生成式 AI 已经改变了我们与人工智能互动和思考的方式。借助 ChatGPT 和 Anthropic 的 Claude 等对话式 AI，您只需在工具中输入几个提示，AI 模型通常就会精准回应您所询问的信息。那么，问题来了：是谁在打造这些出色的 AI 模型？
ML 工程师、AI 工程师、数据科学家，以及显而易见的提示工程师，一直在研究并带来令人惊叹的 AI 能力。因此，把提示工程师作为职业起点很可能会成为下一个风口，就像 21 世纪初的软件开发人员一样。
无论您已是数据从业者，还是对 AI 充满热情，本指南都适合您。通读本文，我们将逐步详解如何成为一名提示工程师。一起开始吧！
提示工程师是做什么的？
如今，任何非技术背景的人都可以打开 ChatGPT 提出自己的需求。那为什么还需要提示工程师？原因在于，提示工程师知道如何向 AI 模型发问，才能生成准确结果。他们设计恰当的问题，创建触发式提示，以引导模型给出最优输出。
设想您需要一段用于开发登录页的 Python 代码，您可能会对 GPT 说：“Write a Python code to create a login page（编写一个创建登录页的 Python 代码）”，而懂得提示的人会这样表述：“Act like a Python developer and show a junior developer how to create a login page that will have input fields for username and password, along with a login button.（扮演一名 Python 开发者，向初级开发者演示如何创建一个包含用户名、密码输入框及登录按钮的登录页。）” 这正是这门学科的精髓。想进一步了解，您可以查看我们的课程：Understanding Prompt Engineering。
提示工程师还会处理更多与大语言模型相关的技术工作。他们会使用提示来测试并微调 AI 模型。这一过程包括通过分析模型对不同提示的回应来跟踪其行为，然后寻找模式与偏差，对输出数据进行 A/B 测试，并优化提示以弥补局限性。同样地，他们需要理解模型的长处与限制，并根据模型的回应迭代改进提示。
总的来说，提示工程师是为定制化应用优化整套 AI 提示生成流程的关键角色。
提示工程师的职责
以下是提示工程师日常工作的概要：
- 编写高效提示：制定精确且符合语境的提示，以引导 AI 模型产生期望的回应。
- 测试 AI 行为：分析模型对不同提示的响应，识别生成输出中的模式、偏差或不一致之处。
- 优化提示：通过迭代测试持续改进提示，提升模型回应的准确性与可靠性。
- 执行 A/B 测试：比较不同提示的有效性，并依据用户反馈与绩效指标进行优化。
- 文档化提示框架：为特定场景或行业创建可复用、已优化的提示库。
- 与相关方协作：与开发者、产品团队及客户合作，使 AI 输出与业务或项目目标保持一致。
- 微调 AI 模型：在训练过程中使用定制提示，调整预训练模型以改进其在特定应用中的行为。
- 确保伦理合规：识别并缓解提示与输出中的偏见，确保公平、包容并遵守伦理准则。
- 培训与赋能用户：帮助终端用户与团队掌握与 AI 模型高效互动的最佳实践。
表格：AI 关键角色比较
| 角色 | 核心职责 | 必备技能 | 常用工具/技术 |
|---|
| ML 工程师 | 开发机器学习模型并将其部署到生产环境。 | Python、TensorFlow、PyTorch、Scikit-learn | TensorFlow、PyTorch、Kubernetes |
| AI 工程师 | 设计与实现 AI 解决方案，包括模型与系统。 | 数据结构、算法、AI 框架 | TensorFlow、Keras、OpenAI API |
| 数据科学家 | 分析数据以提炼洞见并构建预测模型。 | 统计学、数据可视化、机器学习 | Pandas、NumPy、R、Python |
| 提示工程师 | 编写与优化提示，以改进 AI 模型输出。 | NLP、创意写作、对大语言模型的理解 | GPT、ChatGPT、LangChain |
如何成为提示工程师
成为提示工程师是明智的职业选择，尤其是在生成式 AI 作为增长最快的技术之一、未来十年预计将迎来显著增长的背景下，业内预计到 2030 年将达到356.10 亿美元的规模。以下是关于如何成为 AI 提示工程师的深度解析。
