167、Prompt工程师 vs Agent工程师去年年底我调一个多模态Agent，输入是一张模糊的电路板照片，要求识别元件并给出维修建议。我精心写了一段Prompt，把角色、步骤、输出格式、禁忌全塞进去，自认为滴水不漏。结果模型输出了一大段“根据我的知识，图片中可能是电阻、电容……”，偏偏没提电路板左下角那个烧焦的痕迹。更气人的是，我换了个更长的Prompt，把“请重点关注异常区域”加粗、加上感叹号，它还是视而不见。后来我实在没办法，把图片切成四个象限，分别送进模型，再让一个“汇总Agent”去合并结果，终于找到了那个烧焦点。那一刻我突然意识到：我一直在当Prompt工程师，拼命把问题塞进一段话里；而真正解决这个问题的动作，是拆解、路由、合并——那是Agent工程师的活。这个经历让我重新审视Prompt工程师和Agent工程师的边界。网上有很多人争论哪个更高级、哪个会被淘汰，其实没多大意思。对于在企业里做落地的工程师，核心问题只有一个：当模型能力不够、不稳定的时候，你的系统靠什么兜底？Prompt工程师的答案是“靠更好的Prompt”，Agent工程师的答案是“靠更好的流程”。先说说Prompt工程师。这个角色的价值不是“会写话”，而是懂得模型内部的行为规律。比如温度参数对开放式创作和封闭式抽取的不同影响，比如在长上下文中关键信息放在开头和结尾的注意力权重差异，比如负面指令“不要提什么”经常失灵、更好的做法是给出正向替代描述。这些经验确实值钱，在没有工具辅助的早期，一个优秀的Prompt工程师能让一个模型的可用性翻倍。我见过最极端的案例，有人用四页纸的Prompt实现了一个并不存在的“规则引擎”，利用模型对结构化文本的强拟合能力，硬是把发散性输
