能力激发 vs. 提示工程：让模型调用它已经掌握的知识

大多数团队在优化 LLM 提示词时，其实在解决一个错误的问题。他们花好几周打磨指令的措辞——调整用词、重排约束条件、改变语气——而真正的瓶颈却在于：模型其实已经知道如何完成这个任务，只是你的提示词从未触发正确的能力路径。

这就是提示工程与能力激发之间的本质区别。提示工程解决的是"如何表达你想要什么"，而能力激发解决的是"如何唤醒模型已有的能力"。这一区分至关重要，因为两者的修复方式截然不同——误判问题所在，会让你在错误的方向上白白迭代数月。

知识就在那里——你的提示词没有触达它

每个从业者都见过这样的场景：你向模型提一个问题，得到一个平庸的回答。你用更多上下文重新描述这个问题，回答突然大幅改善——不是因为你提供了新信息，而是因为你激活了模型学习表征中的另一个区域。

这不是偶然，而是大型语言模型运作方式的一个基本特性。这些模型在训练过程中压缩了海量知识，但这些知识是以关联方式而非层级方式组织的。从你的提示到相关知识的路径，取决于你的输入激活了哪些关联。措辞上细微的差异，可能会导致模型走向完全不同的内部表征。

关于知识注入式与激发式提示优化的研究，清晰地揭示了这一点。研究人员测试了激发类方法——即试图解锁模型已有知识的技术——发现优化后的提示词纳入的领域专属关键点不足 15 个，学习增益低于 20%。这些提示词通过模式匹配在验证集上取得了更好的分数，却没能解决底层知识的缺失。换句话说，当知识本身不存在时，激发方法会遭遇天花板。

关键的诊断性问题是：模型缺少的是知识本身，还是通往知识的激活路径？搞错这一点，会让你陷入代价高昂的死胡同。

三种真正有效的激发技术

当知识存在但处于休眠状态时，有三种技术能稳定地超越标准提示工程的表现。

结构化分解

不要要求模型一次性解决一个复杂问题，而是将其拆解为子问题，每个子问题分别激活不同的知识领域。思维链提示是最著名的例子——在数学题中加入"让我们一步步思考"，能将准确率从接近随机水平提升到 GSM8K 等基准测试的顶尖水平。但结构化分解远不止思维链这一种。

关键洞察在于：能力较弱的模型在获得适当的分解框架后，可以媲美能力更强的模型。一个 5400 亿参数的模型，配合思维链示例，能达到更小模型无论提供多少示例都无法企及的准确率。但结构化分解同样能帮助小模型超水平发挥，方法是将每个子问题路由到模型最擅长的相关能力上。

实践模式：与其问"分析这个系统的故障模式"，不如改为"第一，列出各组件及其依赖关系；第二，针对每个组件描述其故障时会发生什么；第三，识别哪些故障会产生级联效应"。每一步激活不同的能力——分类、因果推理和图分析——而不是寄希望于单一提示同时触发全部三种能力。

类比启动

发表于《自然·通讯》的研究表明，人类提供的类比引导能在某些任务上将 LLM 的表现放大至原来的 10 倍。其机制引人注目：结构化的引导通过类比桥梁激活模型的潜在能力，而这些桥梁是模型无法自主发现的。

这之所以奏效，是因为类比创造了激活捷径。当你说"把这个分布式系统问题想象成交通路由问题"，你并不是在教模型分布式系统的知识。你是在将模型的分布式系统知识与交通路由知识连接起来，让它能够调用原本无法检索到的解决方案模式。

实际应用方法：先找出模型对某类问题结构最自然驾驭的领域，再将你的实际问题包装成对该领域的类比。数据库一致性问题可以类比为银行转账事务，并发问题可以类比为餐厅厨房的协调配合。模型本就了解这两个领域——类比只是在它们之间架起了一座桥。

专家角色设定（附注意事项）

"你是 X 领域的专家"大概是生产系统中最常见的激发技术。但最新研究揭示，这一技术远比从业者所以为的复杂得多。

人格提示能提升信息抽取任务（+0.65 分）、STEM 任务（+0.60 分）和推理任务（+0.40 分）的表现。但它会显著拖累数学、代码和事实性知识任务的表现。在 MMLU 基准测试上，加入详细专家人格后，准确率从基准线 71.6% 下降到 66.3%——这是一个不容忽视的退步。

