AI 应用的真正分水岭，不是提示词
!封面
我见过最长的提示词，是一份三千七百字的合同审查指令。
里面详细规定了角色定位、审查步骤、风险等级定义、输出格式模板、禁止事项列表，甚至包括"请以专业但友好的语气"这样的附加要求。写这份提示词的人花了两天，调了十几版。
第一份用这个提示词审的合同，把违约金条款的适用条件搞反了。
不是因为提示词不够长。是因为模型不知道该看哪个版本的违约金计算标准——那个标准在一份内部备忘录里，不在提示词里。
很多人对 AI 应用的理解停在一个直觉层面：AI 用不好，是因为我没把话说清楚。于是不断加角色设定、加任务约束、加格式要求、加输出模板。提示词越来越长，像一个不断膨胀的操作手册。
但真正的问题不在"怎么说清楚"。而在模型周围有没有一套执行环境。
这就是今天想聊的事：AI 应用的真正分水岭，不是会不会写提示词，而是能不能把模型放进一套可持续、可复用、可控制的执行系统里。
一、三个层级：说清楚、动起来、稳下来
我把 AI 应用的能力分成三个层级。它们不是并列关系，是递进。
<svg xmlns="http://www.w3.org/2000/svg" viewBox="0 0 600 420">
<rect width="600" height="420" fill="#fff" rx="4"/>
<text x="300" y="30" text-anchor="middle" font-size="16" font-weight="700" fill="#111" font-family="sans-serif">AI 应用能力的三个层级</text>
<circle cx="300" cy="240" r="165" fill="none" stroke="#c41e3a" stroke-width="2.5" stroke-dasharray="8,3"/>
<text x="300" y="72" text-anchor="middle" font-size="13" font-weight="700" fill="#c41e3a" font-family="sans-serif">驾驭工程</text>
<text x="300" y="88" text-anchor="middle" font-size="10" fill="#666" font-family="sans-serif">制度化执行环境</text>
<circle cx="300" cy="240" r="115" fill="none" stroke="#2563eb" stroke-width="2"/>
<text x="300" y="122" text-anchor="middle" font-size="12" font-weight="700" fill="#2563eb" font-family="sans-serif">智能体工程</text>
<text x="300" y="138" text-anchor="middle" font-size="10" fill="#666" font-family="sans-serif">让模型动起来</text>
<circle cx="300" cy="240" r="65" fill="none" stroke="#333" stroke-width="1.5"/>
<text x="300" y="212" text-anchor="middle" font-size="11" font-weight="700" fill="#333" font-family="sans-serif">提示词工程</text>
<text x="300" y="228" text-anchor="middle" font-size="10" fill="#666" font-family="sans-serif">怎么说清楚</text>
<circle cx="300" cy="265" r="20" fill="#111"/>
<text x="300" y="269" text-anchor="middle" font-size="10" fill="#fff" font-family="sans-serif">模型</text>
<text x="300" y="413" text-anchor="middle" font-size="9" fill="#888" font-family="sans-serif">知识库 · 工具链 · 权限管理 · 流程规范 · 目标对齐 · 规则制度 · 标准沉淀 · 数据反馈 · 风险控制 · 协作机制 · 评估体系 · 持续复盘</text>
<text x="478" y="230" text-anchor="start" font-size="9" fill="#888" font-family="sans-serif">↑</text>
<text x="485" y="234" text-anchor="start" font-size="9" fill="#888" font-family="sans-serif">越往外，越靠系统而非个人</text>
</svg>第一层：提示词工程——解决"怎么说清楚"。
最基础的一层。提示词工程关注的是角色怎么定义、任务怎么描述、格式怎么约束、边界怎么划定、评价标准怎么说明。本质很简单：把人脑里模糊的意图，翻译成模型能理解的任务指令。
这件事重要，但有天花板。提示词再好也解决不了：模型不知道你内部的真实业务规则；模型不能稳定记住每次任务要求；模型没有权限访问你的工具和资料；模型无法自动完成多轮任务。它能把话说清楚，但不能保证做稳定。
这就是很多人用 ChatGPT 时反复碰到的那个情况：第一次效果很好，第二次变了；简单任务能做，复杂任务开始漂。
第二层：智能体工程——解决"怎么让模型动起来"。
Chatbot 的基本形态是人问一句、AI 答一句。智能体工程想做到的是：AI 不只回答，还能拆任务、调工具、读资料、生成文件、检查结果、循环修正。
