“Prompt 已死，Loop 当立。”英伟达创始人兼CEO黄仁勋近日在一次面向顶尖AI开发者的内部交流中，抛出了这一颇具冲击力的论断，迅速在AI圈引发热议。作为生成式AI浪潮中“提示工程”的坚定推动者，黄仁勋此番表态无疑是对当前开发范式的一次深刻反思与重新定义。他口中的“Prompt”与“Loop”分别指代什么？“已死”与“追逐”背后，又将对AI开发者和工程师队伍带来怎样的结构性冲击？

从“完美提示”到“自主循环”：AI交互范式的跃迁

所谓“Prompt”，即用户为引导大语言模型生成期望输出而设计的指令或提问。过去两年，随着ChatGPT等产品的爆发，“提示工程”一度成为热门职业，从业者通过精心设计上下文、角色设定、思维链等技巧，试图在单次交互中榨取模型的最佳表现。然而，黄仁勋认为，这种“一锤子买卖”式的交互已达到瓶颈。

他提出的“Loop”，指的是一种多轮、自反馈、持续优化的AI工作流。在这个循环中，模型不再被动等待用户的精准指令，而是主动生成行动方案、执行任务、评估结果，并根据反馈自动调整下一步策略。例如，一个写作助手不再是靠一个“写一篇800字文章”的提示完成输出，而是先撰写大纲、自主检查逻辑漏洞、查阅资料补充论据、润色语言风格，甚至主动向用户提问以求澄清需求——整个过程形成闭环，用户只需定义最终目标。

“Prompt 已死”的本质：开发者被从“炼金术士”解放

黄仁勋的“已死”论，并非宣告提示工程将完全消失，而是指以“手写完美提示”为核心的传统开发模式将急剧退潮。这种模式本质上依赖经验主义——工程师需要大量试错来摸索模型的行为边界，如同炼金术士试图靠配方召唤神灵。随着多模态模型、长上下文窗口、Agent（智能体）框架的成熟，AI系统已具备在循环中自我校准的能力。

对于AI开发者而言，这意味着产品设计逻辑的根本转向。过去，开发者的核心工作是“翻译需求为提示”，未来则需要设计“目标驱动的智能体架构”。开发者的角色从“模型调教师”转变为“系统架构师”——他们需要搭建能力模块（如记忆组件、工具调用接口、安全校验层），并定义任务拆解与合并的规则，而非纠结于“请用专业的语气回答”这样的措辞差异。

工程师挑战：从“提示专家”到“流程设计师”

这一转变对工程师群体的冲击尤为直接。短期内，大量从事“Prompt模板库管理”“A/B测试提示效果”等初级岗位将面临转型压力。一位曾在头部AI公司担任提示工程师的从业者在社交媒体上坦言：“过去靠写花式提示词拿高薪的日子，可能真的结束了。”取而代之的是对工程化能力的新要求。

具体来说，下一代AI工程师需要掌握：第一，Agent框架与工具链（如LangChain、AutoGPT的内部原理），懂得如何将模型与外部数据库、API、代码解释器有机连接；第二，反馈回路设计，能够构建自动评估模型输出质量、触发再处理流程的机制；第三，安全与合规编码。在所有循环中，模型自主性的提升意味着失控风险增加，工程师必须为AI行为设置“护栏”，这对系统健壮性提出了更高要求。

当然，这并不意味着提示技巧的彻底无用。在非标准场景、长尾任务或小模型应用里，精准的提示仍能显著提升效率。正如一位资深架构师所言：“Prompt死的是‘宗教’，而不是‘技术’。”未来，提示将像编程中的注释或配置参数一样，成为标准化工具的一部分，而非独立职业的护城河。

产业影响：英伟达的“阳谋”与行业洗牌

黄仁勋此刻抛出这一观点，也与其商业布局密不可分。英伟达近期力推的“AI工厂”概念，本质上就是让模型在算力集群中持续自主运行，而闭环的工作流无疑将大幅增加GPU调用时长。更强大的Agent往往需要更多次的推理请求，这会刺激对更高算力的需求——“Loop越深，英伟达越赚”。

从行业层面看，“Prompt已死”加速了AI开发从“艺术化”向“工业化”的演进。未来，开发AI应用将更接近建造一座自动化工厂，而非写一封辞藻华丽的信函。这对中小团队既是挑战也是机遇：他们不再需要拼提示语料库的积累，而可以专注于定义问题域和反馈机制，利用开源框架快速构建智能体。

展望：下一个“黄金职业”是什么？

历史总是循环往复。当“提示工程”降温，“Agent架构师”“AI工作流设计师”“人工反馈标注员”等新角色正在崛起。可以预见，AI工程师的招聘关键词将从“熟练编写Few-shot提示”变为“具备强化学习反馈设计经验”。对于从业者而言，与其焦虑“Prompt已死”，不如拥抱“Loop新生”——毕竟，每一次技术范式的更迭，都在为真正理解系统的人打开新的大门。

（全文约1050字）