提示工程是指精確地將需求傳達給生成式人工智能工具的藝術(shù)和科學(xué)。它需要優(yōu)秀的語言能力、好的橫向思維能力以及對技術(shù)的深入了解。這是一個涉及編寫和優(yōu)化AI提示以確保高效、準確輸出的過程。你準備好成為一名“人工智能心理學(xué)家”了嗎？現(xiàn)在是時候進入這個利潤豐厚的新職業(yè)的底層了。這是如何做到的。
生成式人工智能還處于早期階段，但它已經(jīng)威脅到顛覆職業(yè)道路和整個行業(yè)。雖然人工智能藝術(shù)和文本生成正受到相當大的主流關(guān)注，但軟件開發(fā)人員往往對ChatGPT?和?GitHub Copilot?等大型語言模型 （LLM） 更感興趣。這些工具可以幫助開發(fā)人員使用自然語言查詢更高效地編寫代碼。
如果你花了幾分鐘時間玩過生成式人工智能工具的公共版本，你就會熟悉你可以為它們提供的各種輸入，以產(chǎn)生結(jié)果。但并非所有查詢都是平等的。學(xué)習(xí)如何制作AI?提示以盡快獲得最佳結(jié)果正迅速成為一項適銷對路的技能，稱為提示工程。
目錄
一、什么是提示工程？
二、如何成為一名提示工程師
三、展示您的快速工程技能
四、提示工程正在迅速發(fā)展
五、如何編寫有效的?AI?提示……
一、什么是提示工程？
提示工程是“將您的需求精確地傳達給生成式AI?工具的藝術(shù)和科學(xué)”，AIPRM?的首席營銷官?Mike King?說，AIPRM?是提示管理工具和社區(qū)驅(qū)動的提示庫的提供商?！翱梢园阉胂蟪扇祟愐鈭D和機器輸出之間的轉(zhuǎn)換器。就像任何翻譯一樣，它需要讓對話的雙方有深刻的理解。
[什么是生成式人工智能？創(chuàng)造的人工智能?]
“提示工程需要出色的語言能力、良好的橫向思維能力以及對底層技術(shù)的理解，”英國的人工智能顧問理查德·巴特（Richard Batt）補充道，他將提示工程作為他的服務(wù)之一。“當您第一次嘗試時，它可能看起來非常簡單，但對于復(fù)雜的請求獲得質(zhì)量一致的響應(yīng)可能比看起來要困難得多！”
我們與這個快速發(fā)展的領(lǐng)域的從業(yè)者進行了交談，以了解那些對提示工程感興趣的人的機會，以及如何學(xué)習(xí)該行業(yè)的技巧并向潛在客戶和雇主證明自己。雖然對提示工程的深入研究超出了本文的范圍，但我們將以一個示例結(jié)束，該示例演示了編寫有效查詢所涉及的一些內(nèi)容。
二、如何成為一名提示工程師
約瑟夫·里夫 （Joseph Reeve） 領(lǐng)導(dǎo)著一個團隊，在產(chǎn)品分析軟件提供商Amplitude?從事需要快速工程設(shè)計的功能。他還構(gòu)建了內(nèi)部工具，使大型語言模型（?LLM?）更容易使用。這使他成為這個新興領(lǐng)域的資深專業(yè)人士。正如他所指出的，“LLM?的偉大之處在于，只要你會打字，入門基本上沒有障礙！如果你想評估某人的及時工程建議，很容易在你選擇的?LLM?中測試他們的查詢。同樣，如果您提供及時的工程服務(wù)，您可以確定您的雇主或客戶將使用法學(xué)碩士來檢查您的結(jié)果?！?/span>
因此，如何學(xué)習(xí)提示工程，并把自己推銷為提示工程師，這個問題還沒有一個簡單、固定的答案，至少現(xiàn)在還沒有。“我們肯定處于'狂野西部'時期，”AIPRM的King說?！凹磿r工程對不同的人來說意味著很多事情。對某些人來說，它只是編寫提示。對其他人來說，這是微調(diào)和配置LLM?以及編寫提示。事實上，沒有正式的規(guī)則，但像大型提示這樣的最佳實踐正在出現(xiàn)?！?/span>
雖然像DeepLearning.ai?這樣的提供商開始出現(xiàn)正式的提示工程課程，但大多數(shù)開發(fā)人員將采取自主的方法來學(xué)習(xí)和提高提示工程技能。生成式人工智能初創(chuàng)公司?CYQIQ?的首席技術(shù)官?Richárd Hruby?提出了一個學(xué)習(xí)提示工程的三方策略：
