Agent 时代的提示工程核心原则 —— 从 Anthropic / OpenAI 的官方实践中找到的支撑
这份文档回应团队最近的讨论：为什么"回答要简洁清晰"不是一个好的提示，而"考虑人类的阅读疲劳，有节奏和结构化推进你的回复"才是。答案是 —— 这不是我们的发明，是 Anthropic、OpenAI 这些做 agent 的团队反复印证的设计原则。本文件用这些团队的官方文档、博客、工具说明做证据，证明这条原则在 Agent 时代是工业级共识。
Tim 在讨论里给出的对比：
差的提示给出的是结果态——一个形容词、一个状态描述；好提示给出的是目标 + 原理 + 路径提示——你想达成什么、为什么达成、如何达成。
Tim 的总结：「需要学会把结果翻译成目标的能力。」 这句话本身比原则更重要——它是这条原则的元能力。没有它，你只能照搬别人给的目标；有了它，你能持续地把"要 X"翻译成"为什么 X / 如何 X / 什么算 X 达成了"。
这条原则不是我们的偏好——是 Anthropic、OpenAI 在官方文档、agent 设计指南、提示工程规范里反复出现的共识。下面用他们自己的原话来证。
来自 Trustworthy Agents in Practice 的核心定义：
关键词："what users want" vs "fixed script"。前者是描述目标，后者是描述结果/路径。Anthropic 把"目标驱动 / 路径固定"作为 Agent 与非 Agent 的根本分界线。
Claude Code 官方文档对 subagent 的 prompt 设计给出明确指南：
官方给的对比例子（这跟 Tim 的对比是完全同构的）：
官方还强调 Subagent 的 description 字段必须写成 "when to use"，不能写成 "what it is"：
Claude 4 时代的官方 prompt 工程指南原话：
OpenAI 在 2024 年发布的官方 agent 构建指南，把 Instructions（指令）作为 Agent 的三大基石之一（Model / Tools / Instructions），并明确建议：
工具定义也是同一逻辑——name 是 action-oriented，description 解释何时调用：
OpenAI 官方 prompt engineering guide 的第一条建议：
这一条直接对应 Tim 的对比：「不要做 X」 →「要做 Y，因为 Z」。
把上面的证据放在一起看，所有模型团队都在用同一套底层设计语言：
| 维度 | 描述目标 | 描述结果 |
|---|---|---|
| Goal | "what users want" | 形容词、状态描述 |
| Subagent | Goal delegation | Step delegation |
| Tool description | when to use | what it is |
| Instructions | do / use when | don't / avoid |
| Reasoning | explain why | no rationale |
五家团队、五种语言，落到的是同一张表。这就是为什么这条原则值得团队同学内化——不是品味之争，是工程共识。
goal / why / when 三段，不只是 instruction。description 字段写"何时调用"，不写"是什么"。