五分钟了解KERNEL：为什么好的提示词看起来像技术规格说明

作者向他的母亲用五分钟解释了KERNEL，一个用于编写提示词的社区框架，然后意识到这听起来像技术规格。KERNEL代表简洁、易于验证、结果可复现、范围窄、约束明确和逻辑结构。该框架由一位作者创建，他分析了一千多个提示词，并声称首次尝试成功率从72%提升到94%，令牌使用量下降了58%，达到有用结果的时间下降了67%，但本文作者对这些数字持怀疑态度，因为没有公开方法论。文章指出，好的提示词看起来往往像写得很好的技术任务，且尽管像“逐步思考”这样的技术可能有所帮助，现代推理模型已经在内部处理了这一点。最具争议的字母是R代表结果可复现，作者将其重新解读为可复现的需求而非完全相同的输出，从而允许在不同模型版本和提示词之间进行比较。在生产环境中，仅靠提示词是不够的；需要评估（预定义的测试）来衡量模型行为，并且提示词逻辑的一部分（如强制JSON结构）最好通过模式（schemas）转移到代码中。模型的选择也很重要：不同的LLM在同一提示词上表现不同，因此根据具体标准比较模型至关重要。作者使用SYNTX.AI从一个空间运行多个LLM，文章总结说KERNEL作为快速检查清单仍有用，但真正的LLM系统需要上下文工程，包括检索增强生成（RAG）、工具使用和状态管理。文章以SYNTX.AI的推广说明和促销代码结尾。