1.了解模型體系結(jié)構(gòu)。
2.嘗試，失敗，學(xué)習(xí)，再試一次。
3.花時間在?Twitter、Reddit、Discord?和其他社交媒體上。
讓我們花點時間詳細考慮一下這些要點。
三、了解大型語言模型
雖然特定LLM?工作方式的某些方面是專有的，但大部分理論和研究都是公開的。熟悉引擎蓋下發(fā)生的事情將使您不會過多地四處奔波。“雖然具體的實現(xiàn)可能有所不同，但所有?LLM?都建立在相同的基礎(chǔ)概念和層之上，其中包括分詞器、嵌入層和轉(zhuǎn)換器層，”高級軟件開發(fā)人員?Andrew Vasilyev?說，他在?JetBrains?的?ReSharper?中為?AI?助手提供提示。“理解這些概念對于認識到LLM的局限性以及它們可以有效處理的任務(wù)至關(guān)重要。僅僅將LLM視為一個黑匣子可能會導(dǎo)致對其能力的高估?！?/span>
Caylent云戰(zhàn)略和解決方案副總裁?Randall Hunt?通過正式和非正式實驗了解了提示工程的來龍去脈，這是他的公司使用?AI?模型的一部分。他建議潛在的提示工程師跟上LLM研究的現(xiàn)狀。像瓦西里耶夫一樣，他強調(diào)標記化是理解LLM如何工作的關(guān)鍵。“這些模型試圖預(yù)測下一個令牌，因此以令牌的形式為它們提供上下文非常重要，這是提示長度和提示性能之間的平衡行為。”他補充說，了解模型的局限性很重要，包括“上下文大小、語言約束和角色約束”。
四、不斷迭代
使用生成式AI?最令人興奮的部分之一是您可以獲得即時反饋。這意味著值得花時間調(diào)整和試驗?zāi)奶崾荆@是一個可以幫助您提高技能的過程。“制作提示從來都不是一次性的過程，”CYQIQ?的?Hruby?說?！岸啻螠y試和完善提示始終是要走的路。通常，你是第一個嘗試提示用例的人，所以你學(xué)習(xí)如何編寫更好的提示的唯一方法就是通過實驗?！?/span>
五、查找您的在線社區(qū)
無論您是在磨練自己的快速工程技術(shù)以提高工作效率，還是在家中利用自己的時間，我們采訪的每個人都強調(diào)，您不必獨自完成。發(fā)燒友社區(qū)在各種subreddit?和?Discord?中比比皆是——當然，在?Twitter?聊天中也是如此。
六、展示您的快速工程技能
在仍在興起的提示工程世界中，在線社區(qū)可以服務(wù)于雙重目的。通過分享你所學(xué)到的知識，你可以在社區(qū)中建立你的聲譽，這可以帶來職業(yè)或合同機會。將其擴展到其他社交媒體可以幫助您為自己出名。
“營銷技能組合沒有秘密，”AIPRM的?King?說?！巴ㄟ^博客和視頻博客參與思想領(lǐng)導(dǎo)力，尤其是短視頻，因為它具有最高的病毒式傳播傾向?；钴S在各種零工經(jīng)濟市場上，因為有很多人沒有耐心來培養(yǎng)他們的快速工程技能。
與我們交談的許多人還強調(diào)，您應(yīng)該身體力行——讓您的提示和基于AI?的工具可供潛在客戶或客戶查看，并讓其他人從中學(xué)習(xí)。Gleen是一家為企業(yè)品牌構(gòu)建客戶成功聊天機器人的生成式人工智能初創(chuàng)公司，該公司的聯(lián)合創(chuàng)始人兼首席技術(shù)官Nagendra Kumar敦促那些磨練其快速工程技能的人“構(gòu)建具有端到端體驗的'玩具'產(chǎn)品。最好的方法是構(gòu)建一些應(yīng)用程序，在這些應(yīng)用程序中，您的提示是預(yù)先插入的，用戶可以使用它們?！?/span>
而且，當然，通過開源您的工作或為開源項目做出貢獻，您永遠不會出錯。“創(chuàng)建一個很棒的提示的存儲庫，并定期在那里提交提示。展示用例的示例，“Kumar說。“GitHub?上有許多開源?LLM?工具，它們都喜歡做出貢獻，”Amplitude?的?Reeve?說。“尋找一個你認為可能有趣的項目，并開始尋找提示弱點并提出改進建議?！?/span>
