YC 团队深入调研数十家顶尖 AI 创业公司，揭秘 Prompt Engineering 的最新实战方法：从 Meta Prompting 到 Eval 体系，从 Forward Deployed Engineer 模式到不同模型的个性化差异
顶尖 AI 创业公司的真正护城河不是 Prompt 本身，而是 Eval 体系 -- 没有 Eval，你永远不知道 Prompt 为什么要这样写，也无法持续改进它。
Meta Prompting 正在成为所有顶尖 AI 公司都在使用的核心技术。其本质是让一个 Prompt 动态生成更好的版本 -- Prompt Folding。用更强大的模型（如 Claude 3.7、GPT o3）做 Meta Prompting 生成精炼 Prompt，然后在更快更小的模型上运行，这是应对延迟需求（如语音 AI）的标准做法。
Parahelp 愿意开源整个 Prompt，因为他们认为 Prompt 不是核心资产 -- Eval 才是。没有 Eval，你不知道 Prompt 为什么这样写，也无法改进它。获取高质量 Eval 需要创始人亲临一线、与用户面对面 -- 这正是 Forward Deployed Engineer 的精髓：坐在 Nebraska 的区域销售经理旁边，理解他们的 reward function。
LLM 天然渴望帮助你，即使信息不足也会编造答案 -- 这就是幻觉的根源。解决方案是在输出格式中增加一个 debug info 字段，让 LLM 向开发者「投诉」：你给的信息模糊或不完整。这不仅减少幻觉，还自动生成了一个开发者待办清单，告诉你 Prompt 哪里需要改进。
Claude 更像一个友好、高度可控的助手；Llama 4 像一个未经打磨的开发者，需要更多引导但可以精准控制；o3 像严格的士兵，死板执行 Rubric 评分；Gemini 2.5 Pro 像高能动性员工，能灵活处理边缘情况。选择模型就像选择员工，不同任务需要不同个性。