視覺中國.
鈦**注意： 本文基於微信***創業邦（ID：ichuangyebang），作者 |王毅 編輯丨海腰，鈦**授權出版。 與大模型一起誕生的提示，已經成為AI領域不可避免的概念。
Sam Altman在與LinkedIn聯合創始人Reid Hoffman的對話中說五年後，我們將不再需要快速的工程設計，或者只需要少量的工作來完成它;未來，人工智慧系統不會因為新增了乙個特定的單詞而產生完全不同的輸出，而是能夠更好地理解自然語言。 使用者只需以文字和語音的形式輸入指令，計算機即可完成影象生成、資料研究、心理諮詢等複雜任務。
山姆·奧特曼（Sam Altman）的宣告導致人們普遍認為他對提示的前景並不樂觀。
但山姆·奧特曼（Sam Altman）的反對是針對提示詞專案，而不是提示詞本身。
未來，當大模型越來越完善和成熟時，沒有必要讓大模型以提示詞工程的形式更好地理解自然語言，但提示詞本身具有無限的可能性。
第一代紅杉的唐·瓦倫丁（Don Valentine）曾回憶說，他見過的能問最多問題的人，是第二代紅杉的史蒂夫·賈伯斯和麥可·莫里茨。
提示詞的本質是乙個好問題，而不是乙個提示。 無論模型有多好，乙個好的問題總是有價值的。
提示詞的發展與生成式人工智慧和大模型的發展密切相關。
去年8月作品《太空歌劇》在科羅拉多藝博會上大火後，Midjourney、Stable Diffusion、Dalle等AI繪畫模型迅速風靡全網，伴隨著各種AI繪畫提示詞**和課程，如提示詞交易市場的提示庫、提示詞生成器的AI畫廊等。
第二波是ChatGPT，尤其是GPT-4發布後，使用者看到了AI聊天機械人的強大實力，開始探索各種提示詞遊戲，“提示工程師”這個職業也應運而生，抖音上打著“成為年薪百萬的提示詞工程師”的旗號，不少提示詞課程， 門檻費在200-1000之間，提示詞社群和知識星球也如雨後春筍般湧現。
第三波是今年11月GPTS發布後，提示詞的創作流程和使用場景發生了很大的變化——GPTS將一些“原創提示詞”以對話的形式封裝在小型對話機械人中，使用者通過與GPT的對話建立自己的GPTS（對話的過程也是輸入原創提示詞的過程）， GPTS可以基於其原始訓練資料，更高效，專業地解決使用者問題。
GPTS發布後，SuperTools、Suefel、GPTS Hunter等一批非官方的GPTS商店如雨後春筍般湧現，使用者對“手揉大模型——打造自己的GPTS”表現出前所未有的熱情，紛紛製作資料分析、學術**、英語學習、武術秘訣、塔羅牌計算、為你寫詩、模擬爸爸......和各種 GPTS。 截至 12 月 16 日，即 GPTS 向使用者開放約乙個月後，GPTS Hunter 上已經收集了 61,818 個 GPT，而 ChatGPT 上的 GPT 數量整體上遠遠超過了這個數字。
GPTS充分發揮了人們的想象力和創造力，他們想出了一些頗具“爆發力”的GPT：
例如，AI產品經理陳才毛製作的“提示寵物（prompt pet）”，讓使用者通過輸入需求，獲得想要的提示詞
例如，有一位外國神靈製作了乙個名為“grimoire（魔法書）”的GPTS，可以看作是乙個“無**程式設計系統”，使用者可以通過輸入一句話或不斷與grimoire交談來建立**和應用程式。
在另乙個例子中，設計師兼作家 Jackson Greathouse Fall 在今年 3 月 15 日給了 GPT-4 100 美元，然後要求它命令自己做各種各樣的事情。 ChatGPT先是讓他做乙個環保主題**來銷售各類周邊產品;然後ChatGPT教他如何使用DALL·E 2 設計了這個**標誌，甚至還給了DALL·E 2 提示他將其直接放入此模型中;然後，我教他如何寫乙個**，並給了他一部分原始碼**，他很快就設定好了這個**。 後來，GPT甚至告訴他如何籌集資金，並幫助他製作了乙份融資商業計畫書的PPT。