七、提示工程正在迅速發(fā)展
我們采訪過的幾乎每個人都強調(diào)的一件事是，這門學(xué)科仍處于萌芽狀態(tài)，并且正在迅速發(fā)展。“我認為任何聲稱自己是這個領(lǐng)域?qū)＜业娜硕紤?yīng)該用這樣的話來警告他們的主張，'這是一個快速發(fā)展的領(lǐng)域，今天有意義的建議可能與六個月后有意義的建議不同，'”Caylent's Hunt說。“我甚至?xí)f，在這個領(lǐng)域還沒有任何真正的專家。隨著模型在上下文中的增長、每個代幣(注：token?AI應(yīng)用按流量付費)成本的縮小和吞吐量的提高，及時的工程建議將需要適應(yīng)?！?/span>
這些變化的一個重要原因是底層模型本身在不斷變化，大型人工智能公司和開源項目都在不斷訓(xùn)練LLM?使用更多數(shù)據(jù)并完善其功能?！半S著?AI?模型及其架構(gòu)的發(fā)展——OpenAI?每四到六周發(fā)布一次新版本的?GPT-4——提示技術(shù)也應(yīng)該如此，”CYQIQ?的?Hruby?說，他重申在線社區(qū)是分享有關(guān)轉(zhuǎn)變的知識和觀察的好地方。
“每當生成式人工智能工具進行升級或更改時（而且它們經(jīng)常這樣做），它們解釋和響應(yīng)提示的方式都會發(fā)生變化，”AIPRM的?King?補充道。“這種現(xiàn)象，我們稱之為'快速漂移'，既令人著迷又令人沮喪。這就像擁有一輛蘭博基尼，然后有一天你坐上它，在你習(xí)慣了以每小時?100?英里的速度轉(zhuǎn)彎后，方向盤的響應(yīng)延遲?！?/span>
提示工程聽起來可能有點像搜索引擎優(yōu)化——這是從業(yè)者有時不得不爭先恐后地考慮底層技術(shù)創(chuàng)造者的突然和意外變化的另一個領(lǐng)域，而底層技術(shù)的創(chuàng)造者的興趣并不總是與他們自己的利益一致。然而，CYQIQ的Hruby預(yù)見到，在未來，提示工程師和人工智能公司之間的關(guān)系比SEO商店和谷歌之間的關(guān)系更具協(xié)作性，尤其是因為LLM領(lǐng)域沒有人實現(xiàn)壟斷主導(dǎo)地位——至少現(xiàn)在還沒有。“模型提供商將（可能部分是投資者的推動）分享越來越多的關(guān)于開發(fā)人員如何充分利用其模型的最佳實踐，”他說?！敖刂聊壳?，官方溝通并不多，但主要是來自社區(qū)的喋喋不休，討論哪種提示最適合每個模型和版本。但我希望供應(yīng)商將來能提高透明度?！?/span>
在中短期內(nèi)，專業(yè)提示工程的工作會是什么樣子？Amplitude的?Reeve?概述了如何將快速的工程開發(fā)集成到像他這樣的公司的整體工作流程中?！?/span>事實證明，出色的提示工程是高度協(xié)作的，結(jié)合了特定領(lǐng)域的專家、數(shù)據(jù)工程師和軟件工程師的知識，”他說。
八、如何編寫有效的?AI?提示
Reeve說，快速工程是一個過程?！爱斈l(fā)現(xiàn)效果良好的提示類型時，您需要重新洗牌、拆分和合并提示，以便每次都能獲得完美的結(jié)果。”他將整個過程分為四個階段：原型設(shè)計、生產(chǎn)、國際化以及打磨和優(yōu)化。
原型設(shè)計階段就是通過實驗來發(fā)現(xiàn)你想要增強提示的數(shù)據(jù)類型，以及各種?LLM?能夠與你試圖解決的特定任務(wù)相關(guān)的內(nèi)容。這個階段主要需要了解你試圖解決的問題（例如，產(chǎn)品經(jīng)理）和系統(tǒng)中可用的數(shù)據(jù)（例如，數(shù)據(jù)工程師）。
