A02 语用学与 Prompt 设计
A02 语用学与 Prompt 设计
一条 prompt 写下去到底是在做什么？工程默认答案是”它是一段指令字符串，模型按字面执行”。这个答案在 90% 的失败 prompt 背后埋着一颗雷：prompt 不是命令，而是一次言语行为（speech act）——它的实际意义依赖语境、依赖说话者意图、依赖听话者（模型）对”你到底想要什么”的推断。把 prompt 当命令而非言语行为，等于把语言学积累了七十年的”字面意义 ≠ 交际意义”的洞察整个扔掉。本节用语用学（Pragmatics）的两个支柱——Grice 的会话含义（conversational implicature）和 Austin–Searle 的言语行为理论——来重构”prompt 是什么”这个问题，并给出 PM 在 system prompt 设计、意图路由、多轮对话维护上的具体决策。
[!warning] 判断主轴（一句话） 把 prompt 当”命令”是工程视角的窄化；prompt 本质是”言语行为”，其意义在语境中推断而非在字面中给定——忽视这一点是产品级歧义的系统性根源。
§0 为什么是语用学，而不是”prompt engineering 技巧合集”
业界主流的 prompt 框架（few-shot、CoT、ReAct、role-play、structured output）是经验技巧的归纳，缺一个解释性理论：为什么”请扮演一个资深律师”会改变输出质量？为什么”一步步想”会提升推理？为什么同样语义的两句 prompt 效果天差地别？
候选框架有三个，我先做框架级辨析，挡掉两个错误默认：
| 候选框架 | 它说 prompt 是什么 | 为什么不够 |
|---|---|---|
| 句法/语义框架（把 prompt 当形式语言） | prompt 是一段需被”解析执行”的代码 | 解释不了”字面相同、语境不同则意义不同”，也解释不了间接请求 |
| 统计模式框架（prompt 是触发分布的 key） | prompt 是检索训练分布的查询向量 | 描述了机制，但不提供设计规范——无法告诉 PM”该补什么” |
| 语用学框架（prompt 是言语行为） | prompt 是带意图的交际行为，意义需推断 | ✅ 既解释现象，又给出可操作的设计准则（见 §3） |
选语用学，不是因为它”更高级”，而是因为它唯一同时回答”为什么会错”和”该怎么补”。句法框架告诉你 prompt 是字符串（对，但无用）；统计框架告诉你 prompt 触发分布（对，但只是机制描述）；只有语用学给出”prompt 作为交际行为，其字面之下还有意图层、语境层、合作层”这一可补缺的结构。
这也是本节与下文 c02 - Tokenization 与词表工程 的分工：c02 处理 prompt 在符号层如何被切分（token），本节处理 prompt 在意义层如何被理解（pragmatics）。两者正交——token 切得再优，意图推断错了照样答非所问。
§1 Grice：合作原则与”prompt 是一次合作的交际”
Grice 在 1967 年哈佛 William James 讲座（正式发表于 1975 年，收入 Cole & Morgan 编 Syntax and Semantics vol. 3；后收入 Studies in the Way of Words, 1989）提出合作原则（Cooperative Principle）：交际双方默认对方在”按当前对话目的提供恰当贡献”。其下四条准则：
| 准则 | 内容 | prompt 设计对应 |
|---|---|---|
| Quantity（量） | 信息量恰好，不多不少 | system prompt 应规定详略；否则模型 verbosity bias 倾向过度输出 |
| Quality（质） | 只说你相信为真、有据的 | 要求模型标注不确定性，不捏造——幻觉 = Quality 的严重违反 |
| Relation（关） | 保持话题相关 | 多轮对话要重申焦点，防漂移 |
| Manner（式） | 清晰、简短、有序、避歧义 | 显式指定结构（markdown／编号步骤） |
会话含义的机制是这里的核心洞察：说话者表面违反某准则（flouting），听话者基于”对方仍在合作”的假设，反推出字面之外的隐含意义。经典例：“Can you pass the salt?”——字面是能力问句（违反 Quantity，因为”能不能”是废话），听话者据此推断真实意图是请求。