打好基础
1. 精通 Python
提示工程师需要扎实的 Python 编程能力。掌握Python 有助于您快速学习 NLP 和深度学习模型。
作为提示工程师，您可能不会独自构建完整的语言模型。但一些高薪提示工程岗位会期望您分析语言模型生成的数据，并据此获取洞见以改进模型。而在数据处理方面，Python 表现尤为出色。
按以下步骤为提示工程学习Python：
- 学习语法
- 熟悉 NumPy、Pandas、Matplotlib 和 Scikit-learn 等库
- 上手 NLTK、spaCy、TextBlob 等自然语言库
- 练习数据分析
- 了解机器学习模型
- 进行 Python 编码练习
2. 了解 AI 基础
开启职业之旅，先熟悉您将要使用的技术。本例中，您应先了解什么是 AI，再探索其各个分支。人工智能（AI）的核心思想相当吸引人——让机器表现出智能，像人类一样完成特定任务。
机器学习、自然语言处理、数据科学、深度学习等诸多子领域共同构成了更大的 AI 领域。首先应对这些技术逐一建立概览，并明确它们之间的差异。
查看以下资源，学习 AI 基础：
大语言模型与深度学习、NLP 关系密切。虽然并非所有提示工程师都要从零构建 AI 模型，但通常期望他们具备扎实的 NLP 与深度学习能力，以理解所使用的语言模型。
3. 学习 NLP
自然语言处理是当前 AI 领域最热门的话题之一。它让计算机读懂并解释人类语言，更进一步还能让机器以自然语言生成类人回答。
此外，NLP 能帮助您设计触发式提示，从而引导 AI 模型生成目标化的输出。因此，作为提示工程师，NLP 是必须精通的领域。探索 NLTK、spaCy、Transformers 等 NLP 库，为处理语言数据做好准备。
您应先掌握基础文本处理，再深入学习分词、情感分析与文本摘要等技术。
以下是优质的 NLP 相关文章与课程：
在成为提示工程师的过程中，您会经常接触到GPT、Gemini、LLaMA 3 等大型语言模型。这些 LLM 本质上是规模化的深度学习模型，旨在理解并生成自然语言。要高效使用它们，您需要牢固掌握深度学习概念。
例如，据称 ChatGPT 使用了超过 1750 亿个神经元进行训练。要理解这些“神经元”是什么、如何被“喂养”，您首先需要了解神经网络这一众多深度学习算法的基础。
接着，您也许知道 GPT 中的 “T” 代表 “Transformer”。包括 ChatGPT 在内的流行大语言模型，都是基于Transformer 架构构建的。
Transformer 架构采用所谓的“注意力机制”——通过聚焦输入数据中与任务相关的部分来提升模型准确性。研究这些架构将有助于您编写有效的提示。
培养成为提示工程师的实战技能
虽然并不一定需要学位才能从事提示工程，但您应具备一定的技术实操经验。下面来看看需要精进的语言与技术。
5. 上手预训练模型
提示工程师有相当一部分时间在与预训练模型打交道。所谓预训练模型，是指在海量数据上经过充分训练的基础 AI 模型，这是构建任何大语言模型的第一步。
如果您想真正掌握提示工程，请熟悉现有的预训练模型，例如 GPT-4、Llama 3、Claude 3 等。输入不同的提示并研究它们的反应，了解其文本生成能力并识别其局限性。
此外，了解这些模型训练所用的参数。有时，您需要调整其超参数以获得特定结果。
6. 为定制化应用进行微调
只有少数公司有能力从零开始训练大语言模型。因此，其他公司会聘请提示工程师，委托您对现有预训练模型进行微调，以满足其定制化应用需求。
例如，预训练模型可能无法按照您的设计要求生成 HTML 文件。但您可以在与 UI 和 HTML 相关的数据集上对其进行微调，以获得期望的输出。
总体而言，提示工程师应能够将任一预训练模型微调用于特定任务。这可以通过向预训练模型输入小而专的 数据集来实现。
数据预处理、超参数调优以及迁移学习是您独立完成预训练模型微调所必备的技能。
请记住，这些技术能力的深度取决于您所申请职位的要求。
通常，对于入门级岗位，仅具备 NLP 概念和巧妙的提示编写能力就足以入行。然而，高级或高薪职位可能需要在 NLP 库、深度学习算法以及高级提示技术方面拥有更深入的实操经验。
以下是帮助您学习微调的综合指南：
提示工程技巧
探索不同的提示方法，并在写作上发挥创造力。看看如何更好地创建提示。
7. 精通提示编写