一周後，Hustlegpt 幫助他在 Discord 上獲得了 130 美元和 2,095 名粉絲;Jacson還獲得了天使投資人的投資，他的公司現在估值為25,000美元。
這三波AI浪潮不僅讓人們驚嘆於科技發展的速度，也助推了“提示詞”概念的普及。 越來越多的人關注到這個領域，尋找“提示詞”的更多可能性，Infoark社群經理劉瑞林就是其中之一。
劉瑞林曾是一家網際網絡醫療公司的內容負責人，也是最早接觸ChatGPT的使用者之一。 ChatGPT發布後，他發現原本每天需要10個小時才能完成的工作，現在卻在短短4小時內完成，這讓他非常興奮，在成為AIGC領域的忠實信徒的同時，他開始探索各種AI工具。 今年6月，他辭去工作，開始了自己的事業，並與幾個朋友一起創辦了InfoArk社群。
InfoArk 社群以前稱為“Info”。“明日方舟”是AIGC領域的開源知識庫，主要提供AIGC領域的基礎知識、相關課程、資訊源推薦、學術**、工具介紹等。 目前 InfoArk 主要關注的是提示的領域，在 InfoArk 社群的主要文件中，對提示的原理、相關教程、命令庫都有非常詳細的介紹，即使是初學者也能輕鬆閱讀。
目前，InfoArk社群已經積累了大量的付費使用者，劉瑞林的創業團隊也通過知識星球訂閱、高階付費課程、企業商業合作等方式，獲得了穩定的現金流。
然而，這並不是他們最終想要實現的目標，在他們看來，InfoArk 社群只是收集流量的第一步，他們真正想做的是類似於最近熱播的動畫片《萬神殿》中的“上傳情報”——乙個數字“第二大腦”。
我們認為，人類智慧型還有很大一部分沒有開發出來，比如很多人不擅長數學，因為他們沒有把數字和形狀結合起來的思維，他們可能需要開發一種產品，通過數字和形狀的視覺化和組合，讓人們理解數學另乙個例子是，人腦過濾資訊的能力有限，無法處理大量資訊。 然後我們必須找到一種方法來過濾資訊。 這一切都意味著你需要一套基於“第二大腦”的軟體來幫助你更好地構建你的心智演算法和心智模型。 這套心智演算法和心智模型是“軟體”，需要附著在硬體上，它存在於人體上，可能會死亡，但不存在於計算機硬體上，因為硬碟是可以複製和轉移的，但這會消耗大量的能量。 與機器相比，人類最後的尊嚴可能就是用很少的能量來呼叫我們體內的“認知模型”來消化知識並獲得洞察力，這是人類相對於機器的優勢，有點類似於“直覺”。
我們應該加強這個優勢，所以我們要做乙個“知識生命週期管理”產品，可以模擬人的思維，實現知識創造-傳承-利用-分配-破壞的全過程，傳遞人類認知和心智的優勢，構建乙個類似於**atar的“數字轉殖”，聽起來可能類似於筆記軟體，但它的輸入和思維方式與筆記軟體完全不同， 它是通過對話進行的。我們將設計乙個新的提示——乙個與你交談的問題系統，通過這個問題系統，它可以了解你的內在價值觀、認知模型、決策模型和其他底層的心理演算法，從而構建你的模擬'第二大腦'，“劉說。
在劉瑞林看來，prompte是一種資料清洗和資訊處理更加“工程化”的手段，因為在大模型的訓練過程中，不斷追求更好的訓練效果和更低的成本導致了prompte。 他認為提示的最大價值在於如何通過流程化、標準化、自動化，將隱性知識轉化為顯性知識乙個好的提示包括對業務的理解和思考，乙個好的提示流程應該是乙個系統的過程，乙個好的提示應該封裝成乙個工作流來解決實際問題，這也是他們在未來的“第二大腦”產品中會嘗試做的事情。
除了劉瑞林，袁柳偉還為提示領域的知識付出了代價。
袁六偉是知識星球“AI教學俱樂部”的經理，也是ChatGPT發布後民營第一波自學成才的指揮工程師。 曾為海爾、科大訊飛等30多家公司定製提示，提示金額在5000-20000元不等，通過指令定製實現了月收入10萬元。
