随着AI越来越广泛的应用于各行各业，促使了一个全新的职业诞生：提示工程师。
爆火的ChatGPT，更让提示工程师的薪水水涨船高。现在，已经有人拿到25万到33万美元的年薪了。
那么这个新职业需要掌握哪些工作技能？未来前景究竟如何？下面这篇来自medium.com的文章或许能给你一些启发。
21世纪的重要技能：提示工程
以迅雷不及掩耳之势，人工智能竞赛已经打响。
谷歌发布了基于大规模语言模型LaMDA的搜索聊天机器人Bard，微软公布了由ChatGPT驱动的下一代Edge浏览器以及全新的搜索引擎必应Bing，百度发布了基于飞桨深度学习平台的文心知识增强大模型文心一言。
尽管大型科技公司这些年来一直都在悄悄地开发自己的生成式人工智能工具，但自从OpenAI的ChatGPT迅速走红之后，这些头部企业便开始争先恐后地向公众展示自己的能力。
生成式AI这项技术，也被认为注定会成为从搜索引擎到故事编写、科学研究、家庭作业、学校教学等等创造性或重复性工作的替代品。在这一语境下，它将重塑这个世界。
如果这种人工智能范式的转变真的到来，那么21世纪的一项重要技能就很可能是如何有效地与机器对话，或者也可以称之为「提示工程」。
像DALL-E和Midjourney这样的图像生成模型，以及像ChatGPT这样的文本生成工具，都将是一种创造的手段。但成功利用它们的前提是，我们先要了解如何引导AI实现预期的结果。
对扮演提示工程师角色的人有哪些期望
首先要了解一名优秀的提示工程师须具备的职业素养，提示工程师负责为大型语言模型设计和制作提示，对提示工程师的角色包括以下期望：
1.理解任务：提示工程师应该很好地理解模型将用于的任务或应用程序，并能够设计与该任务相关且适合的提示。
2.模型知识：提示工程师应该对模型的能力和局限性有很好的了解，并能够设计出模型能力范围内的提示。
3.创造力：提示工程师应该能够设计出富有创意和多样化的提示，以鼓励模型生成有趣和多样化的输出。
4.清晰简洁：提示工程师应该能够设计出清晰简洁的提示，使模型易于理解任务并保持在正轨上。
5.测试和评估能力：提示工程师应该能够测试和评估模型的输出，并使用该信息来改进提示和模型的性能。
6.持续改进：提示工程师应持续监控和改进提示的性能，并在必要时进行调整。
7.熟悉数据偏差：提示工程师应该意识到训练数据和设计提示中的潜在偏差，以尽量减少它们。
8.协作：提示工程师应该能够与团队的其他成员协作，例如数据科学家、工程师和产品经理。
9.技术技能：提示工程师应该对机器学习、自然语言处理和相关技术有很好的理解，以及编程技能。
10.保持同步：提示工程师应该跟上该领域的最新发展，并能够将这些知识应用到他们的工作中。
成为提示工程师的先决条件
LLM架构知识是提示工程师的先决条件，因为它提供了对语言模型的底层结构和功能的基础理解，这对于创建有效的提示至关重要。
弄清楚模棱两可的问题并确定可以跨场景转化的核心原则也很重要，因为它可以使工程师明确地定义手头的任务，并开发出可以轻松适应不同背景的提示。
创建可跨场景转化的核心原则对于创建可在多种情况下使用的一致且连贯的提示至关重要。
精心制作的提示是拼图的最后一块，因为它们是工程师用来将任务传达给语言模型并指导其输出的工具。
这些技能和知识共同使提示工程师能够创建有效且高效的提示，并用于训练和改进语言模型的性能。
先决条件1：大型语言模型架构知识
不同的大型语言模型 (例如GPT-3、DALL-E/Midjourney 和ChatGPT) 之间的提示技术可能有所不同，因此需对不同模型架构有深入了解。
ChatGPT是一种基于对话数据训练的对话语言模型，专门设计用于在对话环境中生成类似人类的文本。
GPT-3结合了无监督和监督学习，它在大量文本数据集上进行训练，并针对特定任务进行微调。GPT-3能够生成类似人类的文本、回答问题和执行其他语言任务，但众所周知，它也会生成有偏见或不相关的输出。
DALL-E和Midjourney是根据文本提示生成图像的模型。DALL-E和Midjourney的训练基于图像及其相关说明的数据集，这使他们能够根据文本提示生成图像。DALL-E/Midjourney能够生成范围广泛的图像，从写实到抽象。
这些模型的提示技术根据它们设计的特定任务、训练它们的数据类型以及它们采用的特定架构而有所不同。
GPT-3擅长生成类人文本和执行语言任务DALL-E/Midjourney生成图像ChatGPT适用于对话任务先决条件2：弄清楚模棱两可的问题并确定可以跨场景转化的核心原则
可以跨场景转化的核心原则是:
1.理解问题:清楚地理解问题及其目标
2.分解:将问题分解成更小、更易于管理的部分
3.收集信息:收集与问题相关的所有相关信息和数据
4.确定利益相关者:确定受问题影响的关键利益相关者，并让他们参与解决问题的过程
5.鼓励多样性:在解决问题时鼓励创造力和多元化的观点
6.使用结构化方法:使用结构化的问题解决方法来指导流程
7.持续评估:随着新信息的出现或情况的变化，不断评估和调整解决问题的过程
8.有效沟通:与利益相关者进行有效沟通，并让他们了解进展情况和所做的任何更改
9.保持简单:保持解决问题的过程简单，避免使用行话或过于复杂的语言
10.灵活:对新的想法和方法保持灵活和开放的态度，如果解决方案不起作用不要害怕转向
通过遵循这些核心原则，就有可能弄清楚模棱两可的问题，并提出准确、有效和高效的解决方案。
先决条件3：精心制作的提示
是什么造就了精心制作的提示?
