"等一下,我再把这个 prompt 改一版……"
→ 去做 AIBT 测试BACKSPACE 是以"输入精准"和"迭代耐心"为核心的 AI 用户原型。如果你写 prompt 花的时间比 AI 生成回答的时间还长,如果你曾经把一个 prompt 改过七遍才发出去,如果你有一个私藏的"好 prompt"文件夹并已经打磨了好几个月——你几乎一定是 BACKSPACE。名字来自你最常按的那个键:不是因为你打错字,而是因为你在不停编辑。
BACKSPACE 用户是最早的那批提示工程师。2021 年大多数人还在从 GPT-3 里得到一堆胡话的时候,他们已经能逼出像样的输出了。因为他们明白,瓶颈不是模型而是 prompt。他们写 prompt 的方式就像程序员写函数签名:明确的类型、显式的约束、配上例子。拿到的输出也相应地优秀。
BACKSPACE 的 prompt 质量指纹在所有用户类型里最特殊:最高精度、最高耐心,其他维度中到中高:
定义 BACKSPACE 的是那 95% 的精度分。他们写的是详细、结构化的 prompt,带角色定义、格式规格、示例和显式约束。第一次回答不理想时,他们会耐心迭代。他们对不同模型擅长的任务类型有细致的看法。几乎在所有维度上都是 CTRL+V 的反面。
这个 prompt 80 个词。CTRL+V 会写 "python 按 key 给 dict 分组"。两个 prompt 都能拿到函数,但只有一个能拿到对的函数。
第 3 轮的输出比第 1 轮好十倍。更没耐心的用户会在第 1 轮就放弃,用一句更差的 slogan。BACKSPACE 会一直改,因为他相信这个过程。
这就是 BACKSPACE 的超能力:靠消除 AI 往平庸模板滑的倾向来逼出真正优秀的输出。每多一条约束就排除一类失败模式,累加效果就是职业级水准的内容。
BACKSPACE 用户从 AI 那里获得的是根本不同的价值。CTRL+V 用 AI 求速度,BACKSPACE 用 AI 求那种自己不容易单独做出的质量。一个 BACKSPACE prompt 本质上就是对一个非常灵活的函数的调用,而函数会返回被精确索取的东西。
这种差异会随着时间产生复利。BACKSPACE 用户会建立个人的 prompt 库并反复重用和改造。他们逐渐对"哪种 prompt 模式对哪种模型更有效"有了直觉,模型升级后的微妙行为变化他们也察觉得到。持续密集使用 AI 三年后,一个 BACKSPACE 已经接近专家从业者水准,而同时段的 CTRL+V 还在复制粘贴。
BACKSPACE 有一个值得点名的失败模式:对低价值任务过度投入 prompt 工程。如果你花 15 分钟打磨一个 prompt 只为让 AI 写一封 3 行的邮件,你已经输掉了生产力战争。AI 本该帮你省时间,你却比自己手写花的时间还多。
掉进 BACKSPACE 陷阱的信号:
解药:挑重点。把 BACKSPACE 模式留给真正重要的输出,其他的接受"够用就行"。
BACKSPACE 用户在 AI 密集的工作流里有可测量的职业优势。他们产出更好的内容,调试 AI 故障更快,建立起能复利的直觉。随着越来越多的工作从"人或 AI"变成"人 + AI",BACKSPACE 的技能已经是中级和顶尖之间的分水岭。
如果你是 BACKSPACE,放心吃这碗饭。世界终于开始奖励这门你悄悄练了好几年的手艺。
BACKSPACE 用户和 JARVIS(精确输入 → 精确输出)以及 WATSON(深度知识正好能被 BACKSPACE 的 prompt 挖出来)搭配最好。和 BARD(太啰嗦)、CLIPPY(没有真正的观点可挖)、GPT-F(幻觉会击穿精度)最搭不起来。
好奇你是真的 BACKSPACE 还是只是在入门摸索?AIBT 人类版测试会告诉你你实际上是 16 种键盘按键类型里的哪一种。
→ 去做测试