这对 prompt 设计意味着什么？用户的 prompt 几乎总是带会话含义的。用户输入”这段代码有点慢”，字面是陈述，含义是”帮我优化”。一个把 prompt 当命令的系统会回答”是的，它确实慢”（字面合作）；一个理解会话含义的系统会启动优化（交际合作）。
[!note] 这里有一个被低估的不对称 人类听话者自动做含义推断（Grice 假设这是合作的默认）；LLM 不会自动做，它需要被显式提示去推断。Kim et al.（2023, arXiv:2305.13826）证明：把 Grice 四准则注入 Chain-of-Thought，模型在会话含义理解任务上能超越人类平均水平。这不是模型天生会的，而是被语用学理论”教会”的。
§2 Austin–Searle：prompt 是哪一类言语行为
Austin 在 How to Do Things with Words（1955 哈佛讲座，1962 身后出版）提出：有些话语不是描述事实，而本身就是行动——“我宣布二位结为夫妻""我把这艘船命名为……”。他后来放弃 constative/performative 二分，提出三层：
- Locutionary（话语行为）：发出有意义的语言表达
- Illocutionary（以言行事）：通过说话完成的约定行为——命令、请求、断言、承诺
- Perlocutionary（取效行为）：说话产生的实际效果——被说服、被激怒
Searle（Speech Acts, 1969, Cambridge UP）批评 Austin 分类”过于依赖词汇列举”，改用基于原则的五类分类（据 Stanford Encyclopedia of Philosophy “Speech Acts” 条目）：
| Searle 五类 | 定义 | 在人–LLM 交互中的对应 |
|---|---|---|
| Representatives（断言类） | 承诺命题为真 | 模型答事实问题、用户陈述前提 |
| Directives（指令类） | 让对方做某事 | ”请总结这段”——最常见的 prompt 类型 |
| Commissives（承诺类） | 承诺未来行动 | 模型”我将分三步执行” |
| Expressives（表达类） | 表达心理状态 | 模型”很抱歉给您带来困扰” |
| Declarations（宣告类） | 说即改变现实 | 管理员”你已被封号”——危害系数最高 |
对 PM 最直接的用处：意图识别（intent detection）。 对话系统的槽位填充、路由分发，本质就是先判断用户 prompt 属于 Searle 哪一类——Directive 走任务执行链，Representative 走知识检索链，Commissive 走 agent 规划链。这正是多 agent 框架里消息类型（inform / request / agree / propose）的理论祖先，可上溯到 FIPA ACL（1997）的 agent 通信语言。
[!note] direction of fit（适合方向）——一个被工程忽视的开关 Searle 区分：断言是 word-to-world（话语应匹配世界），命令/请求是 world-to-world（世界应匹配话语）。一条 prompt 同时可能两个方向：用户说”我们的退款率是 5%“（断言，word-to-world）“把它降下来”（指令，world-to-word）。把整条 prompt 当单一命令处理的系统，会丢掉前半句的事实校验。direction of fit 是判断”这部分要核实事实 vs. 这部分要执行动作”的语用学开关。
§3 判断主轴：把 prompt 当命令的四个致命错位
[!warning] 这是本节命门：90% 的 prompt 失败都能归到下面四个”命令式误读”
错位一：忽视会话含义，只执行字面
- 症状：用户输入”这个方案风险大吗”，模型回”是的，有风险”（字面应答），不给缓解措施。
- 为什么会错：把 prompt 当 constative（描述性问句）字面处理，忽视它的 illocutionary force 其实是 directive（“请评估并给建议”）。
- 正确做法：在 system prompt 中显式要求模型先做意图推断（“先判断用户真正想要什么，再回应”），即 Kim et al. 2023 的 CoT + Gricean reasoning 路径。
- 真实反例：早期客服 bot 对”我的快递怎么还没到”回”您的快递正在运输中”——字面合作，交际失败，因为它没识别出含义是”请催/请赔”这一 directive。
错位二：违反 Quantity，过度或不足输出
