# 用好大模型的关键不是提示词技巧，而是你本来就懂行

> 原标题：LLMs reward expertise

- 来源：Hacker News 首页
- 发布时间：2026-08-03T21:13:53.000Z
- AX AI 日报：https://ai-daily.ax0x.ai/items/48505
- 原文：https://www.seangoedecke.com/llms-reward-expertise/

## 摘要

作者用陶哲轩跟 ChatGPT 聊数学的例子说明：陶哲轩能问出具体问题、发现模型回答里不对劲的地方、自己提出替代方案，靠的是他深厚的数学功底，而不是什么提示词秘籍。作者在编程里也看到同样规律——熟悉代码库的人能强硬地引导模型往自己想要的方向走，不熟的人只能拿到凑合能用的东西。结论是，模型越强，人的专业判断反而越值钱，因为瓶颈已经从“模型会不会”变成了“...

## 推荐理由

一篇观点鲜明的个人博客，用陶哲轩的案例把“领域专长才是真正的提示词能力”这个论点落到了实处。没有实验数据，也不是产品发布，所以分数保持在 78 而不是更高，但论证扎实、角度刁钻，对从业者重新思考技能价值很有启发。

## 锐评

这篇文章的核心判断很直接：用好大模型的关键不是提示词技巧，而是你对自己那摊事有多懂。作者拿陶哲轩跟 ChatGPT 聊数学的例子来说明，陶哲轩能问出具体问题、发现回答里不对劲的地方、自己提出替代方案，靠的是他深厚的数学功底，而不是什么“提示词秘籍”。作者在编程里也看到同样规律——熟悉代码库的人能强硬地引导模型往自己想要的方向走，不熟的人只能拿到凑合能用的东西。

文章没给量化数据，论证全靠个人观察和陶哲轩的公开对话记录，所以说服力更多来自共鸣而非统计。它也没讨论一个现实问题：如果一个人既缺领域知识又想用模型干活，除了“先凑合用”之外还有什么可操作的提升路径。这点作者自己承认了，说多数人只能两种状态混着来。

还缺一个关键信息：陶哲轩那场对话里，模型到底在哪些节点被他的专业判断“掰”回来了，以及掰回来之后产出质量提升了多少。没有这些，我们只能相信“专业引导更有效”这个直觉，但没法量化它到底值多少。