语言模型会根据您的输入产生结果。如果您能向 AI 模型清楚说明您的需求，并调校其产出符合预期，就可以称自己为提示工程师了。
编写清晰的提示以及改进现有提示，是提示工程师的两项核心工作。他们需要组织问题与句子，以引导 AI 模型给出相关的响应。
为此，您需要具备良好的写作能力。一个改进提示的要点是，在提示中加入上下文与明确指令。不过，要成为提示工程大师，您还需要掌握一些高级提示工程技巧，我们会在下一节继续介绍。
8. 高级提示技术
我们已经提到要多与预训练模型实验，这一点值得反复强调。使用 DALL-E、GPT-2、GPT-3 或 BERT 练习不同的提示技巧，并观察其行为。
常见的模型提示策略包括零样本提示、单样本提示、迭代提示等。学习并实践这些提示技术，将帮助您成为出类拔萃的提示工程师。
为避免错过关键内容，了解 LangChain。我们提供了面向提示工程师的LangChain 全面指南。简单来说，LangChain 是一个框架，用于最大化模型输出的准确性与相关性。
| 技术 | 描述 |
|---|
| 零样本提示 | 在没有任何先验示例或上下文的情况下，要求模型生成回应。 |
| 单样本提示 | 在任务提示之外提供一个示例，以引导模型生成回应。 |
| 迭代提示 | 基于先前输出不断优化提示，逐步提升模型的响应质量。 |
| 思维链 | 鼓励模型逐步阐述其推理过程，以提升推理能力与准确性。 |
职业发展与落地应用
拥有计算机科学或工程相关学位固然加分，但并非唯一途径。通过完成认证课程、参与真实项目并坚持持续学习，您也可以在没有学位的情况下成为提示工程师。下面逐一展开，帮助您塑造提示工程职业路径。
9. 实战项目与作品集建设
在明确 AI 技术与上述技能后，您可以将新学到的知识应用到真实项目中。无论您是职场人士还是在校学生，都可以主动参与需要提示工程的项目。
以下是一些适合上手的优质 AI 项目：
如果您的项目使用了预训练模型，请了解其技术原理和行为方式。尝试用不同的方式向模型下达指令，并观察其响应。运用您掌握的高级提示技术来触发模型。这样，您就能把理论转化为实战能力。
在此过程中，您还可以参加 Kaggle 等平台上的对话式 AI 与大语言模型相关竞赛，了解自己与同侪的差距。请记住，此步骤中的一切都可以纳入您的作品集，进一步提升您的职业形象。
无论职业发展的哪个阶段，拥有专业作品集都至关重要。Datacamp 提供了简单易用的作品集搭建工具及精美模板。借助这款免费作品集工具，以更具吸引力的方式展示您的技能、经验、项目与兴趣。
10. 持续学习并参与 AI 社区
选择在线课程；最近新增了许多提示工程课程。认证课程不仅能帮助您获得技能，还能为您的履历增添有力证明，显示您确实系统学习过相关技术。
保持对最新趋势的关注至关重要，尤其是在如OpenAI 的 Sora这类蓬勃发展的技术领域。最有效的方式莫过于参与合适的社区。在 LinkedIn、Medium 和 Twitter 等平台关注顶尖的提示工程研究者与开发者。
结语
现在正是开启生成式 AI 之旅的好时机。科技公司比以往任何时候都更需要提示工程师，将对话式 AI 融入其业务。
成为 AI 提示工程师的道路既有收获也充满乐趣。只要将本文所述的技术与非技术能力合理搭配，人人都可以成为提示工程师。
如果您认真考虑从事提示工程职业，不妨探索 Datacamp 的以下课程：
生成式 AI 已经改变了我们与人工智能互动和思考的方式。借助 ChatGPT 和 Anthropic 的 Claude 等对话式 AI，您只需在工具中输入几个提示，AI 模型通常就会精准回应您所询问的信息。那么，问题来了：是谁在打造这些出色的 AI 模型？
ML 工程师、AI 工程师、数据科学家，以及显而易见的提示工程师，一直在研究并带来令人惊叹的 AI 能力。因此，把提示工程师作为职业起点很可能会成为下一个风口，就像 21 世纪初的软件开发人员一样。
无论您已是数据从业者，还是对 AI 充满热情，本指南都适合您。通读本文，我们将逐步详解如何成为一名提示工程师。一起开始吧！
提示工程师是做什么的？
如今，任何非技术背景的人都可以打开 ChatGPT 提出自己的需求。那为什么还需要提示工程师？原因在于，提示工程师知道如何向 AI 模型发问，才能生成准确结果。他们设计恰当的问题，创建触发式提示，以引导模型给出最优输出。