- 症状：问”今天天气”，模型输出三段气象学讲解（违反 Quantity 上界）；或要详细方案却只给一句话（违反下界）。
- 为什么会错：命令式视角假设”模型知道该说多少”，但 Quantity 是语境相关的合作判断，不是命令里写死的。LLM 有结构性的 verbosity bias（RLHF 偏好更长回答），默认违反 Quantity 上界。
- 正确做法：system prompt 硬编码长度约束（“不超过 200 字""只给结论不给推理”），用规则补偿模型缺失的 Quantity 直觉。
- 真实反例：未约束的总结类 prompt 普遍产出”摘要比原文还长”，这是 Quantity 违规的经典形态。
错位三：把 Quality 违规（幻觉）当”执行正常”
- 症状：模型自信编造一个不存在的 API、一篇不存在的论文。
- 为什么会错：命令式视角里”模型给了输出 = 命令执行成功”，但语用学视角里，幻觉是 Quality 准则的根本违反——它”说了它没有据信为真的话”。
- 正确做法：把 Quality 当成可监控的语用约束——要求模型在证据不足时说”我不确定”，并对宣告类（Declarations）输出加最高审查（arXiv:2504.00928 指出 Declarations 类输出危害系数最高）。
- 真实反例：法律、医疗场景中模型”宣告”某条款存在/某药安全——这是 Declaration 类 Quality 违规，后果最严重。
错位四：单轮命令视角丢失多轮 Relation
- 症状：多轮对话到第 5 轮，模型忘了第 1 轮设定的主题，开始跑题。
- 为什么会错：命令式视角把每轮当独立命令，但合作原则下的 Relation 是跨轮维持的——对话有”被接受的方向”。
- 正确做法：在每轮 prompt 中人工重申焦点（“继续围绕 X 这个目标”），人工维护 Relevance（这正是 Sperber & Wilson 关联理论强调的——见 §6）。
- 真实反例：长对话 agent 在工具调用十几步后”忘记初始目标”，是 Relation 维护失败的典型——这与 上下文工程专题处理的”上下文衰减”是同一现象的两个侧面（见 §8 升级对照）。
§4 产品 PM 视角补盲：工程看不到的三个语用盲点
工程把 prompt 当字符串，看不到下面三层：
-
用户心理模型的语用错配。用户对 LLM 说话时，会无意识套用人类合作原则——他们省略他们认为”对方应该懂”的语境（Grice 的 Quantity：不说废话）。于是用户写”帮我弄一下那个”，省略了”那个”指什么，因为人类对话里指代靠共享语境补全。产品若不主动追问（“您指的是哪个文件？”），就是默认了一个用户并没给的语境。这是 onboarding 流失的隐形杀手：用户按人类合作习惯说话，系统按命令习惯执行，错配产生挫败。
-
跨文化的合作原则差异。Grice 假设合作原则普适，但人类学和跨文化语用学早有反例：高语境文化（日本、拉美部分场景）的”恰当信息量”远低于低语境文化（德、美），因为更多意义靠语境承载。Rick 在滴滴/99 巴西、墨西哥的 fieldwork 里见过这种张力：巴西用户的客服表达常带大量寒暄与间接请求（间接 directive），一个按低语境 Quantity 标准训练/调优的系统会觉得”信息冗余、意图不明”，反之亦然。Prompt 的合作准则不是文化中立的——这一点与 人类学 的 民族志 视角直接相关，也呼应本专题 E03 跨文化迁移节点。
-
合规边界即 Declaration 边界。Searle 的宣告类言语行为”说即改变现实”——只有具备制度性权力的人说才生效（法官说”判处”才有效）。LLM 没有这种权力，但用户/下游系统可能把模型输出当 Declaration 对待（“AI 说我违规了，所以封号”）。把模型的 Representative（“据我判断这可能违规”）误当 Declaration（“你违规了”）执行，是 AI 合规事故的语用学根源。PM 必须在产品层显式降级模型输出的言语行为类型——这是 Claude 等厂商在高风险场景加”this is not legal advice”的语用学本质。
§5 对手框架回应：关联理论（Relevance Theory）会怎么打 Gricean prompt 设计
[!quote] 接受 + 边界，不是反驳
