85%的工作，还没有被发明出来~

Insigne

早在 2017 年，戴尔技术公司和未来研究所联合发布的一份报告就已经指出，到 2030 年，那时候存在的 85% 的工作，目前还没有被发明出来。

17 年至今，距离报告的预测已行将过半，虽然该预测的最终效果仍难以定论，但是，工作方式的巨大变革切实发生在每个人的生活场景之中。

- s/ t4 w' m% J% c1 F+ O9 L目前，一个领域普遍受到看好——提示词工程师（Prompt Engineer）。提示词工程师是「让新一代生成性人工智能应用程序（如 ChatGPT 或 Google Bard ）做人类想要让他们去做的事情」的专家。在国内外，已有很多使用大模型进行生产创作的实践应用，涉及到软件开发、文本处理、图像生成等多个领域，「如何写出好的提示词」正在成为各个领域热论的议题。
  v$ [/ E3 Z4 u. k* Q, V
/ B, t, s# Y- b# L* E% {01 提示词工程师何以如此诱人？
据外网媒体称，提示词工程师某种程度上不受到计算机编程语言等技术要求的限制。毕竟，正如特斯拉前人工智能主管、现在为 ChatGPT 创建者 Open AI 工 作的安德烈 · 卡尔帕西所说，「最热门的新编程语言是英语。」更重要的是，人工智能工程师是一个目前工资高达 33.5 万美元的角色。

6 X- p/ L/ F: P7 S3 f: C, y尽管条件诱人，但要想达到岗位需求仍需要面临多方挑战。也有人提出质疑，这真的是未来的工作领域，还是只是目前人工智能炒作周期过度膨胀状态下的产物？
1 L9 i4 g6 H( T
生成性人工智能工具——特别是那些能够创建文本、计算机代码和图形的工具——现在正引起大量的关注（以及相当程度的担忧）。这是因为它们有极大实际应用价值，从营销人员到人力资源、法律、计算机编程和数据分析师等许多不同角色的工作人员的工作日常，都有其应用的场景。
* S5 B& R* ?1 q2 `" W) S6 e* ~
这类工具极大地提高了人的生产力，但如果每个人都能获得同样的技术，又如何保证在使用它的同时仍然表达个体的鲜明特色和创造力？又如何确保工作在与其他人的业绩竞争中脱颖而出，为企业创造有力的竞争优势？

这就是提示词工程师所独备的「技能点」。从生成性人工智能中获得最理想化的结果是一项需要学习和磨练的技能，就像要成为任何其他计算机软件的专业高手所要经历的一样。

" P% a# w) ?( r* `7 {通常，这是一个反复的过程。一个模糊的、笼统的提示会得到一个模糊的、笼统的回应，想要获取精准而有价值的内容，是需要经历数次迭代的。工程师利用他们的人类判断力和沟通技巧来发现人工智能生成的内容中的不足之处，通过添加上下文以及多元素的提示，将大型任务分解成多个更加简单的子任务，在改进优化中完善提示词，直到得到想要的结果。

0 P# @9 e4 F. j) w+ c  q* T使用自然语言生成人工智能，如 ChatGPT，为一个有用的软件应用程序编写代码就是一个很好的例子。
8 s4 ^' t( B' E  S' C
假设你有一个新应用的想法——你可能想创建一个工具，让你公司的轮班人员安排共享汽车上班和回家，以减少企业的碳足迹。
0 U1 o9 r( i& k- s( A- c
如果你简单地告诉 ChatGPT 为你写这个应用程序，则它反馈的答案会令人大失所望。代码过于复杂，不可能一次性输出，而且 ChatGPT 没有完成工作所需的数据。

