如何打造个人/企业专属的AI时代“新质生产力”—

文丨江志强（ AI 创始人)

不管是在品牌营销应用的领域，或是企业内部职能与流程的场景，AI存在大量的机会，这些机会都可以借助大语言模型 (LLMs) 来提升工作效率，而提示语工程（）则是驱动大语言模型的核心能力。

LLMs 适用于企业哪些职能与岗位？

LLMs 能进入企业的场景还是比较多的，举几个例子：在客服方面，LLMs可以24小时在线处理客户咨询，进行情感分析，从而提高客户满意度。营销团队可以利用LLMs生成个性化的营销文案，优化客户关系管理策略；HR部门可以使用LLMs筛选数百份简历，自动回复常见问题，节省大量时间；财务管理方面，分析Excel表格，生成财务报告，进行合规检查，并辅助预算管理；法务部门可以使用LLMs审查和起草合同，提供初步法律咨询，识别潜在风险；研发团队则可以借助LLMs撰写和审查技术文档，管理项目进度，并激发新的创意。

然而不少企业界的朋友说，LLMs生成的效果好像一般或是不够准确。一方面LLMs生成的结果，还是存在一定的“幻觉”；另一个原因很大概率是使用者给AI的输入，其实就是提示语的部分，尚有一定的欠缺。如何很好地调用 LLMs 的高智力？提示语工程（）是企业员工要学习和掌握的技巧。

在使用LLMs时，提示语工程至关重要，能够显著提升模型的输出质量。的CEO Sam 在2024年的开发者活动中强调，提示语工程是释放LLM全部潜力的关键。零一万物的创始人、写过三本AI书籍的李开复也曾大胆预测，“十年内，全球一半的工作将与提示语工程相关，无法编写提示语的人将被淘汰”。同样作为AI布道者的百度CEO李彦宏和谷歌CEO ，也都在各自的场合强调了提示语工程对优化LLM性能的重要性。红杉资本创始人唐·瓦伦丁（Don ）也提到，“会提问比知道答案更重要。在对话式AI时代，会提问就是能设计和编写。”

可以看出，提示语工程不仅是技术发展的核心，也是未来职场的必备技能。了解并掌握提示语工程，将为企业和个人带来竞争优势。市场上也开始出现了专门的相关课程和指南，也反映了提示语工程在AI实际应用中的重要性，涵盖了从日常办公到高级数据分析等多个场景。

极好用的提示语原则与LLMs运作原理

好的提示词的设计，可以显著提升模型输出的相关性和质量，提示语工程不仅适用于研究领域，还能帮助用户更好地理解和利用LLMs的能力与局限性。

有一篇在AI技术圈子开始广为流传并颇受好评的论文《 Are All You Need for LLaMA-1/2, GPT-3.5/4》介绍了26条原则，以提升查询大型语言模型（LLMs）的过程。这些原则旨在改善提示的清晰度、具体性和有效性，帮助用户从大语言模型中获得更高质量的响应。有兴趣的读者可以访问这篇论文，获取更多关于提升与LLMs交互质量的深入分析和实践指导。

注解：上图揭示了在小型、中型和大型的LLMs上，一些提示语原则，如原则9和原则12，都让所有规模的模型上都带来了显著改进。某些其他原则，如原则21和原则26，则提供了更高的改进百分比，这表明它们在处理复杂任务时特别有效。这些结果强调了精心设计的提示对于提升LLMs性能的重要性。

注解：上图代表在小型、中型和大型规模的LLMs上，每项原则对提升模型输出准确性的平均百分比。我们可以看到，某些原则在特定规模的模型上表现得更为有效，这与模型的复杂性和数据集的多样性有关。例如，原则5和原则6在提升大型模型的准确性方面尤为突出，这与它们在处理复杂查询和维持一致性方面的能力有关。

这一套提示语原则手册适用于全球主流的大语言模型，如GPT-4、 Pro、 3、Llama 3、中国的Kimi Chat、通义千问、文心一言等，主要原因是这些LLMs都采用的框架来训练，对于大模型基本的训练和优化方法也大同小异。

这些原则有助于优化提示语的输入，充分利用大模型的能力，从而生成高质量的输出。这些原则涵盖了这几个类别，有：提示结构和清晰度( and ）、具体性和信息 ( and )、用户互动和参与 (User and ）、内容和语言风格 ( and Style)、复杂任务和编码提示 ( Tasks and )，提供了有效LLM提示的全面指南。