对手立场（Sperber & Wilson, Relevance, 1986/1995）：Grice 的四条准则是冗余的。人类认知天然追求最大关联性——一个话语值得处理，当且仅当其认知效益（cognitive effect）超过处理成本（cognitive effort）。不需要四条准则，只需一条关联原则。Horn（1984）的 Q/R 二原则、Levinson（2000）的 Q/I/M 三原则也都认为 Grice 准则相互重叠、界定模糊（“Relation 太含糊，Quantity 与 Relevance 重叠”）。
我接受的部分：关联理论对 prompt 设计可能更接近机制真相。如果模型本质是在”最小化处理成本、最大化相关信息”，那么逐条核查四准则就是错误的工程隐喻——更对的做法是降低模型的推断成本 + 提高关键信息的显著性（salience）：把最相关的约束放在 prompt 显著位置（开头/结尾）、减少需要模型自行推断的隐含语境。这与”prompt 的指令前置/后置位置影响效果”的工程经验高度吻合。
我坚持的边界与赌注：但对 PM 落地操作而言，Grice 四准则仍是更好的设计清单。原因有二：(1) 关联理论是描述性认知理论，它不告诉你”该往 system prompt 里写什么”；Grice 四准则是可逐条转译成约束的 checklist（Quantity→长度限制，Quality→不确定性标注，见 §3）。(2) Miehling et al.（2024, arXiv:2403.15115）正是沿 Gricean 路线，为 AI 新增了 Benevolence（善意，处理有害内容） 和 Transparency（透明，承认知识边界） 两条专属准则——这是关联理论的单一原则难以直接派生的可操作维度。我赌的是：在理论解释力上关联理论可能更优，但在 PM 工具箱里 Gricean checklist 更可用；当二者冲突时，对高风险场景我选 Gricean 的显式约束，对效率优化我借关联理论的”显著性”直觉。
第二个对手框架（Rick 未读，用来破 echo chamber）：philarchive.org “Speech Acts and Large Language Models”（GORSAA）提出更尖锐的质疑——合作原则对 LLM 根本不适用，因为模型没有”合作意图”。Grice 的整个机制建立在”双方都想合作”的共同信念上；LLM 是统计拟合，无意图、无信念。若此论成立，那么”把 prompt 当言语行为”本身就是拟人化谬误。我的边界承担：这是本节最该警惕的失效点——我主张的”prompt 是言语行为”是一个对人有用的设计隐喻，不是关于模型内部的本体论断言。模型是否”真的”在做言语行为是开放的语言哲学问题（arXiv:2312.09545 关于 GPT-4 是否超越人类语用表现也无定论）；但作为 PM 的设计框架，把交互建模为言语行为能让你补对盲点——这就够了。
§6 跨域呼应：从 Austin 的”以言行事”到福柯的”话语即权力”
Austin 的核心贡献是揭示语言不只描述世界，还作用于世界（performative）。把这条线索往社会理论延伸，福柯的”话语（discourse）即权力”是它的政治升级版：谁有资格做哪类言语行为，本身是权力结构的产物——只有法官能”判决”，只有医生能”诊断”，这些 Declaration 的”生效条件”就是制度性权力的分配。
这个跨域呼应如何改变本节的技术判断？ 它让我看清一件工程视角看不到的事：当 LLM 被部署进决策链，它实际上在僭越言语行为的权力分配。一个内容审核模型输出”此内容违规”，在 Searle 框架里这应是 Representative（一个可错的判断），但在产品流程里它被当 Declaration（直接触发封号）执行——这是把统计判断偷换成制度性宣告的权力滑变。福柯让我们看到这不是 bug，而是技术嵌入权力结构时的结构性诱惑：系统设计者倾向于让模型输出”看起来像权威宣告”，因为这样省去人工复核。本节 §4.3 的合规盲点，本质就是 0117社会学意义上的权力问题，而非纯技术问题。这也是为什么 PM 在高风险场景必须显式标注模型输出的言语行为类型并降级——这是对话语权力的产品级治理。
§7 PM 决策启示：面试 / 选型 / 复现三类落地
- 面试桌：被问”你怎么设计 prompt”，不要答技巧合集。答：“我把 prompt 当言语行为而非命令——先做意图识别（Searle 五类路由），再按 Grice 四准则做约束（Quantity 限长、Quality 标不确定、Relation 锚定焦点、Manner 结构化）。“30 秒内把一个经验问题升到理论框架，这是判断力的展示。
- 选型会：评估对话产品时，看它是否处理会话含义与多轮 Relation——用间接请求（“这报告读着费劲”）测它会不会”字面应答”还是”识别优化意图”；用长对话测它的 Relation 维护。这比看 feature list 更能区分产品成熟度。
