2024年9月6日，Anthropic在YouTube上发布了一个标题为"AI提示词工程深度探讨"（AI Prompt Engineering: Deep Dive）的视频。这个长达1小时16分钟的视频在短短两天内就吸引了超过2.4万人观看，引起了广泛关注。
在这个深度探讨中，Anthropic的几位提示词工程专家分享了他们的见解：
Amanda Askell（对齐微调专家） Alex Albert（开发者关系专家） David Hershey（应用AI专家） Zack Witten（提示词工程专家）
这些专家不仅回顾了提示词工程的发展历程，还分享了许多实用技巧，并对AI能力不断增长背景下提示词工程的未来发展进行了展望。
视频链接：https://www.youtube.com/watch?v=T9aRN5JkmL8
目前，这个视频还没有在B站上找到搬运版本。不过，我在Twitter上看到有人已经通过Claude的帮助，对视频中提到的关键提示技巧和建议进行了总结和翻译。这个总结包含了15条主要的提示词工程技巧，涵盖了从清晰沟通到系统思考的多个方面。（Twitter上的截图）
相应的中文翻译（也是让Claude帮忙做的）：
15条主要的提示词工程技巧总结:
1. 编写提示时要清晰精确地沟通。清楚地陈述任务和描述概念的能力至关重要。
2. 愿意快速迭代，连续向模型发送多个提示。优秀的提示词工程师要适应不断来回优化的过程。
3. 设计提示时要考虑边缘情况和不寻常的场景。思考你的提示在非典型情况下可能如何失效。
4. 用不完美、真实的用户输入来测试你的提示词。不要假设用户会提供完美格式或语法正确的查询。
5. 仔细阅读和分析模型输出。密切关注模型是否按预期遵循指令。
6. 去除假设，清晰地传达完成任务所需的全部信息。系统地分解任务以确保包含所有必要细节。
7. 编写提示时要考虑模型的"心智理论"。考虑模型可能如何对你的指令产生不同于预期的理解。
8. 使用版本控制并跟踪实验。在管理和迭代方面像对待代码一样对待提示。
9. 要求模型识别你指令中不清楚或模糊的部分。这可以帮助改进你的提示词。
10. 做到精确但不过于复杂。力求清晰的任务描述，但不要构建不必要的抽象。
11. 考虑典型情况和边缘情况之间的平衡。虽然处理边缘情况很重要，但不要忽视主要用例。
12. 思考提示如何融入更大的系统。考虑数据源、延迟和整体系统设计等因素。
13. 不要仅仅依赖写作技巧；提示工程需要清晰沟通和系统思考的结合。优秀的作家不一定是优秀的提示工程师，反之亦然。
14. 与客户合作时，帮助他们理解用户输入的现实情况。引导他们考虑真实世界的使用模式，而不是理想化的场景。
15. 练习大量查看数据和模型输出。熟悉模型如何对不同类型的提示和输入做出反应。
此外，我还截了一张AI研究者Elvis在Twitter上对这个视频的评论。Elvis指出，虽然视频中讨论的大部分内容在现有指南中已有记载，但也提出了一些有趣的新想法，特别是关于如何让AI模型主动从用户那里获取信息以优化提示。
需要强调的是，一个多小时的深度讨论内容远不是15条简单的总结就能完全涵盖的。我强烈建议有条件的读者去观看这1小时16分钟的完整视频。相信通过直接观看，你会获得更深入、更全面的理解，收获也会更大。
这个视频不仅对于AI开发者和研究者很有价值，对于想要更好地理解和使用AI的普通用户来说也是一个难得的学习机会。它揭示了AI提示工程背后的思考过程和技巧，有助于我们更有效地与AI系统互动。
