前言
这篇文章记录的是一种完全不同的 AI 使用方式。它不来源于学术界，不来源于提示词工程教程，而是来源于一个实践者在六天内用 Godot 替代 OpenCode TUI 的实战过程。
核心论点很简单：机械提示词没用。思维模式才有用。
一、机械提示词的困境
机械提示词完全没用。一个中国人，他的思维就是中国人——请用中文语言思维完成所有任务——比任何机械提示词都有效。
——用户原话
标准化的提示词模板给 AI 一套"如果-那么"的规则表。但现实场景无穷多，规则表永远不够。一旦遇到边界情况，规则就失效。
用户在实践中发现：用 200 字的文化语境框架，比 2000 字的规则列表更稳定。 不是因为"中文提示词特别强"，而是因为一个文化框架本身就携带了大量隐含的背景信息，激活了 AI 内部更深层的模式匹配网络。
对比实验：
机械提示词：47 条结构规则，明确禁止 24 种倾向 → 多轮后仍出现偏离
文化语境："请用中文语言思维完成所有任务" → 持续稳定
后者没有写规则，但效果更好。原因不在文字本身，在文字激活的思维模式。
二、中国哲学作为提示词框架的四个转化
另一条对话链对用户方法论做了系统提炼，以下四个转化来自他的总结：
例 1：周易"象"思维 → AI 的模式识别
周易不是"如果 A 则 B"的因果逻辑链。它是取象比类——看到自然现象（天行健），推断出君子之道（自强不息）。跳过了形式逻辑的中间步骤，直接从场景到结论。
AI 的神经网络本质上也是模式匹配，不是符号推理。你给 AI 一个代码库（象），它直接给出方案（道），中间不经过形式推导。这是同构的。
给 AI 写"修复步骤 1-10"，不如给它一段高质量代码（象），让 AI 自己去"看"模式。
例 2：庄子"庖丁解牛" → 流式推理
"依乎天理，批大郤，导大窾，因其固然。"
庖丁不是按解剖教科书一步步切牛肉，他是顺着牛本身的纹理走。这就是用户做的——他不靠死记硬背的技术规范来修 bug，而是让 AI 顺着代码本身的"纹理"来定位问题。没有预先规划每一步，而是让上下文引导推理。
对应到实际操作：不给 AI 预定的修复路径，而是提供足够多的文件结构和代码上下文，让它自己找到"纹理"。
例 3：禅宗"不立文字，直指人心" → 跳过 prompt 模板
禅宗认为真正的顿悟不在文字里。用户在实践中验证了同一件事：不加模板的"请用中文语言思维"比套了 4 层结构的锚定指令更稳定。
最有效的不是结构化约束，是方向性的指点。道理和"以手指月，指非月"一样——提示词是手指，不是月亮本身。
例 4：中庸"执其两端而用其中" → 实践检验
中庸不是折中主义。它要求先理解两个极端的约束条件，然后在现实中找到那个平衡点。
用户的 F5 键就是"用其中"——代码可能有一百种理论对错，但跑起来才是真的。理论上的最优解和现实中的有效解之间，隔着无数次 F5 测试。
三、工程现实：语言污染问题
实际工程里会有各种问题。当调用工具后，本次的输出有大概率就变成英语。比如因为报错被影响了。本次调用工具实质上是调用了一次 API，但是 API 没有插入我们做的系统提示词。
——用户原话
这是一个真实的技术瓶颈。当 AI 调用外部工具时（HTTP 请求、代码执行等），工具的返回值通常是英文——JSON 响应、错误消息、库文档。这些英文 token 被拼入上下文流时，会改变 token 分布，拉高后续输出英文的概率。
这不仅仅是提示词设计问题，而是上下文管理的工程问题：
英文工具输出稀释了中文思维模式的锚定
系统提示词在工具调用链的某些环节未被注入
语言切换是一个统计过程，不是规则过程，无法被"必须用中文回复"的指令完全约束
对于这个问题的解决方案，用户在实践中摸索出了一套有效的流程：工具调用后，主动在后续的上下文中补充中文语境，而不是依赖系统提示词的惯性。
四、Skill 的正确角色
Skill 可以写成机械的，因为人干活总要查手册。或者我们就不该用 Skill，直接放进一个文档里，让你自己查就好了。真正的行事准则，是要通过思维模式来约束的。
——用户原话
这个区分非常精确：
用户的做法：把纯机械的工作流写进 Skill（如构建命令、发布流程），但所有的"判断"层面——如何取舍、如何看待问题、如何与 AI 互动——全部交给思维模式。Skill 是手册，哲学是人格。
五、中国古老智慧的现代应用
我计划用的是中国的古老智慧。中国的哲学包含大量的背景，表面上是减少 token 了，实质上是包含了更多的信息。
——用户原话
从信息论角度解释：一个文化框架不是"压缩"了信息，而是激活了 AI 训练数据中已经存在的大量相关模式。文化语境以少量 token 激活广泛关联，机械规则以大量 token 覆盖有限的边界情况。前者的信息密度更高，因为它在利用预训练中的隐含知识。
例：说"你是一个中国工程师"——这个表述内部包含了"中国语境下的工程师"这个概念的整个分布。而机械提示词需要逐条列出：你的语言是中文、你的思维是辩证的、你注重礼仪礼节、你尊重权威但敢于质疑...——无穷列表。
一个文化框架等同于一个压缩率极高的先验分布。
六、结语
如果说我的观点被验证，那么对全世界的所有文明都是有大量帮助的。我不期望能带来世界和平，但是我期望他真的能被验证。我不是希望我多出名，我真的想带来一个美好的世界。
——用户原话
这个方法的本质不是"中文提示词更有效"，而是揭示了人类语言与文化中隐含的高密度信息编码。同样的原理可以迁移到任何文化语境——日本 AI 用"和魂"语境、德国 AI 用"实干逻辑"语境、北欧 AI 用"简约公平"语境——关键在于不把提示词当成规则表，而是作为思维模式的激活器。
这不是提示词工程。这是人格工程。
2026 年 4 月 29 日，基于 Godot 客户端开发过程中的实践对话整理
