众所周知，像 ChatGPT 这样的生成型人工智能的爆炸性崛起将使一些工作变得过时。 然而，它也会创造一些新的就业机会。 “快速工程”是一个正在缓慢发展的令人兴奋的新角色。
即时工程是完善与人工智能系统（例如 ChatGPT）交互以产生最佳响应的过程。 工程师及时提出正确的问题或命令，引导人工智能提供最准确、最有用的答案。
在本文中，我们将探索即时工程的迷人世界。 我们将讨论即时工程的过程，强调其现实世界的应用和影响，并研究其一些挑战和局限性。
让我们开始吧！
什么是即时工程？
如果你关注有关人工智能的新闻，那么你经常会遇到“即时工程”这个词。 但这到底是什么意思呢？
简而言之，提示工程是精心设计有效的查询或输入（称为提示）的实践，以指导人工智能语言模型生成所需的响应。
像 OpenAI 的 GPT-4 这样的大型语言模型是非常先进的对话伙伴，它们使用自然语言处理来理解和生成类似人类的文本； 然而，他们依靠提示来启动对话。 您提出问题或命令的方式会对您收到的响应产生重大影响。
举个例子，你想通过语言模型了解法国的首都。 如果您提供像“法国”这样的模糊输入，人工智能模型可能无法理解您正在寻找的具体信息。
它可以返回各种结果，例如有关法国地理、历史或经济的信息。
但是，如果您将提示定制得更具体，例如“法国的首都是什么？”，该模型可能会给您所需的确切答案：“巴黎”。
即时工程并不限于简单的事实调查查询。 它适用于广泛的应用，从生成创意内容和提供个性化建议，到自动化客户服务和协助科学研究。
在这些更复杂的情况下，即时工程需要添加更多上下文，微调措辞，或尝试其他可能影响模型输出的因素。
随着更强大的语言模型的出现，即时工程的重要性得到了放大。 这些模型根据训练数据和给出的具体提示生成响应，这意味着提示的制作对于充分发挥其潜力至关重要。
它是一门艺术和一门科学，将语言的细微差别与技术理解融为一体，随着我们加深与人工智能系统的交互，它正在成为一项基本技能。
在下一节中，我们将了解即时工程流程是什么样的。
什么是即时工程流程？
深入研究即时工程的世界，人们可能想知道这个过程实际上是什么样的。
虽然为人工智能模型制定问题或陈述似乎是一项简单的任务，但现实涉及一个结构良好的迭代过程。
让我们将其分解并探索一些具体的例子，以更好地掌握这个过程。
1. 明确目标：人工智能提示工程过程的第一步是设定明确的目标。 你希望人工智能生成什么？ 如果您是一位正在寻找有关可再生能源的博客创意的内容创建者，您的目标可能是让人工智能生成潜在博客标题或主题的列表。
2. 制定初始提示：考虑到目标，就可以起草初始提示了。 这可以采用问题、命令甚至场景的形式，具体取决于目标。 按照前面的示例，最初的提示可能是“建议五个有关可再生能源的博客文章主题”。
3. 测试提示：然后将初始提示输入到语言模型中，并分析响应。 在这里，模型可能会生成一般可再生能源主题的列表。 虽然这些可能是相关的，但它们可能缺乏您所希望的独特角度或特异性。
4. 分析响应：此步骤涉及仔细检查人工智能生成的输出。 它符合您的目标吗？ 如果它不完全符合您的期望，请记下它不足的地方。 在我们的博客主题生成示例中，您可能会发现主题缺乏特异性或过于笼统。
5. 完善提示：根据测试和分析收集的见解，是时候修改提示了。 这可能涉及使其更具体、添加更多上下文或更改措辞。 例如，您可以将初始提示细化为：“建议五个专注于可再生能源领域创新解决方案的博客主题。”
6. 迭代过程：重复测试、分析和细化步骤，直到您满意提示始终引导模型生成所需的响应。 在博客主题生成示例中，这可能涉及多次迭代，直到模型建议独特、具体且符合您需求的主题。
7. 实施：一旦提示始终产生所需的结果，就可以将其部署到现实世界的应用程序中，无论它是聊天机器人对话、人工智能驱动的研究工具、内容生成器还是任何其他应用程序的一部分。
即时工程是分析思维、创造力和技术敏锐性的迷人结合。 这不仅仅是提出问题，而是学会以正确的方式提出正确的问题，以得出最有用的答案。
随着我们不断完善对语言模型的理解并开发更先进的即时工程技术，我们利用人工智能实现的目标几乎是无限的。
