使用同样的画笔，有人画出百鸟朝凤图，有人画出小鸡吃米图；同样的道理，用户使用同样的ChatGPT，问看上去类似的问题，得出的答案却有的详尽生动，有的干瘪无聊？这也是为什么有人对ChatGPT功能惊叹不已，有人却在体验后觉得不过如此？关键原因不在ChatGPT本身，而在不同的人使用了不同的 Prompts（提示）。
术业有专攻，与普通人的随性互动不同，面对ChatGPT的，还有一群专业“玩家”，动用各种专业知识、技能储备，对其循循善诱，悉心调教。他们就是人工智能行业发展到一定阶段，出现的全新角色，不断创造、积累Prompts的专家，“提示工程师”。
01
提示工程师是做什么的？
提示工程师需要“提示”什么？形象一点讲，这些提示可以理解为用户与神秘而不可测的ChatGPT沟通时的魔法咒语。谁能创造更多、发现更多更有效的Prompt，谁就是更高明的魔法师，也就能打开更神奇的魔法世界。
理性一点解释，就是由于LLM（大型语言模型）结果的可变性，LLMs的复杂性，要想通过其既不可测又不透明的神经网络，得出最佳答案，需要通过不断摸索、优化提示词这一路径，获得用户最想要的理想结果。
听上去 “提示”这个词，似乎没有多大分量，但对LLM来说，提示的意义非常重大。在机器学习和自然语言处理中，它通常是一些文本或语言，既可以像一个句子、一个单词一样简单，也可以是一段较长的文本或一组特定的说明。它们被输入到训练好的 AI 模型，告诉模型要执行什么任务，或生成什么样的输出。
事实上，我们和ChatGPT的每一句对话，都可以视为“提示”，但如果我们给出的提示词不够精准，效果就会大打折扣。就像你花大价钱赢得了和巴菲特午餐的机会，但你只问他坐什么车来的，为什么穿深色西装打红色领带一样，你得到答案也必然平平无奇，甚至会让你大失所望。但你如果事先设计了精彩的问题，能把巴菲特压箱底的投资心得和经验，套出个一句半句，也许就能让你值回票价，满意而归。
再简单点讲，我们如果把AI大模型视作一种新型计算机，那么提示工程师就相当于为它编程的程序员。如果能通过提示工程找出合适的提示词，使用者就能更好地激发AI的更大潜力。
02
真需求，还是伪风口？
由于提示工程师这一“存在”有其特殊性，也因此引发了不少争论。反对者认为，提示工程师实际上无法预测 AI 会说什么。并讥讽“这不是一门科学。我们只不过用不同的方法捉弄熊，看它如何咆哮回来。”还有人认为，这个岗位根本配不上“工程”这个词，更像是“占卜”，因为当用户通过AI 生成文字或图片时，更像是开盲盒，谁都很难说得准。
但也有支持者认为，程序员所编写代码的本质，就是对计算机进行“提示”，以机器理解的语言达成最终目的，而提示工程师显然也是在干类似的活。其中以最早设置“提示工程师”这一岗位的硅谷独角兽企业Scale AI的老板Alexandr Wang的说法最有代表性，他认为“编程就是用特定的文本序列让计算机做特定的事，写提示也是用文本序列让AI做特定的事。如果编程是一种工程，那写提示也应该是。”
还有一些人，虽然承认提示工程师的价值，但对这一职业的前景却不太乐观，认为在不久的将来，“提示”的工作也能交给AI自己去完成。我国的极纳科技公司，也已经推出了适用于ChatGPT、GPT-3、Dall-E等AI模型，可以帮助企业优化提示内容的产品“PromptPerfect”。
使用这款产品时，用户只需要输入自己想让AI做到的内容，网站将自动识别文本，并生成更为精准详细的提示文本。
关于“提示工程师”是这一职位，是真需求还是伪风口，人类首位提示工程师Goodside这样认为：这项工作代表的不仅仅是一份工作，而是更具革命性的东西——不是计算机代码或人类语言，而是两者之间的一种新语言——这是一种在人类和机器思维的交汇处进行交流的模式。这是一种人类提出推论，机器负责后续工作的语言，而这种语言是不会消失的。
事实上，在AIGC的时代大幕拉开后，一些企业不仅需要高精尖技术人才，他们也确实更需要各种类型的复合型人才（比如既懂技术又懂产品），某种程度来说，提示工程师们恰恰就是这样的存在。
一个客观的佐证就是，除了Scale AI一类的科技新贵企业开始招募提示工程师，一些大厂也开始跟进了，比如谷歌旗下的AI公司Anthropic已开出17.5万-33.5万美元年薪，招聘提示工程师。即使一些实力没那么强大的企业，也在用自己的方式，向提示工程师伸出橄榄枝，比如自由职业者工作平台 Upwork， 开出 40 美元/小时的薪酬，请提示工程师生成博客文章和常见问题解答等相关内容。甚至连貌似和 AI 风马牛不相及的波士顿儿童医院，也开始延揽 AI 提示工程师，请他们分析编写医疗保健数据的脚本。
在K哥看来，“提示工程师”也许是个阶段性产物，毕竟随着 LLMs 的能力和复杂性的不断提高，也许某一天会打破摩尔定律，使得息技术更爆炸式发展。在那个时候，AI也许会变得更加智能，能够更准确地理解我们的需求，根本不需要所谓的提示工程师。但至少在当前阶段，AI还没那么聪明，还会经常犯错，所以还是有提示工程师的用武之地的。
