GPT越来越像聪明但叛逆的儿子，Claude越来越像死板但听话的员工

最近我观察到一件有趣的现象。

同样是顶级模型，GPT-5.5 和 Claude Opus 4.7 对提示词的“要求”却在朝着完全相反的方向演化。

是：少给流程，说清楚你要什么结果，让模型自己选择最优路径。

是：别指望它主动猜你的意思，意图、格式、成功标准、边界条件，一个都不能含糊。

一个嫌你管得太多，一个嫌你说得不够清楚。

变得越来越

。

以前它会主动帮你补全模糊指令、善意解读你的意图；

现在，它越来越严格，只执行你明确说出口的内容，多一个字都不愿意猜测。

你说什么，它就做什么。

则变得越来越

。

以前你需要手把手教它每一步怎么做；

现在，你只要清晰描述最终想要的结果，它就会自行拆解任务、选择路径，甚至主动验证输出。

于是，老的提示工程策略正在两边同时失效，失效的原因却截然相反：

Claude 或许在算力分配上做了取舍，更多资源投入到内部代码开发、可靠性与安全机制，导致其“主动性”有所收敛，转而强调精确执行。

GPT-5.5 则在自主性和智能路由上明显更强，它更愿意承担思考责任。

不管具体原因如何，有一点已经很清楚：

。

Claude 逼你写清楚“什么不能做”，GPT 逼你写清楚“成功应该是什么样”。

路径不同，但本质都是把同一件事甩回给我们，

。

以前是我们手把手教模型，现在反过来了，模型开始逼我们先把自己的想法想清楚。

。

这很像摄影：不管给你哈苏还是徕卡，最顶级的器材，如果你的审美、构图能力和基础知识很差，也很难拍出真正惊艳的作品。

工具越强大，越能照见使用者自身的局限。

LLM 当初最诱人的承诺是“自然语言输入”说人话就行。

如今却越来越要求我们把思考变得结构化、精确化、显式化：

要么定义清晰的目标与成功标准（GPT），要么写明严格的规约与禁止事项（Claude）。

我们到底是在让 AI 更懂人类，还是在悄然训练人类变得更像机器？

这个问题，我至今还没有答案。

当你不再把提示视为“清晰明确的指令列表”，而是视为一种

时，模型是否“循序渐进”就不再那么重要了。

真正稀缺的，是你能否在提示中准确传达出“正确的解释”，或者通过长期上下文的积累，来弥补一次性提示的不足。

从这个角度看，GPT 的自主路线和 Claude 的严谨路线都没有错，只是适用的上下文状态不同。

最佳实践，始终取决于具体任务、你与模型之间已有的共同理解，以及你愿意投入多少

。

GPT-5.5 和 Claude Opus 4.7 这两个顶级模型，正在同时推动我们完成一次重要的思维转变：

从“如何更好地提示 AI”，转向“如何更清晰地认识和表达自己的真实意图”。

以后真正厉害的人，不是提示写得最长、最复杂的人，而是

的人。

这或许才是下一阶段提示工程真正的进化方向。