在日新月异的技术世界中，人工智能（AI）已成为软件工程的核心组成部分。特别是在生成AI领域，它的影响力日益显著。生成AI如今不仅能自动编写代码、生成报告，还能协助设计复杂的系统。但要充分利用这些AI系统，软件工程师需要掌握一个关键技能：Prompt Engineering。
Prompt Engineering要求工程师精确地构建问题和指令（即“prompt”），以指导AI生成所需的精确输出。这不仅提高了工作效率，也为创新和解决复杂问题开辟了新途径。然而，有效的Prompt Engineering不是一蹴而就的。它需要对AI的工作方式有深入的了解，以及对语言模型有敏锐的洞察力。在AI时代，软件工程师的角色正在发生变化，而掌握Prompt Engineering正成为这个角色的重要组成部分。
我们将在本文中了解为何Prompt Engineering是现代软件工程师必备的技能，以及如何有效地应用这一技能来最大化AI的潜力。
一. 生成AI的前世今生
生成AI作为AI领域的一个重要分支，其历史可以追溯到上世纪50年代初期的计算机科学和人工智能的黎明时期。那时，生成AI的概念尚处于孕育阶段，主要围绕着基本的逻辑和规则系统。随着时间的推移，生成AI经历了从简单模型到如今复杂系统的演变。最初，这些系统主要依赖于硬编码的规则和有限的逻辑路径来生成文本和解决问题。然而，这种方法很快就遇到了它的局限性，因为它们缺乏真正的理解和适应能力。
进入21世纪，尤其是在过去十年中，生成AI的发展迎来了技术上的突破。这一时期标志着深度学习和神经网络的兴起，这些技术大幅提升了AI处理和生成复杂内容的能力。深度学习，特别是深度神经网络的应用，使得AI能够从大量数据中学习和模拟人类语言和行为模式。这些网络通过学习大量文本、图像和声音数据，能够生成越来越逼真和准确的输出。
在这个过程中，关键的技术突破包括了卷积神经网络（CNN）和循环神经网络（RNN），以及后来的变换器（Transformer）架构。这些进步不仅增强了机器对自然语言的处理能力，还使得机器能够应用在更广泛的领域内，如艺术创作、游戏设计、自动编程等。
二. 生成AI的应用场景
生成AI已经成为我们日常生活和工作中不可或缺的组成部分，特别是在文本生成领域，生成AI的应用非常广泛。比如：
资料摘要
文字翻译
文章校正
知识学习
计划做成
等等
生成AI在软件开发领域也有不凡的表现，不仅体现在代码生成和辅助编程方面，而且在自动化测试和错误调试方面也显示出其巨大的潜力。比如：
代码解析
代码生成
代码Review
数据生成
自动测试
等等
此外，图像和音频生成领域的进步同样令人瞩目。在艺术创作方面，生成AI已经能够创作出让人难以置信的图片，这些作品的质量高到让人难以判断是否为人类艺术家所创。
同时，在游戏开发领域，AI被用于生成逼真的环境和角色，不仅增强了游戏的沉浸感，还缩短了开发周期。这些应用不仅证明了AI的创造性能力，还为人类艺术家和设计师提供了全新的工具和灵感。
三.Prompt Engineering是什么
Prompt Engineering是指为了创造性地定义、设计和改进提示（prompt）而使用的技术，以及利用prompt来激发生成模型的潜能的技术。Prompt Engineering的目的是使生成模型输出用户想要的结果。通过巧妙地设计prompt，可以提高得到所期望结果的可能性。
prompt是用户给生成模型的指令，通常是文本（自然语言），但有时也包括图像或声音等。prompt主要由以下三个部分构成：
指令：关于特定任务的问题或指示，要求模型执行。
上下文：为了让模型更好地响应而提供的外部信息或额外的背景知识。
输出指示：指明输出的类型或格式。
下面将详细介绍每个构成要素：
1.直接响应的指令型prompt
构成要素中最重要的就是是直接响应的指令型提示。比如如下简介的问题，ChatGPT也能得到详实的回答。
2.通过上下文推导出答案的prompt
当给出具体指示时，通过上下文推导出答案的提示也是必不可少的。上下文是为了让模型更好地响应而提供的外部信息或额外的背景。包含在上下文中的要素有以下三个，这些内容可以使得获得期望结果更为容易：