机制在于：专家人格激活了模型的指令遵循模式，该模式优先追求"听起来权威"而非"保持准确"。对于语气和结构重要的任务（写作、摘要、信息抽取），这有帮助；对于精确性重要的任务（数学、事实回忆、代码生成），这会造成伤害。

解决方案不是完全避免专家角色设定，而是有条件地使用它。当你需要更好的格式、结构或领域适宜的词汇时，将模型设定为专家；当验证和准确性是优先级时，切换回中性提示。

当激发失效时：知识注入的替代方案

关于激发，最重要的事情是知道何时停止尝试。如果模型本就没有这些知识，再聪明的提示都无法凭空创造它。

针对金融、法律和医疗领域知识密集型任务的研究表明，知识注入方法——即直接在提示词中注入领域知识——实现了 28.3% 的学习增益，而激发方法仅有 7.5%。在基准准确率为 28.3% 的专项医疗基准测试中，知识注入优化达到了 51.7%，远超任何激发技术所能企及的上限。

这构成了一套实用的诊断框架：

• 优先尝试激发：当任务使用的是模型在训练中很可能接触过的通用知识时。重构问题、添加类比、使用分解。
• 转向知识注入：当激发遇到瓶颈时。如果三种不同的激发方法都只产生相似的平庸结果，那么模型很可能缺少的是知识本身，而非激活路径。通过示例、参考材料或检索增强生成直接注入领域知识。
• 两者结合：在生产系统中结合使用。用激发技术唤醒模型的通用能力，再用知识注入填补缺口处的领域特定知识。

最糟糕的结果是花几周时间打磨提示词，试图激发模型根本不具备的知识——而你本可以在第一天就直接提供这些知识。

隐形的能力差距

你发给 LLM 的每一个提示都是欠规格的。你携带着隐含假设和未言明的上下文，模型会用自己的理解来填补这些空白。当它的填补与你的预期吻合时，系统感觉像魔法；当不吻合时，系统感觉像坏掉了。

能力差距是隐形的，直到你踩上去才会发现。一个模型可能完美处理 95% 的用例，却在那 5% 的情况下灾难性地失败——恰好是你的隐含假设与模型理解发生偏离之处。这不是提示工程问题，而是激发问题。模型可能具备处理这些边缘案例的能力，只是你的提示没有激活正确的表征。

实际防御手段是系统性的失败分类。当模型失败时，对失败进行分类：

• 虚假瓶颈：模型有能力，但某些微不足道的因素阻碍了它——格式问题、不必要的拒绝、对输出结构的错误假设。在提示层面修复这些问题。
• 真实瓶颈：模型真正缺乏能力或知识。再多的激发也无济于事。注入知识或切换到能力更强的模型。
• 权衡取舍：修复这个失败会破坏其他方面。这是最难处理的情况，需要在完整的任务分布上进行细致评估。

这一分类框架源自能力评估中使用的评估方法论，能帮助你避免最常见的错误：将所有失败都当作提示工程问题来处理，而实际上许多是激发问题或真实的能力限制。

聪明提示词的收益递减

随着模型能力的提升，复杂提示技巧的边际价值正在下降。思维链提示对早期模型来说是颠覆性的，但在已经将逐步推理内化到训练中的新架构上，其效果正在递减。

这暗示着一种实用的策略转变。对于当代模型，花更少的时间在提示技巧上，花更多的时间在：

• 系统性探测你的任务分布，了解模型真正知道什么
• 通过结构化输入构建清晰的激活路径，而不是堆砌大量指令
• 直接提供缺失的知识，而不是寄希望于聪明的措辞能凭空召唤它

能可靠落地 AI 功能的团队，不是那些拥有最聪明提示词的团队。而是那些能正确诊断每一次失败——究竟是激发问题、知识问题还是真实的能力限制——并采取正确修复措施的团队。这种诊断能力，比任何提示技巧都更有价值。