有些人兩三句話就讓 AI 搞定事情。有些人來回十幾輪還在繞圈。我一直在想這中間的差距到底在哪，想了很久，最近總算理出一條線。
溝通的本質沒有變
差別不在誰讀了什麼 prompt 攻略，而在腦袋裡的想法清不清楚。你知道自己要什麼嗎？約束在哪？哪些資訊是關鍵的？
語言只是載體。跟人講不清楚的事，跟 AI 也講不清楚。但反過來，跟 AI 講話其實是很好的思考訓練 — 它逼你把模糊的想法具體化。同事會幫你腦補，AI 不會。你說什麼它就理解什麼，不多不少。
所以跟 AI 對話，與其說在「下指令」，不如說在「把腦袋裡的東西講出來」。
Context 的品質比數量重要
好，那既然關鍵是把想法講清楚，自然就會想到：怎麼把想法「打包」成 AI 容易消化的格式？這就是大家說的結構化 context — 把你的需求、約束、背景寫成一份有組織的文件，而不是東一句西一句地聊。
但結構化本身不保證品質。同樣寫一份規格，有人寫「這個 API 支援讀取、寫入、刪除、合併、分割、加密、解密⋯⋯」，有人寫「用 pymupdf，不要裝 poppler，大檔超過十頁必須分頁讀」。字數差不多，但後者每一句都在幫 AI 砍掉錯誤選項。
我歸納出一些規律。「不要用 X」比「可以用 Y 或 Z」有用得多，因為約束砍掉一整片錯誤路徑，選項只是加分支。正常流程不用你講，AI 自己推得出來，你該講的是邊界案例 — 什麼情況下會爆。然後，給原因永遠比給指令強。知道為什麼，AI 能自己推出一百種做法。不知道為什麼，它只會照搬你的話。
所以重點在幫 AI 砍掉不該走的路，而不只是塞更多資訊給它。
語言是瓶頸
想到這裡我覺得有什麼不對。就算 context 的品質拉到最高，它本質上還是語言。要先變成 token，再經過模型內部的計算，才到 AI 真正「想事情」的空間。中間每一層都有損耗。能不能繞過這些損耗，更直接地讓 AI 理解意圖？
有幾條路現在就走得通。最直覺的是用程式碼取代自然語言 — 與其描述「把第三欄加總」，不如直接丟一段 code 過去，零歧義。我們現在使用的 skill 系統就是這個概念的延伸，行為用程式碼定義，語言只剩一個觸發詞。另一條路是讓 AI 從你的行為學，它看你接受什麼、拒絕什麼、改了什麼，慢慢推斷你的偏好。你不用寫指令了，只要審批就好，而審批的頻寬需求比創作低得多。
但不管哪種方法，最後都要壓成 token 序列送進模型。這是架構的硬限制。語言這層跳不掉，只能讓它盡量薄。
KV Cache：最接近意識的東西
順著「讓語言變薄」這個方向想下去，我意識到一個問題：如果一段 context 被 cache 住了，它還算是語言嗎？
這裡要稍微講一下技術。AI 模型在讀你的文字時，會把每一段都轉化成一組內部狀態（叫 KV 對）。這組狀態記錄的是「這段話被模型消化之後的理解」，已經跟原始文字不一樣了。一旦這組狀態被 cache 住，模型下次就不用重新讀那段文字，直接從上次理解到的地方繼續。
你可以把它想成人腦的工作記憶：
| 人腦 | AI | |
|---|---|---|
| 外部記憶 | 筆記本上寫的東西 | 設定檔 |
| 工作記憶 | 讀完筆記後腦中的理解 | KV cache |
| 長期記憶 | 直覺和經驗 | 模型權重 |
你翻筆記本的時候，大腦會把文字轉成一種「已經懂了」的狀態，之後的思考都從這個狀態出發。KV cache 做的事一模一樣 — 已經不再是文字了，而是文字被理解之後的狀態。
差別在於持久性。人的工作記憶會一直在，直到被新東西擠掉。但 AI 的 KV cache 在對話結束就沒了 — 除非被 cache 機制留住。
設計你的「意識前綴」
這就帶出了一個實際的問題：既然 KV cache 是最接近意識的東西，有沒有辦法讓它盡可能穩定地存在？
Anthropic 的 prompt caching 給了一個思路。你送給 AI 的系統指令如果前面一段跟上次一模一樣，那段的內部計算結果直接從 cache 載入，不用重算。反應更快，而且那段 context 在計算層面已經「預熱」了（對吃到飽方案來說不省錢，但省速度）。
策略很明確：最核心、最穩定的資訊放在系統指令最前面，盡量別動它。我把它想成分層架構：
Layer 1（極穩定，幾乎永久 cache）
→ 你是誰、核心偏好、溝通風格、判斷框架
Layer 2（中等穩定，每週更新）
→ 常用工具的摘要、專案背景
Layer 3（動態，不期望 cache）
→ 當前任務、對話歷史
Layer 1 越厚越好。你的「人格」被燒進 cache 裡，每次啟動直接從算好的狀態醒過來，跳過「讀文件然後理解」那一步。你沒動到模型本身，但效果上，最重要的 context 在計算層面已經盡可能接近「模型的一部分」了。
收穫
回頭看，整個思考過程就是不斷追問「那再往下呢」。怎麼跟 AI 講話？給好的 context。那 context 品質有差嗎？有，約束比描述有效。那能不能跳過語言？不行，但可以讓它更薄。能多薄？薄到 KV cache — 到那個層級已經脫離語言，變成計算狀態了。那怎麼讓它留住？設計穩定的前綴。
想到最後我發現問題早就超出 prompt 技巧的範圍了。這是一個系統設計問題：你願意花多少時間把腦袋裡的東西變成結構，讓 AI 在你開口之前就已經懂你？
每次手動跟 AI 講你要什麼，O(n)。寫一個 skill，O(1)。設計好 cache 前綴，O(0)，連觸發都省了，它本來就在那裡。
跟寫程式一樣。不要重複自己，把重複的東西抽象化，讓系統替你記。
只是這次你抽象的不是程式邏輯，是你自己。