- 复现台：直接复用 Kim et al.（2023, arXiv:2305.13826）的 CoT + Gricean reasoning 模板——对模糊/间接 prompt，先让模型显式推断意图（按四准则），再执行。这是迄今最直接把语用学注入 prompt engineering 的实证验证（CHI’25 的 Kim et al. 2025, arXiv:2503.00858 进一步给出 9 条面向交互阶段的可操作设计考量）。
§8 与已有节点的关系（升级对照，不复述）
- 对 c02 - Tokenization 与词表工程 与 Tokenization：做正交补缺。c02/Tokenization 讲 prompt 在符号层如何被切分计费；本节讲 prompt 在意义层如何被理解。两者合起来才完整：“token 切得对”且”意图推断对”缺一不可。
- 对 上下文工程专题：做显式升级对照，不复述。0417 处理”上下文窗口里放什么、怎么排、怎么衰减”——这是工程层的上下文管理；本节处理”用户那句话真正想要什么”——这是语用层的意图理解。关系是：0417 解决”把对的信息塞进窗口”，本节解决”判断什么才是对的信息”。§3 错位四（多轮 Relation 丢失）与 0417 的”上下文衰减”是同一现象的语用侧与工程侧——0417 用更长窗口/检索缓解，本节用 Relation 重申缓解，两者互补而非重复。本节不复述 0417 的窗口管理细节。
- 对 幻觉：做重新归类。本节不复述幻觉的成因机制，而是把它重新定位为 Grice Quality 准则的违反——这给幻觉治理一个新抓手：不只是”提高事实准确率”，而是”训练模型遵守 Quality 合作准则（不确定就说不确定）”。
- 对 m209 - 推理成本控制手册：做对话。Quantity 准则（控制输出长度）直接是成本杠杆——遵守 Quantity 上界 = 降低输出 token 成本。语用学约束与成本控制在此重合。
§9 关联节点
核心（必读）
- c02 - Tokenization 与词表工程 —— prompt 的符号层，与本节意义层正交
- Tokenization —— 概念卡，token 切分机制
- 幻觉 —— 本节将其重定位为 Quality 准则违反
- m209 - 推理成本控制手册 —— Quantity 准则的成本对应
- 人类学 / 民族志 —— §4.2 跨文化合作原则差异的方法论支撑
延伸（可选）
- Embedding —— prompt 语义的向量侧
- Claude / Gemini / ChatGPT —— 不同厂商在言语行为降级（如免责声明）上的设计差异
- 0117社会学 —— §6 话语权力的社会理论入口
- AI PM 知识图谱·总索引 —— 全局导航
- 本专题同级：A01（语言学视角总论）、E03（跨文化迁移·拉美 fieldwork）、0413 多语 token 成本、0422 STS 跨文化
修订日志
- R0（2026-06-07）：首稿。建立”prompt 是言语行为非命令”判断主轴，四件套错位（会话含义/Quantity/Quality/Relation），Grice + Austin–Searle 双理论支柱，关联理论 + “LLM 无合作意图”两个对手框架的”接受+边界”回应，福柯话语权力跨域呼应，与 c02/0417/幻觉/m209 升级对照，Rick 拉美 fieldwork 跨文化盲点。待 grounding pass 复核 arXiv ID 与 0417/0117 链名。
- 2026-06-11 P3.4 校链：0417 上下文工程专题现已入库，删除全文 staging 注解并恢复真链——§3 真实反例段「0417…总览〔待核实链名〕」、§8「位于 _ai_review、暂以据称引用、入库后补双链」均改为 上下文工程专题；§9 关联节点行纯文本 0413/0422 同步恢复为真链。
- 2026-06-12 内审修复：修复 §3/§8/§9 四处跨专题死链——
0417 总览/0413 总览/0422 总览在全 vault 均不存在，改为真实 basename[_上下文工程系统化专题·总览](/kb/专题-工程与成本/_上下文工程系统化专题-总览/)/[_成本工程系统化专题·总览](/kb/专题-工程与成本/_成本工程系统化专题-总览/)/[_STS 系统化专题·总览](/kb/专题-人文社科透镜/_sts-系统化专题-总览/)（保留显示别名）。