精心设计的大型语言模型提示是清晰、具体且定义明确的提示。提示应为模型提供足够的信息和上下文，以理解任务并生成相关且准确的输出。
一个清晰简洁的提示使模型更容易理解任务并保持在正轨上。例如，“写一个关于神奇的独角的短篇故事”这样的提示清晰而具体，并为模型提供了明确的工作目标。
定义明确的提示还为模型提供了足够的上下文和信息，以生成准确且相关的输出。例如，“用通俗易懂的语言解释Bostrom的模拟论证”这样的提示为模型提供了特定主题和目标受众，这有助于模型生成非专家也易于理解的解释。
此外，出色的提示还可以鼓励模型发挥创造力，并生成不同的输出。例如“生成一首关于AI吃软件的诗“这样的提示鼓励模型想出不同风格的诗和不同的方式来表达主题。
从一系列精心设计的提示中获得复杂行为的十大技巧:
1.具体明确:为模型提供明确具体的目标或任务。这将使模型更容易理解您正在寻找的内容并生成更相关的输出。
2.提供足够的上下文:确保为模型提供足够的上下文和信息以生成准确且相关的输出。例如，如果您要求模型生成有关特定主题的文本，请为其提供有关该主题的信息和资源。
3.使用多个提示:使用一系列精心设计的提示来指导模型完成一项复杂的任务，而不是仅仅使用一个提示。这使您可以将任务分解为更小、更易于管理的步骤。
4.鼓励创造力:鼓励模型具有创造力并产生不同的输出。例如，如果您要求模型生成文本，请不要将其限制为特定的写作风格或格式。
5.使用约束:使用约束来指导模型的输出。例如，您可以使用长度、语法和词汇等约束条件来确保输出的相关性和适当性。
6.使用多样化的训练数据集:使用多样化的训练数据集来帮助模型理解不同的观点、文化和写作风格。这将有助于模型生成更加多样化和细致入微的输出。
7.使用不同的输入测试模型:使用不同的输入和提示测试模型以查看其行为方式，并识别潜在问题。
8.使用人工评估:使用人工评估来确定模型输出的质量并确定需要改进的地方。
9.使用主动学习:使用主动学习来微调模型并提高其在特定任务上的性能。
10.试验不同的架构:试验不同的架构和超参数，看看它们如何影响模型的性能。
这些技巧的有效性取决于任务和模型，因此试验和尝试不同的方法很重要。
Prompt Engineers的未来是什么？
很难准确预测未来五年就业市场将如何演变，但随着大型语言模型在各个行业的使用越来越广泛，提示工程师的角色很可能会继续受到欢迎。随着人们对自然语言处理、机器学习和人工智能的兴趣和发展日益增长，越来越需要能够设计和制作提示的专家，这些提示可以利用这些模型的力量来解决现实世界的问题。
大型语言模型具有广泛的应用范围，从内容创建到客户服务，都将继续增长。因此，将继续需要能够设计和制作针对特定任务或应用程序量身定制的提示专家。此外，随着模型变得越来越复杂，将更需要能够微调模型并提高其性能的专家。
提示工程师将必须跟上该领域的最新发展，并最终将这些知识应用到他们的工作中。随着模型在更多领域的部署，对透明度和责任的需求也将增加，这将使提示工程师的作用更加重要。
总之，虽然很难预测五年内就业市场的确切状态，但只要大型语言模型持续应用，提示工程师的角色就会继续供不应求。
关于我们
「数字经济先锋号」是成都数联产服科技有限公司旗下数字经济研究交流平台。围绕数字产业、数字基建、数字治理、数字生态等数字应用领域，揭示与记录数字经济发展点滴与脉络。
数联产服是一家数字经济行业智库、产业大数据服务商，具备全流程大数据治理-分析-决策支撑服务能力，面向各级政府和产业运营机构提供基于大数据的产业经济发展解决方案和综合服务。
