来源
- 原始链接：https://www.youtube.com/watch?v=DqtmZE6Hl0g
- 来源类型：视频逐字稿
- 来源标题：Prompt 就是平台
文本来源是 AI Engineer 频道视频《提示词就是平台》的修复版中文稿。下面按汉松兴趣画像优先保留机制解释、反常识判断和可复用工作流，而不是做普通摘要。
开头可以先抓住一句：Dominik Tornow 认为，当 Agent 能够按需根据规范生成面向具体基础设施的实现时，软件平台的价值会从通用实现转向可复用的规范。Resonate 的实践说明，要让 Agent 参与系统设计，需要把抽象规范、确定性仿真、具体规范和具体实现串成一条链路，让 Agent 通过可复现、可检查的反馈理解并修正分布式算法。
一、从实现复用转向规范复用
背景
演讲者提出核心判断：代码 Agent 会让通用软件平台的重要性下降，平台价值会前移到协议和规范。Resonate 希望从同一份抽象协议中，为不同基础设施生成多个可信实现。
抽象规范与具体实现之间的距离太大。Agent 生成了一个在顺利路径上可以工作的系统。它通过了基础测试，但它并不正确。它在并发下会出问题，在进程失败下会出问题，在网络失败下也会出问题。这个实现更接近原型，而不是生产系统。
演讲者提出核心判断：代码 Agent 会让通用软件平台的重要性下降，平台价值会前移到协议和规范。Resonate 希望从同一份抽象协议中，为不同基础设施生成多个可信实现。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
二、引入具体规范和仿真
背景
直接让 Agent 从抽象规范生成生产实现会失败，因为抽象协议和具体基础设施之间的距离过大。团队先引入具体规范，再进一步让 Agent 在确定性仿真中探索算法，从而参与设计，而不只是写代码。
所以我们给 Agent 提供了一个确定性仿真环境，并给了它一个不同的任务：不要构建生产系统，而是构建一个仿真实现。仿真实现不是产品，它是可执行的设计。它的目的，是在偏序和部分失败条件下发现正确算法。一旦这些算法在仿真中被发现、测试和验证，我们再要求 Agent 写出具体规范。
直接让 Agent 从抽象规范生成生产实现会失败，因为抽象协议和具体基础设施之间的距离过大。团队先引入具体规范，再进一步让 Agent 在确定性仿真中探索算法，从而参与设计，而不只是写代码。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
三、用确定性仿真暴露分布式系统的失败原因
背景
NATS 的键值存储允许陈旧读取，这会给正确性带来挑战。仿真环境可以稳定复现最新读取、陈旧读取、乐观并发失败和不变量破坏，并把真实生产环境隐藏的信息记录到跟踪记录中，帮助 Agent 调试分布式算法。
它还会记录对算法隐藏的最新值。最新值表明，同一个 promise 已经 settled。这个差异，正是 Agent 在调试分布式算法时需要的事实类型。不是只知道不变量失败，而是知道不变量失败的原因是：算法基于一个陈旧的世界视图做出了决策。
NATS 的键值存储允许陈旧读取，这会给正确性带来挑战。仿真环境可以稳定复现最新读取、陈旧读取、乐观并发失败和不变量破坏，并把真实生产环境隐藏的信息记录到跟踪记录中，帮助 Agent 调试分布式算法。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
四、Agent 通过仿真完成从设计到实现的闭环
背景
Agent 先在确定性模拟器中构建并验证概念验证，再从中推导具体规范，最后生成生产实现。结论是：提示词是平台，规范是产品。
提示词是平台，规范是产品。非常感谢观看。如果你有任何问题，请随时联系我。你可以在 Resonate 的 Discord 里找到我。
Agent 先在确定性模拟器中构建并验证概念验证，再从中推导具体规范，最后生成生产实现。结论是：提示词是平台，规范是产品。
兴趣匹配度很高。它对应的是 Agent 工程化的核心问题：如何把不稳定的模型行为放进清晰的状态、动作、工具和反馈闭环里。
整体判断
这篇最值得保留的不是某个单点技巧，而是它把「提示词就是平台」放进了更完整的工程框架里：从实现复用转向规范复用、引入具体规范和仿真、用确定性仿真暴露分布式系统的失败原因。这些内容可以作为汉松后续写 AI 工程、Agent 系统和团队工作流时的素材。
更重要的是，它提供了一种判断 AI 系统的方式：先看问题如何被拆成状态、动作、工具、评估和人的边界，再看模型能力如何嵌进去。只有这样，视频里的做法才会从一次演示变成可迁移的方法。