AI时代下人人都是算法工程师，普通人如何在业务中落地AI

引言

算法工程师可以算是公司最贵的耗材了（除了销售这种赚钱的都叫耗材）。AI时代的到来貌似让普通人也有了算法工程师的能力，起码一个普通人在AI的辅助下可以做到很多之前需要算法工程师才能完成的事情，甚至是很多算法工程师都做不到的事。例如电话销售这个场景，我可以用AI来进行电话外呼，可以用AI来进行外呼的质检，可以把之前客户与销售的对话喂给AI，让他对每个客户打标签，然后用来做类似个性推荐或者评出优质客户的场景。而这一切只需要一个普通人（不懂写代码、不懂算法）通过跟AI的对话就可以完成，在AI这件强有力的武器下，所有人都可以被赋予强大的力量。

提示工程

做进一步思考之前我们先补充点基础知识。在AI时代，提示工程（Prompt Engineering）成为了一个重要的技能。提示工程是指通过设计有效的提示（Prompt）来引导AI模型生成预期的输出。一个好的提示可以显著提高AI的表现，使其能够完成复杂的任务。说人话就是跟AI对话，你的说话要有技巧，不能直接给他一个虚无缥缈的任务而不给解决方案。AI并不是全能的，你不能跟他说你去帮我赚米，然后它就能把米赚回来给你花，它只能根据你给的提示去生成你想要的东西，例如你需要把赚米拆分成多个步骤，然后一个一个步骤地让AI帮你完成，这样就有可能完成最终的目标。

利用提示工程成为算法工程师-简单小事例

举个例子提取用户标签特征，现在有一段水果店销售与用户的对话，我们需要根据这个提取用户特征：

** 销售员：您好，欢迎光临！请问有什么可以帮您的吗？
客户：我就进来看一下。
销售员：我可以帮您推荐一些。这批人参果是新进的，口感清爽，水分也很足，要不要尝试一下？
客户：之前吃过感觉太淡了
销售员：那您看一下这批蜜瓜，也是刚进的货。
客户：那你帮我挑一个吧
销售员：好嘞，我们今天还新进了一批核桃你看要不要来点
客户：不要不要，太干了
销售员：那您看看要来个西瓜吗，很新鲜的
客户：西瓜最近感觉太贵了，吃不起
销售员：今天正好我们店搞优惠，会很便宜，16.6一个，很便宜的。
客户：那你帮我挑一个。
销售员：好嘞**

先写提示词，你是一位高级算法工程师。你的任务是根据销售和客户的通话记录去提取客户特征，注意你对用户的特征进行总结和精简，例如用户"喜欢表演"，不要总结成标签喜欢表演，而是总结成"外向"，“表演欲强”。

你是...激活模型内部参数，你的任务...，告知模型任务，例如...告诉模型我们的具体要求，不加这个要求的话模型可能会总结为不爱吃人参果这种不带总结的标签。

这边测试我们使用deepseek，详细如图，得到的回答：价格敏感,口味挑剔,依赖性强,实用主义

业务赋能

从上述这个小实例实际上我们就已经完成了对用户标签的提取，如果下次顾客再来我们是不是就能针对这些标签对他进行个性化推荐了？当然真实的场景会比这复杂得多，但是原理是一样的。思考如何通过AI赋能自己负责部分的业务，比如营销及渠道、客户运营、协同办公、研发生产、供应链、中后台支持等等。你可能会想说这些不应该是算法应该去考虑的事吗，问题是我们一开始就提到了，算法工程师是公司最贵的耗材，并不是每一个部门甚至公司都有算法工程师的，而现在通过AI辅助，我们可以轻松地完成很多算法工程师才能完成的事情，而且成本极低。并且可赋能的领域很大，从各个方面的业务都可以进行赋能，尤其是一些重复性的工作。不要小看了我上面举的这个小例子，实际上它已经可以解决很多实际问题了，比如换个思考方式：提取销售和客户聊天记录中的货物信息，这个销售可以是人或者也是AI，然后用提取的货物信息自动去匹配买家，或者快速帮助客户完成发布货物的这一动作; 或者提前提取客户的电话意图，然后精确地让专业领域的客服进行对接。对接我们自己实际的业务可操作空间很大。

思考

AI时代下人人都是算法工程师，也就意味着在AI的赋能下，普通人也可以完成以前需要巨大学习成本的任务。而且更重要的是，一个普通人从完全不懂AI到使用AI去解决实际问题可能就是30-60分钟的事，比如你阅读了我上面给出的例子，可以引发你对自己身边实际问题的思考，并尝试使用AI去解决。而这一切可以发生在无数的普通人身上，这将是一场史无前例的生产力革新。之后几年互联网的各块业务都会被AI重新清洗一遍，由于AI的赋能，也就意味着普通人也有机会参与到这场大变革中来，而不再是只能当一个旁观者。