世界著名的深度学习巨头 Yann LeCun 认为，提示词工程的存在是因为 LLMs 对真实世界理解的不足 ，并认为 LLMs 需要提示词只是一个临时态。但这也恰恰说明当前 LLMs 还有很大的改进空间，而这个“改进空间” 恰恰正是提示工程师存在的窗口期。因此K哥认为，在出现能自己给自己prompt的AI之前，提示工程师都会很香的。
03
企业为什么需要一名提示工程师？
这些传说中和AI聊着天，就能获得高额薪资的提示工程师，对企业又有哪些实际价值呢？
1、数据处理
机器学习的核心是数据，提示工程师可以通过收集、优化、转换和整合数据，更有效地训练机器学习模型。
比如电商平台需要收集和整合大量的用户行为数据，用于用户行为分析和预测。提示工程师就可以通过开发数据管道，收集和整合用户浏览、搜索、购买等行为数据，并将其转换成可用于机器学习的格式或文本，提升数据处理的效率和意义。
2、模型开发
提示工程师需要选择和开发适当的机器学习算法和模型结构，以解决特定问题或任务。
比如，一家医疗保险公司需要开发一个预测模型，以评估患者未来的医疗风险和成本。提示工程师就可以选择和开发适当的机器学习算法和模型结构，如决策树、神经网络等，以对患者未来的医疗风险和成本，做出更精准的预测。
3、模型调试和优化
提示工程师需要评估和优化机器学习模型的性能，包括准确性、鲁棒性和效率等方面。
比如，一个语音识别技术公司需要优化其语音识别模型，以提高识别准确性。提示工程师可以通过评估模型的性能和分析错误的类型，优化模型的结构和参数，以提高识别准确性。
4、模型部署
提示工程师需要将训练好的机器学习模型部署到生产环境中，确保其能够在实际应用中实现预期的性能和效果。
例如，一个金融机构需要将欺诈检测模型部署到生产环境中，以检测潜在的欺诈行为。提示工程师就可以将训练好的欺诈检测模型进行部署，并实时监测模型的性能和效果，以确保其能够及时识别潜在的欺诈行为。
5、持续改进
提示工程师需要监测和评估机器学习模型的表现，并在需要时进行调整和改进，以确保其能够应对不断变化的业务需求和数据特征。
例如，某营销公司需要不断改进其推荐算法，以提高广告点击率和转化率。提示工程师就需要监测和评估推荐算法的表现，并在必要时进行调整和改进，如增加新的特征、优化算法等，以实现提高广告点击率和转化率的效果。
04
如何成为一名提示工程师？
硅谷科技新贵和大厂们，已经在招募提示工程师时，各种放低姿态，有的说要有探秘精神，有的要求读过小说《雪崩》，有的则在一连串的具体要求下不失“礼貌”地补上一句“不要轻易否定自己”，好像上面的杠杠都白说了似的，好像这活儿所有人有手都能干似的，真是这样吗？膝盖想想也知道不可能。
成为一名提示工程师，不仅仅是向 AI 模型发出命令。想要做好它，还必须真正了解你需要处理的任务或应用程序，以及你正在构建的模型的功能和局限性等等。一句话，做到软（技能）硬（技能）兼备，才有可能干好这个活儿，以下一些基本技能，恐怕是少不了的。
1、计算机科学和数学知识
AI提示工程师需要熟练掌握编程语言，如Python和Java等，以及掌握统计学、线性代数等一些基本数学知识，以便能够理解、编写和实现AI算法。
2、AI算法知识
AI提示工程师需要了解AI算法的工作原理，如深度学习、机器学习、自然语言处理等。掌握这些算法，可以帮助工程师在处理大规模数据时实现高精度和高效性。
还要熟悉机器学习算法的工作原理，例如随机森林、逻辑回归、神经网络等。只有掌握这些才能更好的训练和优化AI模型。
3、数据处理和分析能力
AI提示工程师需要能够使用各种数据处理工具和库，例如Pandas、NumPy等。要具备清理和处理大规模数据的能力，以便用于训练和测试AI模型。例如，一个AI提示工程师，可能会处理大量的用户搜索历史数据，以建立一个更好的搜索提示算法。
4、解决问题的能力
AI提示工程师需要具有解决实际问题的能力，需要有足够的想象力和创造力来开发新的AI模型和算法。比如，一个优秀的AI提示工程师，可能会想出一种新的方式来预测用户的行为，或者提供更准确的搜索提示，以提高用户的满意度体验感。
5、沟通与协作能力
提示工程师并不只是成天和AI“尬聊”，还需要与产品经理、设计师、开发人员等其他团队成员进行有效的沟通和协作，以确保整个项目的完善和推进，因此不仅要擅长人机沟通，还要能处理好人和人的沟通。
6、持续学习和更新知识
AI提示工程师需要跟踪最新的技术发展和趋势，不断学习和更新自己的知识，以保持自己的竞争力，这一职位本来就被认为是一种“阶段性”的存在，如果当中的认知和技术迭代再跟不上，那就更容易被取代被淘汰了。
时代的进步、科技的发展，永远超出我们的想象。呼啸而来的AI狂潮，让不同的人产生不同的态度，有人欣喜若狂，期待科技赋予更多便利，或者憧憬自己能不能成为下一个Prompt Engineer；有的人则惴惴不安，担心自己的岗位会被AI取代，成为技术进步的炮灰。
其实，每个社会都会淘汰一批人，比如马车夫，比如电影放映员。就像K哥常说的，不论哪个时代，智慧的人都不会做一个呆呆的工具人，而是让自己先人一步，成为会使用新工具的人。对抗时代的风险，拥抱变化，提升自我，永远是最有效的工具，AI时代也不例外，大家共勉。
相关文章