拿合同审查举个例子。普通提示词模式下，你是"请审查这份合同，指出风险，生成修改建议"。在智能体模式下，它是：读取合同 → 识别合同类型 → 调用审查清单 → 按条款拆解 → 识别风险点 → 匹配法律依据 → 生成风险等级 → 提出修改建议 → 自检是否漏关键条款 → 输出可读版本。
不是"回答问题"，是"完成任务"。从说到做的跃迁。
但它还不是最终层。让模型动起来之后，新问题立刻冒出来：它会不会乱动？权限边界在哪？执行错了怎么办？能不能在组织内部复制？
第三层：驾驭工程——解决"怎么持续、稳定、可控地完成工作"。
提示词工程关注怎么说清楚。智能体工程关注怎么让模型动起来。驾驭工程关注的是：怎么让模型在一个制度化环境里持续稳定地做对。
三个问题的复杂度完全不同。说清楚是表达问题。动起来是执行问题。持续稳定可控是组织系统问题。
驾驭工程的真正含义：AI 的能力来自模型，AI 的可靠性来自系统。
二、"制度化执行环境"到底包含什么
驾驭工程不是靠一个超级提示词。是靠一整套基础设施共同约束和支撑模型。拆开来看。
知识库：模型看什么。
法律 AI 的风险往往不在于模型不会写，而在于它看了不该看的材料，或者没看到该看的材料。有效的知识库不是简单上传一堆 PDF——它要解决资料来源是否权威、是否最新、是否分层、是否可检索、是否适配具体业务场景。
知识库不是信息仓库，是模型执行任务时的证据环境。资料不对，推理再强也是 GIGO。
工具链：模型能做什么。
没有工具链，模型只能说。有了工具链，模型才能查、读、写、改、生成文件、调用接口。法律场景里，工具链可能是法律数据库、合同模板库、案例检索系统、文档比对、代码执行环境、MCP 连接器。本质上都是在扩展模型的手脚。
权限管理：模型不能乱做什么。
一旦 AI 从回答变成执行，权限管理就非常关键。模型能不能删除文件？能不能发邮件？能不能修改合同原文？能不能访问客户资料？这些不是提示词问题，是治理问题。法律行业尤其需要——涉及客户秘密、商业秘密、执业风险。
流程规范：模型按什么步骤做。
流程规范是把人的专业经验固化成可执行步骤。比如诉讼案件分析：先识别案由，再抽取事实，再整理时间线，再识别请求权基础，再拆争议焦点，再匹配证据，再检索裁判规则，再输出胜诉风险，最后形成代理策略。没有流程，模型可能直接给结论。有流程，模型必须沿着专业路径推理。
规则制度：稳定性从哪来。
规则制度是为了让模型每次都按同一套标准工作。比如：不得虚构法律依据；引用法规必须标明来源；不确定事项必须列为待核查；事实和判断必须分开；不得擅自补充用户未提供的事实。这类规则一旦沉淀下来，就不是临时提示词了——是组织级 AI 使用规范。
标准沉淀：可复用。
每次都重新写提示词，每次都靠个人经验调，就是手工作坊。把好的提示词、流程、模板、校验规则沉淀下来，形成标准件。标准沉淀的意义：把一次成功变成多次成功。
风险控制：法律行业的底线。
法律场景里，AI 不能只看效率。事实错误、法律依据过期、幻觉、泄密、执业责任、过度自动化、未经律师判断直接输出——这些都是真实的风险。风险控制不是某一步的事，它贯穿整个系统。
三、三个阶段：个人技能 → 组织能力
三个层级，对应 AI 应用的三个阶段。
阶段一：个人会问。 提示词工程阶段。会写 prompt 的人比不会写的人更容易拿到好结果。但这仍然是个人技能。一个人的提示词写得好，换个人用同样的提示词，结果可能完全不同——提示词的使用语境、对任务的理解、对输出的判断，全在个人脑子里。
阶段二：模型会做。 智能体工程阶段。模型可以调工具、拆任务、执行流程，开始像一个数字员工。但这是不稳定的自动化——今天跑通了，明天换一个输入格式就卡住；这个场景验证过了，换个相邻场景就漂。
阶段三：系统会管。 驾驭工程阶段。AI 被放进一个有规则、有权限、有流程、有知识、有评估、有复盘的执行环境里。这时候它才变成生产力基础设施，而不是"某个同事用得特别好"的个人工具。
AI 竞争的重点，正在从谁更会提问转向谁更会建设 AI 工作系统。
四、对法律行业意味着什么
法律行业不是随便问问 AI 就能替代的行业。知识密集、语言密集、规则密集、风险敏感，高度依赖判断和材料，不能容忍事实和依据的随意错误。法律 AI 要落地，必须经过驾驭工程。
法律人不能停在提示词层。如果律师只是学几套提示词模板，能提升部分效率，但很快到瓶颈。法律工作不是写得像就行——要事实准、依据准、逻辑准、风险准、边界准、责任准。这些靠提示词堆叠很难稳定解决。
法律 AI 的关键是准入控制。模型最终输出什么，很大程度上取决于它看了什么。如果看的是不权威、不完整、过期、混杂的资料，模型再强也能输出漂亮的错误。准入失控，深度推理也变成 GIGO。
律所内部 AI 服务，本质上是驾驭工程产品化。你提供的不是一个会聊天的 AI，而是：案件材料接收机制、事实抽取流程、争议焦点识别规则、类案检索标准、法律依据分层、初稿生成模板、律师复核机制、质量反馈闭环、风险控制边界。这是把个人能力产品化、系统化、组织化。
过去一年我写《赋能法律人》，反复强调一个点：AI 时代对律师来说，最危险的不是你被替代了，而是你除了 AI 能做的事，什么都不会。今天我想把这句话往前推一步：真正值钱的不是你会用 AI，是你能建设一套让 AI 稳定发挥价值的执行系统。
会提问，入门。会让 AI 干活，进阶。会让 AI 稳定干对活，核心能力。
作者简介： 陈石律师，浙江海泰律师事务所副主任、高级合伙人、房地产与建设工程部主任，宁波市律师协会副秘书长、第七届宁波仲裁委员会仲裁员，聚焦建筑房地产、投融资、并购重组及商事争议解决。曾获多家法律媒体与专业机构认可，荣登 LegalOne 2025 中国区建工及房地产实务先锋 45 强、律新社 2025 年度管理合伙人 20 佳（华东），入选《商法》The A-List 法律精英，获评 ALB China 区域市场十五佳长三角地区律师新星，并获律新社 2024 年度并购领域品牌之星。长期为万科、华润置地、信达地产、保利置业、招商蛇口、中海地产等企业提供法律服务，承办"首宗百亿地王""长春第一高楼""台州第一高楼"等代表性项目，累计服务项目投资额超千亿。近年来持续推动 AI 与法律实务融合，强调以结构化方法打通技术逻辑、法律判断与商业场景；著有《赋能法律人：AI 底层思维与应用范式》，并在多地开展相关主题讲座与分享。