从提示词到任务：多模态交互单元提升AI智能体效率

Elvis Saravia提出将“任务”作为超越单条提示词的交互单元，把语音、屏幕、文本和标注等信息集中提供给智能体，使其一次获得更完整的上下文，并在单次交互中处理更复杂的工作。

这一设想受到Karpathy关于将长语音会话用作提示的思路启发。材料认为，通过在交互前端预先加载多模态上下文，可以减少用户与智能体之间因信息不完整而产生的反复修正。

Aioga判断，这一观点的重点并非单纯增加提示词长度，而是重新组织人与智能体之间的信息交付方式。值得关注的是，多种上下文能否被清晰整合，可能决定“任务”是否真正比提示词更有效。

若这一交互方式成立，智能体的使用流程可能从连续补充指令转向一次性描述完整任务。Aioga判断，这可能有助于减少来回沟通，并让单次交互覆盖更多信息，但材料未提供量化效果或实际应用结果。 值得关注后续是否出现可验证的产品实践或对比材料，例如多模态任务输入与普通提示词在修正次数、任务复杂度和完成表现上的差异；在此之前，该方法应被视为一种交互设计主张。