袁柳偉認為，未來迅捷會有兩條發展路徑在普通使用者方面，隨著AI對語義的理解越來越多，提示將變得越來越簡單易用，越來越接近自然語言在專業使用者端，prompt 將發展成為一種“語言”，類似於程式語言，並且會有乙個專門的 prompt 工程師職位來使用 AI科學研究、資料分析、技術開發、內容創作等垂直領域，需要專業的指揮工程師設計和優化提示，引導AI執行複雜任務。
未來，人工智慧必將像電力一樣成為人們生活的基礎設施，但人工智慧的真正價值在於“服務”。 OpenAI肯定會打磨一些指令嵌入到大模型中，供使用者更好的使用，但人們的需求是多種多樣的，官方沒有精力或能力覆蓋各個領域的指令，所以在垂直領域，需要像我們這樣的各行各業的專家來製作指令。 我認為提示語會像現在的程式語言一樣成為一門語言和一門學科，它的市場會比程式語言大100倍或1000倍，因為它是基於自然語言的，它的受眾和使用場景比程式語言大得多，“袁柳偉說。
如果說劉瑞林和袁柳偉代表了非技校的觀點，那麼在技校的眼中，提示語中還有很大的提公升和想象空間。
雲中江書是近期熱門的“結構化提示詞”寫作正規化的發起人，GitHub上8K+星的ChatGPT中文指南專案和2K+星的LangGPT專案的作者，Embraceagi開源社群的聯合創始人。 LangGPT專案為提示詞設定了一套“模板”和“框架”，通過設定層次結構、識別符號、屬性詞等，很多新手使用者通過填空就能輕鬆寫出效果好的提示詞。
以調教GPT製作的《詩人提示》為例，langgpt寫的提示是這樣的：
當我們將這組提示輸入到 chatgpt 中時，它給出的結果是這樣的：
江 Shu Yun 和我們分享了乙個他認為用 langgpt 結構化提示詞方法寫的最酷的提示詞案例：乙個超級酷的老師，擅長用最簡單的詞彙和通俗易懂的語言教學生 0 基礎。
以上提示的作者李繼剛是一名網際網絡產品經理，同時也是具有技術背景的提示愛好者。 他認為，**代領域現在基本是去提示的，以前的很多法術書寫方法已經不需要了;但在文字生成的世界裡，仍然需要提示詞。
李繼剛提出了提示詞的“織夢理論”——寫提示詞的過程就是為大模型創造乙個“夢”，寫提示詞就是編織夢境，提示工程師就是織夢者。 “提示”就像一條線索，引導ChatGPT進入你編織的夢境深處。 織夢者越熟練，通過提示編織的夢想就會越真實，ChatGPT就越能成為“夢想人”。
雲中江舒和李繼剛都認為是及時的。人工智慧時代的程式語言，他們都明確反對“提示消亡論”。
提示詞的乙個明顯特點是它使用自然語言，每個國家都可以用自己的語言使用它來與機器交談。 如果你把它看作是一門程式語言，那麼你會得出兩個結論——第一，會有更多的程式設計師，只要任何乙個有賬號和大模型的人都可以程式設計，那麼就會有更多不同種類的想法;其次，程式設計師會分化，肯定有一波人研究得更深入（提示詞工程師），另一部分比較淺（普通使用者），提示詞工程師會盡量把織夢的東西做得更重、更有條理、邏輯更複雜，而普通使用者端則更輕量級，更容易寫出提示。 乙個朝前端的方向走，乙個朝後端的方向走，都是為了讓夢中人之間的對話部分更加輕量級。 “李繼剛說。
基於以上結論，李繼剛認為微調模型的時代將會到來，企業一定會借助大模型的能力對自己的資料進行微調，形成自己獨特的“小模型”。這種“小模型”更接近應用場景，理解能力更強，也是從GPT-4到GPT5的必然進化路徑。
尹中江認為，未來的提示詞可能是多模態的。 “提示本身不是過渡性產品，而是產品演進的長期趨勢。 隨著多模態大模型技術的發展，未來我們可以使用表情符號、動態等作為提示詞的一部分，我們得到的輸出也可以是**聲音的結果。提示的上限並沒有降低，但是因為這種事情的出現，所以提高了提示的上限。 ”
《ChatGPT高階提示工程導論》一書的作者陳才毛也提到了未來提示將變成“多模態”的想法。 他認為隨著人工智慧技術的進步，提示可能會消失，但“提示工程”會持續存在。