在生產(chǎn)階段，您主要嘗試將任務(wù)拆分為可以可靠執(zhí)行的最少數(shù)量的提示，并將提示連接到應(yīng)用程序代碼中的真實數(shù)據(jù)。此階段需要傳統(tǒng)的工程技能、數(shù)據(jù)工程技能和原型設(shè)計階段的輸出。
對于許多項目來說，語言支持很重要。在國際化階段，您應(yīng)該考慮調(diào)整提示以輸出所需的語言。根據(jù)模型的不同，這可能是微不足道的，但值得讓母語人士來驗證輸出。
在改進和優(yōu)化階段，困難的部分開始了。完善你的提示，從LLM中榨取每一個邊際收益，目前是一項無限的任務(wù)。OpenAI?的模型在不斷變化，因此您需要定期返回以確保提示仍然運行良好——您可能需要構(gòu)建一些單元測試以簡化此操作。此階段涉及調(diào)整傳遞到提示符中的文本和數(shù)據(jù)，并測量結(jié)果隨時間推移的質(zhì)量。它需要對您的問題領(lǐng)域有特定領(lǐng)域的知識，有時還需要一些軟件工程。成本和速度都與傳入和傳出?LLM?的令牌數(shù)量（注：涉及每次的使用成本）直接相關(guān)，這意味著您需要使輸入提示（包括數(shù)據(jù)）和輸出格式盡可能簡潔。LLM?之間的成本也不同，因此早期決策可能會產(chǎn)生很大影響。
九、一個提示工程示例
雖然提示工程的完整課程超出了本文的范圍，但我們將以Glee?的?Nagendra Kumar?的一些提示和提示工程示例作為總結(jié)，展示將有用且高效的提示組合在一起的工作和思維過程。
Kumar提供了以下在軟件開發(fā)環(huán)境中進行快速工程的技巧：
1.一次提供一個具體任務(wù)。將提示分解為離散的任務(wù)。
2.添加更多上下文。在開始實際問題之前，請圍繞細節(jié)添加上下文并指定?AI?將扮演的角色。
3.為內(nèi)容提供清晰的分隔符。使提示的各個部分清晰明了。例如，假設(shè)“我的代碼是斜體的”或“我的代碼是引號”。
4.不要切換上下文。堅持與你的對話相關(guān)的上下文。如果您要求?AI?調(diào)試前端代碼，請討論前端代碼。避免談?wù)撊魏闻c你的背景無關(guān)的事情。
現(xiàn)在，讓我們看看這些技巧的實際效果。這是Kumar?的例子。
作為前端開發(fā)人員，我們有許多React?組件和?CSS?來提供令人驚嘆的?UI?體驗。有時我們必須更改?CSS，但這可能很棘手。下面是一個示例，我們使用開發(fā)人員提示來獲得驚人的結(jié)果。
問題：給定客戶徽標列表，在前端以圓形方式旋轉(zhuǎn)它們。
提示：你是一個了不起的前端工程師。您將按照上述指南幫助我編寫一些JavaScript?和?CSS?代碼以滿足我的要求。
指南：
我的代碼在React?中。所以堅持?React?編碼標準。
為CSS?創(chuàng)建一個單獨的部分。
不要使代碼復(fù)雜化。使其易于理解。
編寫響應(yīng)移動和桌面設(shè)備屏幕大小的React?代碼。
不要假設(shè)任何事情——如果需要，請?zhí)岢龊罄m(xù)問題。
要求：我有一個React?組件，可以在工作表中呈現(xiàn)客戶徽標。我想更改我的?React?組件，以便列表開始以循環(huán)方式旋轉(zhuǎn)?？纯次以谝柌糠志帉懙拇a，并對其進行修改以使其以循環(huán)方式旋轉(zhuǎn)。
```
const HorizontalList = ({ items }) => {
const style = {
display: 'inline-block',
margin: '0 10px'
};
return (
<div>
{items.map((item, index) => (
<span key={index} style={style}>
{item}
</span>
))}
</div>
);
};
```
本著提示工程的精神，我們鼓勵你把這個提示輸入到你選擇的LLM中，檢查結(jié)果，然后看看你是否可以改進它。祝你好運！
