同样一个 Agent，为什么你写的能按规矩办事，我写的就放飞自我？你有没有发现一个诡异的现象——同一个 LLM、同一套工具、同一个任务，不同的人写 system prompt，结果天差地别：有人写的 Agent，老老实实先调工具查数据再回答；有人写的，张口就来，数据是编的；有人写的输出永远是干净 JSON；有人写的，今天一个格式明天一个格式；有人写的一句话就能让它按流程走，有人写的问一百遍它都在"嗯这个我需要调用 API"。差的这一口气，不在模型，不在代码，在你怎么跟它说话、怎么给它立规矩。这就是提示词工程（Prompt Engineering）：把"爱自由发挥的 LLM"往你想让它待的"规矩"上靠，又不把它绑死、绑瞎。这一篇不做玄学，用同一台 Agent、同一批提问，跑三组真实的对比实验，量一量"把话说清楚、把规矩立明白"到底能带来多大变化。全程标准库 + 一个 openai SDK，macOS 直接能跑，你复现的结果会和我在本机跑的一致。先立个心眼：LLM 不是"听话的工兵"，是"艺术自由但常犯错的聪明人"先纠正一个直觉：别指望 prompt 能让 LLM 永不犯错，但 prompt 的架构决定它的下限——工具到底触发不触发、会不会编行情、输出规整不规整、会不会一被绕就放飞。prompt 不是魔法，是把"模糊的期望"翻译成"模型能照