陳才毛將提示分為兩類：
第一種是Pompt，它彌補了AI的缺點。 這種提示的作用主要是“補償”模型能力的不足;第二類是“幫助AI理解人類需求”的提示。 事實上，我們使用提示來定義 AI 的目標，清楚地解釋業務，並幫助它了解人類的需求。
對於第一類提示，乙個非常經典的例子是“掃地機械人遇到狗屎時不避諱”。 機械人吸塵器在遇到時並沒有避開它，而是繼續“清潔”。 結果，骯髒的東西填滿了房子。 在這種情況下，提示工程師不得不發出看似無稽之談的提示，例如“掃地時避開髒東西，不要拖到房子裡到處都是”，“需要多次清掃髒的地方”。
這實際上是人工智慧智力低下的標誌，或者說對人類需求的理解不足（一致性）。 但是，隨著技術的飛速發展，我們甚至不必等待模型本身的改進，一些產品設計可以解決其中的一些情況。 因此此類提示可能很快就會停用。
對於第二類提示，也以掃地機械人為例，假設AI現在很聰明，不僅知道看到要避開，還懂得拿小鏟子把它鏟起來扔掉。 但是在你家裡掃地的時候，你必須要有你家的規矩，比如你一定要先掃客廳，再掃廚房，打掃的時候不准發出一點聲音;如果你遇到你的女朋友，你也要“向你尊敬的年輕祖母問好”;為了增強娛樂效果，機械人在清潔時還會做乙個後空翻。
在這種情況下，無論AI多麼聰明，它也很可能無法理解我們想要的情況和效果，這就是“不懂業務”。 此時，我們需要用清晰的語言列出業務規則，例如“清理”的“順序”在特定順序中是什麼樣子的。 因此，第二種型別的提示可以長期存在。
此外，陳才毛還提到了提示詞發展的乙個非常重要的趨勢去設施現在以軟體和功能為中心的人機互動將演變為以AI為中心的人機互動，使用者只需要說出自己的需求，不需要任何媒介，AI就可以立即實現使用者的需求。
這段時間給我印象最深的是乙個開源專案，叫做Open Interpreter，這個專案的官方口號是“一種新的計算機使用方式”，意思是你可以隨時給它乙個命令，AI會分析、計畫，然後寫**來實現你的需求。 例如過去，我們必須製作乙個功能或軟體這背後，是一整套複雜的流程，如編寫需求文件、通過評審會議、開發、測試等。 但現在，AI越來越強，就算你是世界上唯一有這種需求的人，也有可能寫**當場見到你“，陳彩毛說在這種情況下，想法變得比實現更有價值
如果上述場景太遙遠，那麼未來一到兩年，生成式AI和提示詞的下乙個趨勢是什麼？
知名提示詞工程文件學習提示Jimmy Wong 是 wiki 的建立者，也是開源應用程式 Polestar Chat 的創始人，他堅信它確實如此GUI（圖形使用者介面）+CUI（對話式使用者介面）組合產品。
他認為，通過GUI彌補CUI提示不足的乙個很好的例子是以comfyui為代表的文生圖和文生**工作流。
Comfyui 是一款基於節點的基於流程的 Stable Diffusion AI 繪圖工具，可以將 Stable Diffusion 的流程拆分為多個節點，以實現更精準的工作流程定製和完美的可重複性。
Comfyui 的介面直觀且易於使用AI繪畫的每一步都拆分成乙個節點，如載入檢查點、取樣器、提示符等，都以節點的形式存在，讓使用者快速上手，輕鬆上手繪製。
借助 Comfyui，使用者可以通過調整點、修改筆觸或提示來實現實時 AI 繪畫效果。 它相對於傳統的文生圖大模型最大的優勢在於它“點點玩哪裡”——我們一直抱怨AI繪圖依賴卡牌繪圖，但Comfyui的出現讓文生圖變得可控。 同時，Comfyui 還可以製作 AI** 並生成 AI 動畫，效果不遜色於最近火爆的 Runway 和 Pika。
現在是 Stable Diffusion 模型的戰國時代，相對於 LLM，沒有像 OpenAI 這樣的巨頭了。 我認為AI原生產品可能會出現在這個領域，甚至AI生成的電影也可能在明年出現。 對於小企業家來說，這可能是乙個更有希望的方向，“Jimmy Wong說。