大模型发展带火提示词工程师新职业

人工智能（AI）提示词工程师是在AI技术快速发展中由大模型带火的新职业。据了解，目前在国内各大招聘平台上，相关职位月薪不菲。那么，此类由大模型发展而产生的新职业具有哪些特点，需要从业者具备怎样的技能？行业内部对此类新职业的需求是否会长期存在？随着大模型的进一步发展，其发展前景又是怎样的？

提示词工程师或将更加抢手

今年，百度创始人李彦宏在中关村论坛上称，未来10年，全球有50%的工作将涉及“提示词工程”。提示词工程即通过一些简单的命令或指示，让机器人完成某些任务。而下达这些指令的，正是AI提示词工程师。

“提示词工程师的出现，是与近年来生成式AI的发展和普及密切相关的。这种变革的背后是计算能力的增强与深度学习理论的快速发展。其正在日益改变众多行业，如画师、客服、翻译、程序员等职业。”近日，远望智库人工智能事业部部长、图灵机器人首席战略官谭茗洲接受科技日报记者采访时说。

有人说，如果AI模型是一种新型计算机，那么提示词工程师就是为它编程的程序员。然而，不同于一般的计算机程序，当我们希望AI去完成一项诸如“写文章”或“画一幅好看的画”这类存在模糊性的任务时，不可避免地会面临一个问题：由于存在隐含信息和背景信息，很难说出让AI一次性就能正确理解的话。这一问题即AI价值对齐问题。

“提示词的作用，就是将模糊问题用语言清晰地描述、准确地限制，以此来控制AI生成的结果。提示词工程师的工作本质上就是一个和AI沟通需求、对齐需求的过程。”神鹄开源社区创始人陈少宏指出。

AI提示词工程师需要的是与模型交互的技能。陈少宏进一步解释道，提示词工程师的主要工作就是通过不断地对话训练AI，让其能够准确理解用户的意图和需求，从而输出用户最想要的答案。

比如，在艺术领域，可以通过输入一些关键词和描述，来引导AI模型生成不同类型的艺术品和设计作品；在医疗领域，可以通过为AI模型提供大量的医疗数据和病例信息，来增加诊断和治疗的精准性。

谭茗洲说，随着AI技术广泛应用于各个领域，AI领域越来越需要拥有扎实技术和丰富经验的提示词工程师来构建、训练和优化模型，以确保模型的准确性和稳定性。未来，提示词工程师或将变得更加抢手。

增强提示能力满足特定需求

业内人士表示，提示词工程师实则集合了设计师、文案和程序员的综合技能。提示词工程师需要持续学习，才能对行业有深入的理解，为AI大模型提供完善的提示词指令，以确保其输出的结果符合人类的期待。

“当希望AI代替我们设计一个手机海报时，如果直接告诉它绘制海报，其生成的大概率不是我们想要的，需要指导和优化。”西安电子科技大学电子工程学院教授吴家骥说。

如何指导和优化提示词工程？吴家骥答道：“我们需要采用AI更能理解的语言来告诉它需要一个什么样的海报。通过语言的描述将问题限制在一个较小的、清晰的范围内，减少其中AI不知道的隐含信息与模糊内容，才能得到想要的答案。提示词工程师通过与AI的多轮对话，消除AI理解的不确定性。”

对于同一个大模型给予不同的提示词，会生成不同的结果。“背后的原因其实是提示词工程能力的差异。本质上，提示词工程是一种通过优化提示词来改进模型生成结果质量的方法。可以说，谁掌握提示词工程能力，谁就拿到激发大模型强大生成能力的钥匙。”吴家骥表示。

陈少宏指出，千万不要小看梳理与表达清楚需求的能力。提示词工程本质上是让人学会“好好说话”“换位思考”“正确提问”“举例子打比方”“准确提需求”。这种能力的培养与提升，不只是为了和AI说话，也是为了人与人之间沟通。

“要想准确地表达，最重要的是具备一种‘向下兼容’的能力，或者说换位思考的能力。”陈少宏解释说，人们需要思考并理解AI在接收这些信息时会有哪些思考，会产生怎样的结果，问题的边界是否还存在模糊，提供的信息本身是否具备模糊性。

新的“输入法”将被设计出来

“AI未来一定会提高各行各业的生产力，那么，提示词工程，或者说使用AI，一定也会成为个人就职的一项基础能力。”谭茗洲指出。

谭茗洲解释，现在有专门的人写提示词，是因为能准确描述需求。然而，根据大模型输出调整输入的人还是少有的。随着大语言模型和生成式AI时代的到来，对于提示词这样的自然语言会有更多人设计属于大语言模型时代的“输入法”，在众多工具的帮助下，人也会更容易说清自身的需求和想法，完成沟通与对齐。

陈少宏指出，我们可以看到，目前，传统模型和大模型的本质差距来源于是否具备“涌现能力”，即对新的、从未见过的任务的迁移能力。简单来说，就是对于不确定性事物的处理能力。可以相信，未来AI的创作、沟通能力会越来越强，现在存在的无法用好AI这个问题必然是阶段性的，会随着AI能力增强被逐渐解决。

然而，我们也要认识到，无论AI如何发展，有一项能力是无法被替代、属于人类独有的，那就是价值判断和对结果承担责任的能力。因为最后选择错误带来的亏损是由人类承担的，一切需要价值判断且承担结果的工作，将会变得越来越不可或缺。

吴家骥表示，未来提示词工程师这个职业应该还会长期存在。未来的提示词工程师一定是能够提供非常专业的、有价值的建议的，以咨询和企业服务为核心的专业级提示词工程师。行业需要由他们综合分析各方面因素，结合大量AI提供的结果作出最终的决策和判断。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】