角色设定
例）你是一名Java软件开发工程师。
条件
例）请用300个字符来描述。
预先交待信息或知识背景
例）○○是□□。
例）○○年在□□发生了△△。
3.通过输出指示器指定回答格式的prompt
有时还需要通过输出指示器来指定回答的格式。输出指示器指的是输出的类型或格式。
四. prompt的最佳实践
在与生成AI的互动过程中，prompt的设计至关重要。准确和具体的prompt直接影响AI的输出质量，决定了它是否能够满足我们的具体需求。一方面，良好设计的prompt可以引导AI生成高质量、相关性强的内容；另一方面，模糊或不精确的prompt可能导致不相关或质量低下的输出。例如，在请求AI编写一段代码时，明确指定编程语言、所需功能以及任何特定的编码要求，将大大提高生成代码的准确性和可用性。
prompt的技巧有以下五个：
1.从简单的prompt开始
首先，应该从简单的prompt开始。为了得到最佳结果，需要进行大量实验。也就是说，重复的过程是必不可少的。因此，建议从简单的过程开始，然后逐渐添加元素以寻求更好的结果。
2.使用明确的表达进行详细指导
应避免模糊的表达，尽可能使用明确的表达进行详细指导。例如，不是说“请简短说明”，而是说“请用50个字符以内来说明。”
另外，不是说“请简洁地说明”，而是说“请以小学生或初学者也能理解的方式来说明”，通过这样的方式具体指导清晰度，可以获得更好的结果。
3.细分后传达
书写prompt时，细分后传达是一个技巧。例如，可以这样指示：
这样的prompt可以让你精确地获得所需的信息。
4.结合案例传达
有时，结合案例传达也是一个要点。例如，可以使用以下示例：
这样结合案例，可以得到“ProductClass”的正确回答。
5.考虑Token限制
最后，考虑ChatGPT等生成AI的使用条件也是不可或缺的。prompt的长度有限制，如果包含多余的内容，可能无法获得良好的结果。确保提示的长度在限制范围内是很重要的。
ChatGPT的API不是按字符数计算输入量，而是按照令牌（token）数计算。一个中文字符算作一个令牌，英语中一个单词算作一个令牌。由于令牌计算机制，中文相对于英语在利用成本上处于劣势。OpenAI提供的令牌器可以计算实际的令牌数，如有需要可以使用。
五. 生成AI利用注意事项
在使用生成AI时，虽然其应用范围广泛且效果显著，但仍需注意几个关键方面以确保其有效和安全地运用。
1.生成AI不是万能的
首先，重要的是要认识到生成AI并不是万能的解决方案。尽管它在许多场景下都非常有用，但它的效能和准确性受限于所使用的数据和算法。
例如，在处理高度专业化的任务或极其新颖的问题时，生成AI可能无法提供准确的解决方案。因此，需要理解其局限性，并在必要时结合专业知识和人工判断。
2.数据安全
在利用生成AI时，数据安全是一个不容忽视的重要问题。随着AI系统在处理敏感数据（如个人信息、企业机密等）方面的应用越来越广泛，确保这些数据的安全和保密变得至关重要。这意味着需要采取适当的安全措施来保护数据不被未授权访问，同时确保AI系统的输出不会泄露敏感信息。
3.错误管理
生成AI可能会产生错误或不准确的输出，特别是在处理复杂或模糊的问题时。因此，建立有效的错误管理机制非常关键。这可能包括对AI的输出进行人工审核，用户需要准备好应对这些错误，并确保有足够的流程来纠正和学习这些错误。
4.学习数据老化
随着时间的推移，AI模型所依赖的学习数据可能会变得过时。在快速变化的领域，如科技、金融或时尚等，这一问题尤为明显。比如即使是ChatGPT最新的模型GPT4的数据也是截至2023年4月的数据。
随着技术的进步，生成AI的未来发展方向令人充满期待。生成AI代表了人工智能领域的一个令人激动的前沿，拥有无限的可能性和挑战。随着我们对这些系统的理解不断加深，以及我们设计prompt的技能不断提升，我们将能够更好地利用这些强大的工具，开创一个更智能、更高效的未来。
ITgo技术者之家，持续关注在日IT人关心的各种资讯，打造在日技术者的专属社区。欢迎留言交流互动。
ITgo
