools-and-platforms-for-prompt-enginee.txt:69,搜「over 50 templates」)与第 97 段起(text/05-ch04-chapter-4-tools-and-platforms-for-prompt-enginee.txt:97,搜「Magic Studio」)。 ↩

  10. 出处:「Chapter 6: Tools and Frameworks for Prompt Engineering」第 137 段起(text/07-ch06-chapter-6-tools-and-frameworks-for-prompt-engine.txt:137,搜「Project Requirements」)。 ↩

  11. 出处:「Chapter 4: Tools and Platforms for Prompt Engineering Practice」第 184 段(text/05-ch04-chapter-4-tools-and-platforms-for-prompt-enginee.txt:184,搜「Evaluate tools based on capabilities」)与第 190 段(text/05-ch04-chapter-4-tools-and-platforms-for-prompt-enginee.txt:190,搜「free trials」)。第 4 章那份的五条分别是「明确需求」「比功能」「看易用性」「看预算」「用试用期」。 ↩

  12. 出处:「Chapter 9: Exercises and Case Studies for Prompt Engineering」第 243 段起(text/10-ch09-chapter-9-exercises-and-case-studies-for-prompt-.txt:243,搜「top AI tools available today」)。注意这份名单在原书里其实是第 10 章,但转码时它和第 9 章合在同一个文件里,所以出处指向第 9 章那个文件。 ↩

  13. 出处:「Chapter 9: Exercises and Case Studies for Prompt Engineering」第 371 段(text/10-ch09-chapter-9-exercises-and-case-studies-for-prompt-.txt:371,搜「ZeroGPT」)。原文的描述是「帮助识别 AI 生成文本的内容检测工具」。 ↩

  14. 出处:「Chapter 8: Future Trends in Prompt Engineering」第 37 段(text/09-ch08-chapter-8-future-trends-in-prompt-engineering.txt:37,搜「automated tools to detect biases」)。 ↩

  15. 出处:「Chapter 8: Future Trends in Prompt Engineering」第 43 段(text/09-ch08-chapter-8-future-trends-in-prompt-engineering.txt:43,搜「prioritize explainability」)。 ↩

  16. 出处:「Chapter 8: Future Trends in Prompt Engineering」第 49 段(text/09-ch08-chapter-8-future-trends-in-prompt-engineering.txt:49,搜「stricter regulations」)。 ↩

  17. 出处:「Chapter 8: Future Trends in Prompt Engineering」第 57 段(text/09-ch08-chapter-8-future-trends-in-prompt-engineering.txt:57,搜「design and store prompt templates」)。 ↩

  18. 出处:「Chapter 8: Future Trends in Prompt Engineering」第 59 段(text/09-ch08-chapter-8-future-trends-in-prompt-engineering.txt:59,搜「Prompt-sharing communities」)。书在第 6 章也列了一个这样的社区平台(text/07-ch06-chapter-6-tools-and-frameworks-for-prompt-engine.txt:87,搜「community-driven platform」)。 ↩

  19. 出处:「Chapter 8: Future Trends in Prompt Engineering」第 63 段(text/09-ch08-chapter-8-future-trends-in-prompt-engineering.txt:63,搜「refine prompts in real time」)。 ↩

  20. 出处:「Chapter 8: Future Trends in Prompt Engineering」第 67 段(text/09-ch08-chapter-8-future-trends-in-prompt-engineering.txt:67,搜「prompts will expand to include images」)。 ↩

  21. 出处:「Chapter 8: Future Trends in Prompt Engineering」第 93 段(text/09-ch08-chapter-8-future-trends-in-prompt-engineering.txt:93,搜「medical assistants generating accurate diagnoses」)。这一条的措辞值得警惕:「AI 医疗助手根据症状和病史生成准确诊断」——书自己在第 7 章反复强调关键场合必须有人复核,这里却把「生成准确诊断」当成趋势直接写出来了。 ↩

  22. 出处:「Chapter 8: Future Trends in Prompt Engineering」第 113 段起(text/09-ch08-chapter-8-future-trends-in-prompt-engineering.txt:113,搜「Linguistics and AI」)。 ↩