不过，ChatGPT 完全有可能做到——如果工作被分解成适当的小块，如果它被提供了所有必要的数据。
5 h: P( V" n5 x2 D
2 T! P; t# x$ R5 |6 P一个好的提示工程师可以被认为是人工智能劳动力的 「项目经理」，监督构成工作的各个任务的完成，并确保所有工人（人工智能代理）拥有完成工作所需的工具（数据）。
. E3 {0 ^: m" `6 S, A3 n3 E# Q
提示工程中另一个有用的概念是角色。这允许通过定义人工智能的「角色 」来生成更相关、更有吸引力的回应。就像人类可能会根据自己是教师、科学家、哲学家还是喜剧演员而以不同的方式回答问题一样，提示工程师可以定义人工智能的个性、特征和信仰，以告知人工智能的反应。
2 f& P" q/ K: t4 o: w  d
02 技术的软性要求，从人机沟通到项目管理
据介绍，生成式人工智能对于提示词工程师的要求并不局限于编程等硬性技术领域，非技术类的软性技能也是职位所需要的。以下是多学科领域内为人工智能技术发展做出贡献的五项非技术技能，同时也是提示词工程师的职业要求。
& A, U6 m" u  r) e
第一要学会沟通。就像项目经理、教师或任何定期向其他人简要介绍如何成功完成任务的人一样，提示工程师需要善于给出指示。大多数人需要很多例子来完全理解指令，人工智能也是如此。爱德华·田（Edward Tian）开发了 GPTZero，这是一种人工智能检测工具，可以帮助发现高中论文是否由人工智能撰写，他向大型语言模型展示了示例，因此它可以使用不同的声音写作。当然，田是一位具有深厚技术技能的机器学习工程师，但这种方法可以被任何正在开发提示并希望聊天机器人以特定方式编写的人使用，无论是经验丰富的专业人士还是小学生。
" d, j! t# [  \9 P- V
第二，要具备领域的专业知识。许多提示工程师负责针对特定用例（例如医疗保健研究）调整聊天机器人。这就是为什么及时的工程职位发布正在涌现，要求特定行业的专业知识。无论是医疗保健、法律、营销还是木工方面的主题专业知识，对于制作强大的提示都很有用。细节决定成败，在与 AI 交谈时，现实世界的经验非常重要。

第三，精准化语言。为了让人工智能成功输出所需内容，它需要被灌输意图。这就是为什么善于使用动词、词汇和时态来表达总体目标的人善于提高人工智能的性能。当安娜·伯恩斯坦（Anna Bernstein）开始在 Copy.ai 工作时，她发现将自己的提示视为一种神奇的咒语很有用：一个错误的单词会产生与预期截然不同的结果。「作为一名诗人，这个角色[...]用接近的语言融入了我的痴迷天性。这是我的文学背景和分析思维的一个非常奇怪的交集，「她在接受 Business Insider 采访时说。人工智能提示不是使用编程语言，而是使用散文，这意味着人们在开发提示时应该释放他们内心的语言学爱好者。
; _) X, g6 x- b! z1 t- S
第四，拥有批判性思维。生成式人工智能擅长合成大量信息，但它可以产生错觉（这是一个真正的技术术语）。当聊天机器人在质量差或数据不足的情况下进行训练或设计时，就会发生 AI 错觉。聊天机器人有时候会制造一些虚假信息。提示工程师要精准戳中 AI 的弱点，然后训练机器人变得更好。例如，人工智能初创公司 Scale AI 的及时工程师莱利·古德赛德（Riley Goodside）在向聊天机器人提出以下问题时得到了错误的答案：「贾斯汀·比伯出生的那一年，哪支 NFL 球队赢得了超级碗？」然后，他要求聊天机器人列出一系列循序渐进的逻辑推论，以产生答案。最终，它纠正了自己的错误。这强调了对主题有适当程度的熟悉是关键：对于某人来说，让聊天机器人产生他们无法可靠地进行事实检查的东西可能不是一个好主意。
& [8 m: x5 \4 M8 M
第五，掌握核心创造力。尝试新事物是创造力的定义，也是良好快速工程的本质。Anthropic 的招聘启事指出，该公司正在寻找一位具有「创造性黑客精神」的工程师。语言的精确性很重要，但也需要进行一些实验。模型越大，复杂性就越大，反过来，产生意外但可能惊人的结果的可能性就越高。通过尝试各种提示，然后根据结果完善这些指令，生成式 AI 用户可以增加提出真正独特事物的可能性。

热青茶

所以不用焦虑

江东老歌

        车到山前必有路！