12月1日，彼方学院（ACG Academy）携手广州华商学院人工智能学院，在香港中文大学深圳研究院共同举办了一场精彩的「AI & Prompt」主题的线下分享会，探索AI应用的底层逻辑。![]()
分享会刚开始，主讲老师——阿放就向同学们提出了两个问题：【周围有哪些已经在用AI进行驱动】以及【驱动这些AI应用的底层逻辑是什么】。![]()
“站在使用者的角度，驱动这些AI应用的底层逻辑应该是「Prompt」。”——阿放![]()
这是阿放老师在分享会提出的第一个观点。在他看来，prompt，也就是提示词才是驱动AI的底层逻辑。因为大模型是听不懂人类语言，需要经过自然语言处理。![]()
提示词（prompt），专业解释是通过一段给定的文本或语句，用于启动和引导机器学习模型生成特定类型、主题或格式的输出。但这么太拗口，也不利于理解。于是，我们把它简化成：![]()
从ChatGPT问世到现在，已经过去了两年。在提示词这块，已经有了很多很多不同格式的框架。但这些框架所包含的内容，其实都是大同小异。无非就是需要你把问题讲对、讲透、讲清楚。![]()
随着大家对提示词的深挖，慢慢有了【结构化提示词】这一种说法。这是一种以相对模块化、模式化的范式，来输出提示词。这个在之前讲suno的时候有用到过。
![]()
分享会上，也对【结构化提示词】做了简单的解释，以及分享了一个常规格式的写法。整个格式基本包括【角色】、【背景】、【目标】、【规则】、【参考案例】、【工作流】以及【初始化】。
这类【结构化提示词】可以让AI更容易理解我们的意图，输出的内容更贴近我们所思所想。![]()
最后，分享了一个目前比较新的prompt——Thinking。![]()
这是涂津豪在上个月提出的一种新的提示词框架。这段提示词可以让AI真的像人一样去思考，并为我们输出答案。在过去，我们通过各种各样的提示词，企图让AI像人一样思考，但AI从始至终都没有像人一样思考过。它只是依赖于我们大量的数据喂养，以及庞大的算力来回答一切。而涂津豪这套提示词，让AI能像人一样，在不同主题和想法之间自由横条，并夹杂着自己的分析、直觉和潜意识。结构化提示词和Thinking意识流提示词都是众多提示词写法中的一种。我们需要在不同环境下考虑使用哪种。
比如，结构化提示词适合用在你非常熟悉的应用场景。从上面的常规格式可以看出这类提示词需要你对填写的内容有一定的了解。
而意识流提示词，适合用在你对应用场景不熟悉的时候。比如你想AI给你输出一篇文章。但你不知道怎么写的时候，就可以让它去思考，先写一篇出来。这听起来是不是很像那句：你先做，做了我就知道不要什么。![]()
明明在脑子里有个很清晰的想法，但就是不知道该怎么表达，结果AI给出的答案总是南辕北辙。那种抓狂的感觉，大概每个人都经历过。大多数情况下，结构化提示词就能帮我们解决很多问题。而当我们需要摸索一个新的领域时，意识流提示词就能帮我们联想到更多、更广、更深。这时候的AI就不再是简单的输入机器，而是能够权衡利弊、联系上下文、甚至产生创造性见解的「人」。我们与AI的对话，就像学习一门新的语言。从最初的磕磕绊绊，到慢慢找到共同的频率，每一次尝试都让我们离那个想要的答案更进一步。
![]()