十、提示工程的未來
提示工程從這里走向何方是任何人的猜測。事實上，你可以爭辯說，生成式人工智能的真正夢想是，最終不需要專門的提示工程知識。“我們得到的跡象表明，OpenAI正試圖將這項技術(shù)推向一個需要更少工程的方向，”AIPRM的King說?！拔艺J為從長遠來看，從生成式人工智能工具中獲得你想要的東西會容易得多，更多的工具將集成和抽象功能，所以它不再需要成為某人的全職工作。”
也就是說，自COBOL?早期以來，人們一直夢想著與計算機進行簡單、無摩擦的交互，但從未完全實現(xiàn)。對于軟件開發(fā)人員來說，學(xué)習(xí)如何與生成式人工智能交談可能是未來幾年的一項有利可圖的新技能。
喬什·弗魯林格 作者：Josh Fruhlinger
特約撰稿人，信息世界
【睿觀：作者討論了一種新興的技能領(lǐng)域——提示工程。以下是對文章每個部分進行的概述和總結(jié)：
一、什么是提示工程？
提示工程是指精確地將需求傳達給生成式人工智能工具的藝術(shù)和科學(xué)。它需要優(yōu)秀的語言能力、好的橫向思維能力以及對技術(shù)的深入了解。這是一個涉及編寫和優(yōu)化AI提示以確保高效、準確輸出的過程。
總結(jié):提示工程是一種關(guān)鍵技能，涉及與生成式AI交流以生成有效的輸出。
二、如何成為一名提示工程師
成為提示工程師沒有固定的途徑。多數(shù)人通過自學(xué)和實踐來進步。理解模型的結(jié)構(gòu)、多次嘗試并從失敗中學(xué)習(xí)是該領(lǐng)域的關(guān)鍵入門步驟。
總結(jié):成為一名有效的提示工程師需要實踐、教育和持續(xù)的專業(yè)發(fā)展。
三、了解大型語言模型
了解LLM的工作原理對于進行有效的提示工程至關(guān)重要。這包括了解基本的AI模型結(jié)構(gòu)如分詞器、嵌入層和轉(zhuǎn)換器層等，以及它們的限制。
總結(jié):深入了解語言模型的工作原理是進行高效提示工程的前提。
四、不斷迭代
在生成式AI中，迭代是改進過程的關(guān)鍵。不斷調(diào)整和測試提示可以優(yōu)化性能和輸出質(zhì)量。
總結(jié):通過反復(fù)測試和優(yōu)化，提示工程師可以不斷提高提示的效果。
五、查找您的在線社區(qū)
提示工程師可以通過參與在線社區(qū)來學(xué)習(xí)、分享知識和擴展人脈網(wǎng)絡(luò)。這可以幫助提升技能并可能帶來職業(yè)機會。
總結(jié):活躍的社區(qū)參與能夠為提示工程師提供支持和機會。
六、展示您的快速工程技能
通過展示你的技能和成果，可以在業(yè)內(nèi)建立聲譽。這包括分享技術(shù)博客、參與開源項目等。
總結(jié):展示你的技能和成果是增加可見性和職業(yè)發(fā)展的重要手段。
七、提示工程正在迅速發(fā)展
提示工程是一個快速發(fā)展的領(lǐng)域，隨著技術(shù)的進步，所需的技能和最佳實踐也在不斷變化。
總結(jié):提示工程師需要持續(xù)學(xué)習(xí)和適應(yīng)新技術(shù)和方法。
八、如何編寫有效的AI提示
有效的AI提示需要準確和清晰地表達需求，并通過反復(fù)測試來優(yōu)化。這涉及到原型設(shè)計、生產(chǎn)、國際化和優(yōu)化階段。
總結(jié):編寫有效的AI提示是一個涉及多個階段的迭代過程。
九、一個提示工程示例
文章中通過一個具體例子解釋了如何為特定的軟件開發(fā)任務(wù)編寫優(yōu)化的AI提示。
總結(jié):實際例子能幫助理解如何應(yīng)用提示工程技能解決實際問題。
十、提示工程的未來
隨著生成式AI技術(shù)的發(fā)展，提示工程將會繼續(xù)演化，可能會變得更加自動化和用戶友好。
總結(jié):提示工程是一個不斷發(fā)展的領(lǐng)域，其未來可能會帶來更多自動化的工具和方法?！?/span>
