2.4　Prompt Engineer

随着大语言模型的发展，出现了一个新的职位：Prompt Engineer（提示词工程师），这个职位在硅谷的薪水一度超过百万美元。

在GPT技术出现之前，数据科学家和分析师承担了处理和解析大量数据的任务。GPT的出现，使这些岗位逐渐演变成Prompt Engineer，专门为GPT等人工智能模型设计、优化和测试输入提示。这使得与人工智能相关的职位从更注重数据分析转变为专注于理解和改进人工智能模型与人类的交互。

随着Prompt Engineer职位的出现，人们开始关注如何提高人工智能模型的交互质量。他们的主要任务是创建适当的提示，使模型能够更好地理解用户的需求并提供准确、有用的回答。这需要他们熟悉不同领域的知识，以便能够根据用户的需求调整和优化提示。通过不断优化提示，Prompt Engineer能够提高人工智能模型的性能，使模型更符合用户期望。

Prompt Engineer职位的出现也意味着从业者需要具备跨学科技能。除了对人工智能技术和数据分析的深入了解，他们还需要具备良好的沟通和协作能力。此外，具有心理学、语言学和认知科学等领域的知识也对Prompt Engineer至关重要，因为这有助于更好地理解人类的沟通方式和需求。

具体而言，Prompt Engineer 专注于设计、优化和测试输入提示，以实现更高质量的人工智能与人类的交互，使模型更能满足用户的需求。

Prompt Engineer的主要职责如下。

（1）设计有效的输入提示：Prompt Engineer需要为人工智能模型创建明确、简洁且易于理解的输入提示。这些提示将引导模型生成与用户需求相关的回答，提高回答质量。

（2）优化人机交互：通过不断调整和优化输入提示，Prompt Engineer可以改进人工智能模型与人类用户的交互，使其更具针对性、准确性和实用性。

（3）跨领域合作：Prompt Engineer需要与其他团队成员（如数据科学家、产品经理和开发者）紧密合作，共同开发和改进人工智能产品。这种跨领域合作有助于确保人工智能模型的实际应用效果更符合用户的需求和期望。

（4）测试与评估：Prompt Engineer负责对输入提示的效果进行测试和评估，以确定它们是否引导模型产生高质量的回答。他们需要持续监控模型的性能，并根据反馈调整提示，以确保最佳的人机交互体验。

在本书的后续章节中，笔者会为读者详细介绍如何写好一个Prompt（提示词），进而能从自然语言处理模型（如GPT系列）中得到想要的答案。

本书旨在提升读者对于Chatbot所具备的能力的认知，使得读者在搭建自己的Chatbot或者帮助公司进行人工智能转型时，能够拥有全局的视角。通过本书的学习，读者可以了解Chatbot的发展历程、基础技术、设计原则及实现方法等方面的内容。

希望读者能带着下面的问题一边思考，一边阅读：

•　现有技术能搭建的最理想的Chatbot应该是什么样子的？

•　如何引导用户给出够用的信息，让我们解决他们遇到的问题？

•　如何设计产品弥补底层技术的不足？

•　在系统不够智能的时候，如何保持用户满意度？

•　如何合理地管理用户的预期值？

•　如何弥补对话过程中因为没有满足用户预期给用户带来的挫败感？

•　如何控制交互过程中用户的情感？

•　以ChatGPT为代表的AGI的出现，能解决哪些应用场景的问题？

•　Prompt是什么，如何设计一个Prompt，有哪些方法和技术可以提高Prompt的效果和质量？

•　Prompt Engineer在生成式AI中有什么作用和价值？