Prompt 令人著迷，因為它重新建立一種古老的關係：人以語言面對未知，然後等待某種外部系統給出回應。過去，人用卜辭、星盤、八字、籤文理解命運。今日，人用 prompt 向模型提出問題，要求它推演、判斷、生成方向。兩者當然不是同一回事。命理依靠象徵系統，AI 依靠資料、模型權重與概率運算。但在人的使用經驗上，兩者有一個相似位置：把不可掌握的未來轉化成一個可以被閱讀的語言結果。

Prompt 像一張臨時生成的命盤，但你輸入的是你的問題、語氣、假設、限制條件與期待。這些元素會共同影響 AI 回應的方向。AI 根據你提供的語言結構，沿著模型訓練資料中最可能的路徑生成結果，可以說 prompt 是一次語言條件設定。到 2025 至 2026 年，這件事變得更明顯。AI 已經不只是聊天框裡的文字生成器。OpenAI 在 2025 年推出 Operator，將 agent 定義為可以替人執行任務的 AI；Google 在 2026 年把 agentic AI 放入 Search，讓使用者不只是搜尋資訊，也可以透過提問啟動更複雜的操作；Microsoft 的 Copilot Studio 亦把 AI agents 放進企業流程與工作自動化之中。這些發展表示 prompt 正由「要求模型說甚麼」變成「要求系統做甚麼」。

以上都是 prompt 作為新命盤的關鍵。傳統命盤把人的出生條件視為一組結構，然後推演性格、趨勢與可能結果；prompt 則把人的語言輸入視為一組條件，然後生成回應、方案與行動建議。兩者都不是直接等於命運，但都會影響人如何理解自己的處境。當 AI 給出一個看似完整的分析，人很容易把它當成外部判斷。問題也在這裡。很多人以為 prompt 寫得越精準，就越能控制 AI。這個想法有一部分正確，清楚的條件、目標、格式和限制，的確可以令輸出更穩定，但不等於人完全控制結果。AI 回應仍然受模型訓練資料、系統設計、安全規則、上下文長度、工具連接與平台目標影響。Prompt 能調節概率，但不能創造真正的機器意志。人以為自己在命令模型，其實更多時候只是與一套不可完全看見的語料分佈協商。所以 prompt 最值得研究的地方是它如何暴露人的世界觀，即是你怎樣提問已經預設了你相信甚麼，例如你問「如何提升效率」，你已經接受效率是核心問題。AI 的回答固然重要，但你的 prompt 本身已經是一張心理命盤，記錄了你的焦慮、慾望、限制與盲點。

由此亦解釋為甚麼 prompt engineering 很快從純技術技巧變成一種文化現象。人們開始相信只要找到正確句式，就能召喚更好答案。這與古代對咒語、籤文和儀式語言的信任有相似結構。差別在於今日的回應來自龐大的語料與計算系統。問題也在此處出現，人會把生成結果看得過重。當 AI 由文字生成走向 agentic action，prompt 的後果也變得更具現實性。以前一句 prompt 最多生成一段文字，現在一句 prompt 可能啟動搜尋、整理資料、寫信、訂位、建立流程，甚至協助企業決策。語言一旦連接行動，它就是操作，這代表 prompt 的責任也提高了。所以 prompt 是一種語言接口，一邊連著人的意圖，一邊連著模型的分佈與平台的權力，它像命盤之處是它把複雜條件壓縮成可讀結果，同時它也不像命盤，因為它不只解讀，還可能生成下一步行動。這是 AI 時代最重要的轉變：語言開始直接調動系統。

人類一直想用符號處理未知。從甲骨、星盤、籤文到 prompt，形式改變了，但需求沒有改變。我們仍然希望透過一套外部語言系統，看見自己看不清的可能性。只是今日的外部系統是我們親手訓練出來的機器。每一次 prompt 實際上是把自己的問題結構交給模型重組，機器給出一個經由資料與語言生成的可能世界，重要的是我們是否仍然知道最初那一句話是由誰問出來的。