（问题）过去一段时间，“提示工程”被认为是智能时代的重要技能：从培训课程到岗位设置，从经验分享帖到交流社区，针对“怎样组织语言才能得到理想输出”的方法不断更新；但随着模型推理、理解和工具调用上持续增强，只靠“精心措辞”来换取稳定结果的方式开始显得吃力。用户真正要解决的，也不再是“怎么说才能更符合机器偏好”，而是“如何让系统准确理解我想完成目标、边界和评判标准”。这样的背景下，“意图工程”进入视野，成为人机沟通演进的一个新方向。 （原因）提示工程的兴起，与早期模型“能力强但不够稳”的特点有关：它们往往对某些表达方式反应更好，对模糊描述的容错较低。为了提高命中率，用户逐渐摸索出一套“触发技巧”，比如要求分步推理、提供示例、设定角色与语气等。这些方法在特定阶段确实能改善输出，但本质上是让人去适应系统的工作方式。更重要的是，许多系统难以持续理解用户：不知道提问者是谁、处在什么行业情境中，“合规”“可用”“高质量”具体指什么，也很难记住前序对话形成的共识。结果是，同一问题因为措辞不同就出现明显差异，用户不得不反复试错。某种程度上，提示语像一把“钥匙”，而找到正确的那把往往需要经验、耐心，甚至运气。 （影响）这带来一个值得警惕的“价值倒置”：输出质量可能更多取决于提示技巧，而不是专业能力。熟悉提示套路的人，可能比更资深的行业专家更容易得到看似完善的回答，从而在团队协作、知识生产和决策支持中埋下偏差风险。对企业而言，这意味着效率提升的同时，稳定性和可控性仍不足；对公共服务和高风险行业而言，更可能引发合规、责任界定和安全隐患。同时，提示工程往往把交互简化为“单次输入—单次输出”，难以支撑复杂任务所需的连续决策与动态修正，也不容易满足多约束场景对可追溯、可解释的要求。 （对策）意图工程的核心，是把沟通重点从“指令怎么写”转向“目标怎么对齐”。关键在于：让系统获得足够的背景信息，明确用户目标、约束条件、优先级和验收标准，并在不需要用户逐条指定步骤的情况下，自主推理形成可执行方案。与提示工程强调“精确指令”不同，意图工程更强调建立共同理解：系统不仅要能回答，还要在信息不足时主动提出澄清问题；不仅要生成文本，还要围绕目标做取舍、做校验、做纠错。近年一些产品形态已经体现该方向——例如引入持久记忆、用户配置文件、项目空间和持续上下文，让系统能“记住”用户身份、行业规则、偏好与历史选择。当系统知道用户处在受监管的医疗、金融或政务场景时，同样一句需求会自动带上合规、隐私、审计等隐含约束，减少反复解释和来回试探。 （前景）从趋势看，人机交互将从“提示驱动”走向“意图驱动”，沟通会更累积化、结构化、任务化：一上，系统需要更强的上下文管理能力，长周期任务中持续保持目标一致；另一上，也需要更可验证的工作流，把目标拆解、证据引用、风险提示、结果校验等环节纳入过程。可以预见，意图工程的推广将降低普通用户门槛，提高复杂任务的可用性与稳定性，但也会提出更高要求：其一，用户画像与记忆机制必须在隐私保护与数据最小化原则下运行；其二，目标与约束的表达需要标准化接口和可审计记录，避免“记错、记偏、记过界”；其三，在关键行业应用中，应建立人类监督、输出校验与责任链条，防止系统在“看似理解”中发生偏航。
技术工具的演进，最终往往体现在它如何改变人的行为方式。从学习如何“把话说对”，到更专注于“表达真实意图”——变化看似细微——却触及人机协作的关键。高效协作不应建立在一方对另一方语言习惯的单向迁就上，而应建立在可对齐、可验证的共同语境中。智能系统正在朝此方向前进，而人类如何在其中保持主体性、发挥判断力，或许才是这场变革更值得思考的问题。