设想您需要一段用于开发登录页的 Python 代码，您可能会对 GPT 说：“Write a Python code to create a login page（编写一个创建登录页的 Python 代码）”，而懂得提示的人会这样表述：“Act like a Python developer and show a junior developer how to create a login page that will have input fields for username and password, along with a login button.（扮演一名 Python 开发者，向初级开发者演示如何创建一个包含用户名、密码输入框及登录按钮的登录页。）” 这正是这门学科的精髓。想进一步了解，您可以查看我们的课程：Understanding Prompt Engineering。
提示工程师还会处理更多与大语言模型相关的技术工作。他们会使用提示来测试并微调 AI 模型。这一过程包括通过分析模型对不同提示的回应来跟踪其行为，然后寻找模式与偏差，对输出数据进行 A/B 测试，并优化提示以弥补局限性。同样地，他们需要理解模型的长处与限制，并根据模型的回应迭代改进提示。
总的来说，提示工程师是为定制化应用优化整套 AI 提示生成流程的关键角色。
提示工程师的职责
以下是提示工程师日常工作的概要：
表格：AI 关键角色比较
如何成为提示工程师
成为提示工程师是明智的职业选择，尤其是在生成式 AI 作为增长最快的技术之一、未来十年预计将迎来显著增长的背景下，业内预计到 2030 年将达到356.10 亿美元的规模。以下是关于如何成为 AI 提示工程师的深度解析。
打好基础
1. 精通 Python
提示工程师需要扎实的 Python 编程能力。掌握Python 有助于您快速学习 NLP 和深度学习模型。
作为提示工程师，您可能不会独自构建完整的语言模型。但一些高薪提示工程岗位会期望您分析语言模型生成的数据，并据此获取洞见以改进模型。而在数据处理方面，Python 表现尤为出色。
按以下步骤为提示工程学习Python：
2. 了解 AI 基础
开启职业之旅，先熟悉您将要使用的技术。本例中，您应先了解什么是 AI，再探索其各个分支。人工智能（AI）的核心思想相当吸引人——让机器表现出智能，像人类一样完成特定任务。
机器学习、自然语言处理、数据科学、深度学习等诸多子领域共同构成了更大的 AI 领域。首先应对这些技术逐一建立概览，并明确它们之间的差异。
查看以下资源，学习 AI 基础：
大语言模型与深度学习、NLP 关系密切。虽然并非所有提示工程师都要从零构建 AI 模型，但通常期望他们具备扎实的 NLP 与深度学习能力，以理解所使用的语言模型。
3. 学习 NLP
自然语言处理是当前 AI 领域最热门的话题之一。它让计算机读懂并解释人类语言，更进一步还能让机器以自然语言生成类人回答。
此外，NLP 能帮助您设计触发式提示，从而引导 AI 模型生成目标化的输出。因此，作为提示工程师，NLP 是必须精通的领域。探索 NLTK、spaCy、Transformers 等 NLP 库，为处理语言数据做好准备。
您应先掌握基础文本处理，再深入学习分词、情感分析与文本摘要等技术。
以下是优质的 NLP 相关文章与课程：
4. 掌握深度学习与 Transformer 模型
在成为提示工程师的过程中，您会经常接触到GPT、Gemini、LLaMA 3 等大型语言模型。这些 LLM 本质上是规模化的深度学习模型，旨在理解并生成自然语言。要高效使用它们，您需要牢固掌握深度学习概念。
例如，据称 ChatGPT 使用了超过 1750 亿个神经元进行训练。要理解这些“神经元”是什么、如何被“喂养”，您首先需要了解神经网络这一众多深度学习算法的基础。
接着，您也许知道 GPT 中的 “T” 代表 “Transformer”。包括 ChatGPT 在内的流行大语言模型，都是基于Transformer 架构构建的。
Transformer 架构采用所谓的“注意力机制”——通过聚焦输入数据中与任务相关的部分来提升模型准确性。研究这些架构将有助于您编写有效的提示。
培养成为提示工程师的实战技能
虽然并不一定需要学位才能从事提示工程，但您应具备一定的技术实操经验。下面来看看需要精进的语言与技术。
5. 上手预训练模型
