Prompt设计是产品技能，不是技术技能——我为什么跟CTO吵了一架

一个真实的故事

上个月，我和公司的CTO在会议室里吵了20分钟。

起因很简单：我们的AI客服产品上线后，用户满意度从85%掉到了62%。工程团队说"模型能力不够，需要换更大的模型"。我说"Prompt设计有问题，产品侧需要介入"。CTO说了一句话让我炸了："Prompt设计是技术问题，产品经理不要插手。"

我当场打开电脑，给他看了三组数据。

绝大多数人把Prompt设计理解为"写一句提示词"。这是对Prompt Engineering最大的误解。

真正的Prompt设计包括：系统提示词的结构设计、Few-shot示例的选择策略、模型输出的格式约束、边界条件的定义、错误处理的话术设计、多轮对话的上下文管理。这每一条都是产品决策，不是技术决策。

举个例子：当用户说"我要退款"，AI可以回答"好的，请提供订单号"（直接型），也可以回答"我理解您想退款，能告诉我是什么原因吗？我们先看看能不能帮您解决"（挽留型）。选择哪种策略，取决于公司的商业目标、用户画像、客单价——这是100%的产品决策。

不是能力问题，是视角问题。

工程师的思维是：输入→处理→输出。他们关注的是"模型能不能正确理解指令"和"输出格式是否正确"。产品经理的思维是：用户动机→用户情绪→期望结果。他们关注的是"用户在这个场景下想要什么"和"这个回答会让用户感觉怎样"。

一个工程师优化的Prompt，可能准确率100%，但用户满意度50%。一个产品经理优化的Prompt，可能准确率85%，但用户满意度90%。在AI产品中，用户满意度比准确率重要得多。

Prompt设计的本质是在概率空间里定义用户体验。它不是写代码，是写规则——用自然语言定义AI的行为边界。这跟产品经理写PRD一模一样，只是PRD的读者是工程师，Prompt的读者是大模型。

我建议所有AI公司都做一件事：把Prompt设计纳入产品团队的职责范围，由产品经理主导，工程师配合实现。 这不是抢地盘，是让对的人做对的事。

“Prompt不是代码，是产品策略的自然语言表达。把Prompt设计交给工程师，就像把广告文案交给程序员——技术上没问题，效果上完全不行。”

我和CTO达成了一致：Prompt设计由产品团队主导，工程团队提供技术支持和评估工具。两个月后，我们AI客服的满意度回到了87%。不是因为换了更大的模型，而是因为产品经理终于能定义什么才是"好的回答"了。