费尽心思打磨提示词，写了一大段结构化指令，结果AI还是没给到你想要的答案——问题可能不在AI，而在你的输入方式。
“氛围编程”概念提出者、Anthropic知名AI研究员安德烈·卡帕西（Andrej Karpathy）最近分享了一个反直觉的窍门：别琢磨了，打开语音模式，对着AI连续讲上10分钟，想到什么说什么。
思路越乱效果越好：LLM不知为何非常擅长重构语无伦次的漫谈
卡帕西在X上这样描述他的工作流：“我喜欢往后一靠，切换到语音模式，然后漫无边际地说上大概十分钟，完全杂乱无章，想到什么说什么，纯粹的意识流……大语言模型不知为何非常擅长重构那些冗长且语无伦次的漫谈，而且它们对你那团乱麻般思绪的复述，往往比你最初说出来的要清晰得多。”
他通常会在开头先提醒聊天机器人：“我的思路可能比较混乱，语音转写结果也可能出现错别字。”然后，用户只需要把脑中所有尚未成形的想法全部说出来，由AI整理成清晰、有条理的内容。
卡帕西甚至用了一个词来形容这种状态——“mind meld”（心灵融合） ，指人与模型对彼此意图的理解逐渐对齐。
为什么闲聊比精雕细琢更高效？三个底层逻辑
第一，语音带宽是键盘的3到4倍。
熟练中文用户打字约每分钟60-80字，讲话约每分钟200-250字。同样10分钟，说话能输出的信息量是打字的三倍以上。而且大脑不用在“想”和“敲”之间频繁切换，思维流动更顺畅。
第二，打字时你在“自我编辑”，反而丢了原始信息。
传统提示词工程要求用户极度克制——精炼语言、去除冗余、逻辑严密。但卡帕西观察到，这种“面试式”的高压状态恰恰抑制了创造力的流动。打字时你在做第一轮“自我编辑”，反而丢失了原始思维里的密度。
你每天脑子里闪过的想法，有多少是你能坐下来有条不紊地敲进对话框的？大多数时候，真正的思考是碎片化的、跳跃的。当你需要先把它们组织成prompt才能交给AI时，你已经损失了大量信息。
第三，AI擅长整理，你擅长胡思乱想——这才是合理分工。
卡帕西的思路很清晰：让AI来承担“组织”这个工作。用户负责把最原始、未经修饰的想法丢出来，AI反向帮你把结构梳出来。这不是偷懒，这是分工的根本性变化。
成本结构：把反复修改的成本，全部押在前面那10分钟
大部分用户的做法是：省了前期打字的力气，代价是后面反复修正、来回丢消息澄清自己的意思。
卡帕西的做法反过来：把成本全部押在前面那10分钟，用一次超大量的背景信息交代，换掉后面五轮“不是这个意思”的来回拉扯。
他在开头补一句“切换成语音识别了，错字先说声抱歉”，或者让模型反问几轮，把散落的线索一条一条挖出来。前期多讲一点，后面少改一点。
这不是技巧，这是一场正在发生的范式迁移
卡帕西说这番话的时机很微妙。过去两年，整个行业都在教人们如何写好prompt，提示词工程甚至成了新职业。但现在，站在AI研究最前沿的人却说：别琢磨了，随便聊。
卡帕西发表上述观点之际，硅谷企业正在集中改进AI语音功能。OpenAI本月初推出了GPT-Live驱动的全新语音模式，Anthropic也升级了语音模型。所有人都在把重心从键盘输入移向语音交互。
这不是因为语音识别技术突然变好了，而是因为这些公司终于意识到：打字，是人类和AI之间最糟糕的交互方式。
卡帕西平时以严谨著称，很少发这种“体感型”观察。他这次说的其实不只是一个使用技巧，而是一件正在发生的范式迁移。AI的使用方式正在从“写代码”变成“说话”。
下次你想让AI帮你做点什么的时候，别坐在电脑前抠字眼了。打开语音模式，往后一靠，把脑子里那些乱七八糟的想法全部倒出来。然后看看AI会还给你什么——大概率比你精心打磨的那段prompt，要靠谱得多。
