架构火花｜AI时代，架构师的护城河在哪里？

提示词是新时代的护城河吗？

“写提示词感觉就像在随机广撒网，无法在写之前就知道结果是否OK。”

“提示词缺乏像SOLID原则那样的通用方法论，每个场景都需要重新摸索。”

“大模型更新后，精心打磨的提示词可能一夜过时……”

许多架构师表达了共同的困惑。而工具使用门槛的降低让一些成员感到价值被稀释——如果AI工具付费VIP账号就能获得超越十年经验的能力，那么传统经验积累的价值何在？

有成员认为提示词未来成本会越来越弱，提示词不会像以前要绞尽脑汁去想。这种趋势出现的原因是：第一，提示词成本不符合ai公司的价值，它一定是服务用户的，是降低人们使用成本(降本增效)，第二，深度思考的出现一定程度上减少你写提示词的数量，他会根据少量提示词自动思考补充。而且写提示词这事，其实有专门的类似提示词专家这样的agent帮你写，基本上是没有任何门槛的，只不过很多一线的员工并不知道，所以通过培训去做引导还是很重要的。

而现在的AI应用越来越多都是垂直领域应用，基座模型经过特定领域知识微调后形成的模型，需要将大量的用户提问作为模板样例或者微调数据，能把意图识别准确率提升到90%+，这些都是应用开发者该做的事情，和基座模型本身迭代的关系越来越小了。所有模型的输出都不可能百分百准确，但领域垂直+提示词引导，这种会大大减少模型的幻觉。关键是，这种方式对 AI 小白来说，提升的效率可不止 10 倍。

有成员提出提示词的好坏和复杂程度关系不大。架构师们要开始转变一个意识：文档即架构。文档能写清楚，那么你问题定义和思路就是清楚的，否则再好的大模型都没有用。提示词是人与大模型沟通的桥梁，写好提示词其实对应的是定义问题的能力。而定义问题的能力还真不是每个人都有的，有些人动手能力强，但把问题描述清楚的能力不一定强。

超越工具使用的深层能力

在这场讨论中，几位资深架构师指出了更深层的本质：

随着模型能力提升，提示词可能会变得越来越简单。这种进化意味着架构师需要从技术实现者向问题定义者转型。一位成员引用 Google 早期工程师 George Herrick 的理论：“压缩即理解。”基于大语言文本模型的 next token 预测算法，本质上是对世界知识的压缩和解压。架构师的价值就在于为这种压缩和解压提供正确的主题和方向。

批判性思维不可或缺。对结果的鉴别能力比使用能力更重要。这让人想起在搜索引擎时代，有人连广告和真实结果都分不清。比如下个软件，结果下了一堆不是自己想要的。在AI时代，这种鉴别能力更加关键。

架构思维才是根本。换句更接地气的话说，如果你不知道 SOLID 原则，就无法快速对着一段 AI 产出的代码空谈优化，而设计模式也是一样。用摄影类比，AI将我们的实践成本实现了从胶片到数码相机的提升，但摄影师的构图能力永远不会变。

AI 使用的上限，或者说让其发挥最大效力是取决于使用者的想象力以及使用者的视野、以及高维度的知识储备。在一个潦草的底层设计上"用尽" AI 筑高楼，也远不如掌舵者——也就是前中后期架构师，在基于具体架构模式、结合具体业务场景、机器成本、算法与开销取舍下的每一个动态治理决策。

如何构建真正的护城河

架构师该如何去构建真正的护城河？深圳同盟的成员们提出了自己的看法：

方法一：培养垂直领域洞察力。这是一个结合了系统性的知识构建、独特的思维训练和持续的实践应用的过程。它不仅仅是知道更多，更是看得更深、想得更远、连接得更广。

方法二：善用工具，但不依赖工具。有成员分享实际案例：“一个报告，有数据有分析有图表，人工做起来可能得半天时间，AI一分钟搞定。”但关键在于，使用者需要有能力判断结果的可靠性和有效性。

结语

AI 时代，毫无疑问的是，只会写代码的工程师价值会越来越低，能理解业务、能借助工具解决复杂问题，把商业需求落地的工程师会更有价值。架构师的护城河不在于掌握了多少工具的使用技巧，而在于精准定义问题的能力、对结果的鉴别能力 、领域知识和架构思维的深度、将商业需求转化为技术方案的能力。

正如深圳同盟社群讨论中形成的共识：“用好大模型，最关键的是定义问题的能力和批判性思维。”在这个 AI 快速发展的时代，这些基础能力反而显得弥足珍贵。毕竟，再强大的 AI，也需要懂得提问的驾驭者来指引方向。