当一个月提示词工程师是什么体验？

type

status

date

slug

summary

🤔 ChatGPT为我带来的机遇

在OpenAI推出ChatGPT后，一直不温不火的GPT3.5模型迎来了大爆发。网页和app上到处都能看见网友们花式使用GPT的文章和视频。作为一个路人，可能大多看个热闹，主动研究用AI提高生产力的机会并不多。但随着这股浪潮的发展，传统的个人生产方式终将被慢慢改变。

同时，有很多人正在密切关注这股潮流，并思考这波AI变革能否成为普通人逆袭的机会。在各种公众号上，都能看到铺天盖地的广告和课程，最典型的就是“知识星球”，号称会分享很多ChatGPT变现的秘籍。但是我不得不在这里泼一盆冷水，普通人要通过一些课程和知识星球学到一些知识确实是可以的，但能获得赚钱机会的几率并不大，反而成了这些利用ChatGPT的流量赚钱的人的韭菜，帮助他们成为了第一波吃到ChatGPT红利的人。试想，开设课程和维护社区其实需要花费大量的时间和精力，如果还有那么多可以生财的机会，何不把这些精力用到上面？把赚钱的机会留给素昧平生的人，不符合常理也更不符合人性的本质（最好我是以小人之心度君子之腹）。

引用知乎用户”李查德“的一张图，希望能抛砖引玉。

当然，ChatGPT的出现确实是个机会。只不过任何时代的机会，都需要靠自己把握。举个身边的例子，作为游戏设计相关专业的学生和从业者，亲眼见证了在游戏行业寒冬之后，反而出现了大量的游戏教育课程和游戏教育培训班。在如今这个时代，已经错过了加入游戏行业的最佳时期，行业内卷和末位淘汰以至于整个部门被砍掉的事情屡见不鲜，这些东西是培训教育机构绝口不提的。

如果想要抓住ChatGPT的机会，就必须自己去寻找大量的资料和新闻，甚至阅读大量的论文，为自己补充营养。AI会颠覆所有的软件生态，会彻底改变人类的生产力，这点是毋庸置疑的。

在年初时，面临毕设开题，我把题目临时换成了《基于大语言模型的游戏原型制作方法研究》。虽然时间很紧，并且面临许多风险，但我还是坚持这个选题，因为我觉得这是一次机会，不仅可以逼迫自己深入地进入到该领域一些前沿的研究中补充营养，而且还能为之后的就业增加更多的可能性。在答辩现场，不出所料，参与答辩的老师们针锋相对地对该选题进行了激烈的探讨和批判。有老师认为，大语言模型不过是提示词的秘笈宝典，可能上升不到科研高度。也有老师认为，我作为一个普通人做这些东西，可能会被行业的巨轮碾过，做出来的东西在毕业答辩之前的某一天被吊打，导致没法毕业。还有一些老师不懂装懂，提出了一些八竿子打不着的问题，毕竟每个人都不能表现出对如此热门的话题没有自己的学术思考，可以理解。

这些激烈的争论和百家争鸣的态度恰恰说明，这是一个非常新的领域，起码对于一个普通211的研究生队伍是非常新的。也许过了一年两年后，老师们的态度才能得到统一。做很新的东西让我拥有了很大的热情，因为做一些传统保守的热门选题，最终也有风险延毕。

后来反转来了，春招期间，我投了北京某游戏大厂的TD岗位，在面试过程中，他们在了解了我的选题之后，发现和他们的用人需求正好一致，因此所有的面试流程都很顺利。

📝在公司做一个月提示工程师的体验

进入公司后，才知道语言模型已经被多个小组开始用于各种行业生产流程中，比如AI编写着色器，以及AI驱动的侦探游戏等。我被分派的方向是使用语言模型编写游戏开发代码，以提高生产效率。

每天的工作流程如下：写提示词-提需求-查看代码-运行查看效果-修改提示词，循环往复。在第一周，大大降低了生成错误代码的几率，同时也发现了一个问题。这样的工作其实就是提示词的编写，跟提示工程师以及科研八竿子打不着。

在第二三周，我做了一个方案，主题是如何将提示词的编写提升为提示工程。大体概念就是如何将提示词编写的过程提升为一个模拟现实中的程序员编程的过程，可以自由编辑程序流的各个位置，并以文件的形式读取、写入以及保存，并使用一些工具实现了一个demo。

当天来了很多部门的大佬，本来作为一个实习生可能很少有机会和这些大忙人对上话，不过当天恰巧遇到了这个机会。分享了自己的方案，也获取到了别的小组的产品中使用AI的方案。

在之后的工作中，我开始就着这个方案，打造自己的一套AI编写代码的工具流，并涌现出了更多想法。

🤗提示词vs提示工程师vs科研

在这里提出我自己的一些看法，来区分三者的区别。

提示词的编写，在未来可能更多面向用户端，每一位AI产品的用户都需要掌握这项能力，即如何将自己要做的工作表达出来，并被AI理解。

而提示工程的作用在于，让提示词的编写这件事被一个盒子包裹起来，让用户的提示词编写更加简单，用户看到的只是一个入口，出来的是一个结果。在网页端使用过ChatGPT的读者应该都知道，我们大多需要很多轮对话，才能完成一项任务。而提示工程师的工作就是，深谙用户的需求，以及用户都会如何提问，通过工程的形式将AI处理的工程隐藏在黑盒子中，用户只要能看到最终任务完成后的结果即可，从而提高用户使用体验。比如Notion AI，Notion是一款笔记软件，因此大部分时间用户都在和文字打交道，所以Notion AI的提示工程师们需要熟悉文字工作者都有哪些常见的需求。如下图，Notion AI的团队做了一些模板，都是一些常用的功能，比如润色、查看错别字、翻译、总结等。这些功能已经成为我工作中不可或缺的一部分，尤其是最近也在做一个中英双语的课程，使用Notion能够很快地在一个页面中完成所有润色、修改、翻译的工作。

当然，我同时也相信这种交互方式一定是AI还不够智能的一种无奈之举，未来的AI一定会更加明白用户想要什么，而不是靠提示工程师去包装。

以上的案例可能都只能完成一个简单的工作，但如果你看过一些行业最先进的提示工程，比如AI驱动的虚拟小镇、AI游玩我的世界并成功完成了所有任务，就会明白原来最厉害的提示工程师们会这样使用AI。他们不单单是在试图使用AI，还是在探索下一代人工智能的可能性。

而提示工程相关的科研应该是什么样的呢？科研界一直倡导，学术科研应该与工程分清界限，但也不能脱离工程，虚无缥缈。离提示工程最近的科研，就是以更好的方法实践提示工程，提供一套方法论，最好是有独创的理论框架和模型。这一点只能作为终极目标，因为如今的工科学术论文并没有太多独创的东西，如果说组合别人的模型和框架，专注于别人研究中的瑕疵一顿猛改也算是科研创新的话，那也姑且能算得上是独创。

🤗结语

如果普通人想抓住这次机遇，首先要明确一点，任何机会都不是唾手可得的，因为你能想到的别人也能想到。最好的方法是不断学习，上手使用这些工具。如果有一定的编程能力，可以尝试提示如何搭建工程，并选择一个垂直领域，深入研究该领域当前的需求，并尝试用提示工程的形式解决。必要时，可以阅读一些论文补充营养，尝试复现一些最前沿的提示工程玩法，这是没有坏处的。

💡

Written by Aryue，editted by Notion AI.