提示工程师有相当一部分时间在与预训练模型打交道。所谓预训练模型，是指在海量数据上经过充分训练的基础 AI 模型，这是构建任何大语言模型的第一步。
如果您想真正掌握提示工程，请熟悉现有的预训练模型，例如 GPT-4、Llama 3、Claude 3 等。输入不同的提示并研究它们的反应，了解其文本生成能力并识别其局限性。
此外，了解这些模型训练所用的参数。有时，您需要调整其超参数以获得特定结果。
6. 为定制化应用进行微调
只有少数公司有能力从零开始训练大语言模型。因此，其他公司会聘请提示工程师，委托您对现有预训练模型进行微调，以满足其定制化应用需求。
例如，预训练模型可能无法按照您的设计要求生成 HTML 文件。但您可以在与 UI 和 HTML 相关的数据集上对其进行微调，以获得期望的输出。
总体而言，提示工程师应能够将任一预训练模型微调用于特定任务。这可以通过向预训练模型输入小而专的 数据集来实现。
数据预处理、超参数调优以及迁移学习是您独立完成预训练模型微调所必备的技能。
请记住，这些技术能力的深度取决于您所申请职位的要求。
通常，对于入门级岗位，仅具备 NLP 概念和巧妙的提示编写能力就足以入行。然而，高级或高薪职位可能需要在 NLP 库、深度学习算法以及高级提示技术方面拥有更深入的实操经验。
以下是帮助您学习微调的综合指南：
提示工程技巧
探索不同的提示方法，并在写作上发挥创造力。看看如何更好地创建提示。
7. 精通提示编写
语言模型会根据您的输入产生结果。如果您能向 AI 模型清楚说明您的需求，并调校其产出符合预期，就可以称自己为提示工程师了。
编写清晰的提示以及改进现有提示，是提示工程师的两项核心工作。他们需要组织问题与句子，以引导 AI 模型给出相关的响应。
为此，您需要具备良好的写作能力。一个改进提示的要点是，在提示中加入上下文与明确指令。不过，要成为提示工程大师，您还需要掌握一些高级提示工程技巧，我们会在下一节继续介绍。
8. 高级提示技术
我们已经提到要多与预训练模型实验，这一点值得反复强调。使用 DALL-E、GPT-2、GPT-3 或 BERT 练习不同的提示技巧，并观察其行为。
常见的模型提示策略包括零样本提示、单样本提示、迭代提示等。学习并实践这些提示技术，将帮助您成为出类拔萃的提示工程师。
为避免错过关键内容，了解 LangChain。我们提供了面向提示工程师的LangChain 全面指南。简单来说，LangChain 是一个框架，用于最大化模型输出的准确性与相关性。
职业发展与落地应用
拥有计算机科学或工程相关学位固然加分，但并非唯一途径。通过完成认证课程、参与真实项目并坚持持续学习，您也可以在没有学位的情况下成为提示工程师。下面逐一展开，帮助您塑造提示工程职业路径。
9. 实战项目与作品集建设
在明确 AI 技术与上述技能后，您可以将新学到的知识应用到真实项目中。无论您是职场人士还是在校学生，都可以主动参与需要提示工程的项目。
以下是一些适合上手的优质 AI 项目：
如果您的项目使用了预训练模型，请了解其技术原理和行为方式。尝试用不同的方式向模型下达指令，并观察其响应。运用您掌握的高级提示技术来触发模型。这样，您就能把理论转化为实战能力。
在此过程中，您还可以参加 Kaggle 等平台上的对话式 AI 与大语言模型相关竞赛，了解自己与同侪的差距。请记住，此步骤中的一切都可以纳入您的作品集，进一步提升您的职业形象。
无论职业发展的哪个阶段，拥有专业作品集都至关重要。Datacamp 提供了简单易用的作品集搭建工具及精美模板。借助这款免费作品集工具，以更具吸引力的方式展示您的技能、经验、项目与兴趣。
10. 持续学习并参与 AI 社区
选择在线课程；最近新增了许多提示工程课程。认证课程不仅能帮助您获得技能，还能为您的履历增添有力证明，显示您确实系统学习过相关技术。
保持对最新趋势的关注至关重要，尤其是在如OpenAI 的 Sora这类蓬勃发展的技术领域。最有效的方式莫过于参与合适的社区。在 LinkedIn、Medium 和 Twitter 等平台关注顶尖的提示工程研究者与开发者。
结语
现在正是开启生成式 AI 之旅的好时机。科技公司比以往任何时候都更需要提示工程师，将对话式 AI 融入其业务。
成为 AI 提示工程师的道路既有收获也充满乐趣。只要将本文所述的技术与非技术能力合理搭配，人人都可以成为提示工程师。
如果您认真考虑从事提示工程职业，不妨探索 Datacamp 的以下课程：