Talk is cheap, show me GPT-5, ok?
提示工程怎么还不死？
所谓的 ChatGPT 之父 Sam 不是早就说了长期来看会不需要提示工程吗？提示工程未来到底还需不需要？
所谓的 ChatGPT 之父 Sam 不是早就说了下半年会发布吗？
所谓的 ChatGPT 之父 Sam 不是早就说了23年底会发布吗？
所谓的 ChatGPT 之父 Sam 不是说离这个目标很接近了吗？
世界：我又裂开啦啊啊啊啊！！！
过去的近两年时间里，随着大大小小各种模型的发布，
AGI 来了近百次，而提示工程只死了不到10次。还行！
所谓 ChatGPT 之父："大的要来了，大的要来了！！！"
然后，开个所谓发布会。
吃瓜群众：就这？
牛叉哄哄的插件系统，怎么一年左右就宣布关闭啦？
号称要取代苹果商店的 GPTs 商店， 还说要给创作者分成？钱呢？怎么不仅没有钱，我的 Prompts 和数据一放上去就被抄袭、拖库，满天飞啦？
不是说微调比提示工程好嘛？怎么几千万丢下去怎么也没看到牛叉哄哄的垂直大模型呀？
我的草莓模型呢？不是，怎么回答个问题要10秒钟啊！不是，系统怎么又崩溃啦？消息都发不出去。不是，你这回答错了我怎么调啊？不用提示工程我用啥？
不是国产模型更懂中文嘛？怎么中文能力排行榜上前三都是国外的模型啊啊啊！！
江树小小的脑袋瓜子里充满了大大的疑惑，啊啊啊啊，我要裂开啦~
群友群里艾特我，问我怎么看提示工程反复GG这个话题？
利益相关，我该怎么看？躺着看，坐着看，还是该怎么看？
我怎么看？要么实现AGI，提示工程GG？要么提示工程和大模型一起GG。
GPT-o1的出现杀死了提示工程？
这点我们在群里有过讨论，我的看法一直是“o1 对于学术来说是座金矿，对于应用层来说还只是玩具”
舆论阵地不去占领就是拱手让人，流量多大声音就有多大，再求一波关注，三连啊啊啊！！！
提示词工程有没有技术壁垒？
连大模型都没有技术壁垒，谈什么提示工程没有技术壁垒呢？
OpenAI 技术已经很牛了吧，文生视频发布以后一样被国内公司超越，技术壁垒呢？
没有壁垒对普通人来说才是好事，能参与的人才越多，能受益的人也越多。
壁垒内的吃香喝辣的往往只是少数人，大部分人都是在壁垒外风吹日晒，这才是这个社会的真相。
壁垒不是通过技术积累的，而是通过产品、资源、生态、商业等。
需求决定一切：提示工程 vs 软件工程
提示工程和软件工程是类似的，提示工程用好AI的能力，软件工程用好电脑的能力。
像现在没人会让电脑去计算 1+1 = 2 一样，5年以后，你不会再让AI去比较 "9.11 和 9.8 哪个更大？"，让AI去数 “strawberry”中有几个字母“r” ？
像现在几乎没有人（少数程序员）会通过计算机指令使用电脑一样，几年以后，大部分的终端用户不会通过提示词直接使用大模型。
60年以前，我们只能通过纸带编程让计算机计算一个数学公式，需要耗费长长的纸带。现在，我们为了让 AI 数对 “strawberry”中有几个字母“r” 也要啰里八嗦写上一堆提示词。
后来，随着计算机的发展，只需要几次点击就能轻松实现各种计算，但是软件工程不仅没有消亡，反而迎来了空前的繁荣，程序员这个职业也成了香饽饽。
现在，随着简单几句话 AI 也能给不错的回答，有人开始质疑提示工程是不是要消亡了？
不是的。AI 的上限也在提升，AI 能做的事情也越来越多，越来越复杂，能满足的需求也越来越丰富。AI 越强大，AI 的应用需求越多，提示工程的需求越多。
如果这波 AI 是像之前的元宇宙一样破灭，没有需求了，那确实是，覆巢之下无完卵，不仅提示工程，AI相关的大部分概念，大部分 AI 从业者都是一样的，等着完蛋吧。
就像软件工程一样：前端、后端、数据库、软件架构等等都属于软件工程的范畴。
提示工程不等于提示词技巧，不同模型的技巧本来就是在变化的，技巧性东西随着模型进步的变化是必然的。这一点可以参考宝玉老师的文章 提示工程：反复崛起，反复被死亡。
提示工程的概念并不局限在几个提示词，也许叫 AI 工程更合适：数据，提示词，工作流，工具，知识库，智能体，这些都属于提示工程的范畴。更不用说， OpenAI、谷歌、kimi 这些平台的智能体商店里，90%以上所谓的“智能体”，都是由纯提示词实现的。
真正有AI落地经验，做过生产级AI项目，少有听到说什么提示工程消亡的。
为什么提示工程会长期存在？
从第一性原理出发，从最基本的组成元素出发：
任何基于 AI 大模型的系统，是不是都是在调用大模型能力？
大模型的能力是怎么被调用的？提示词。只要这一点不变，提示词就会存在！
要把这个能力用好、落地，就一定有工程在里面，多少的问题。
目前来看，除非这个路线下实现了AGI，否则要用好这个能力就必须利用好这个调用接口，做好提示词的工程打磨。
看过我 LangGPT智能体基石那篇文章的都知道，AI 在细分领域的应用是从 训练微调 迁移到 提示微调 上的。
这是这波生成式AI的基本范式， prompt tuning——提示微调，通过提示工程的手段调整大模型的表现。
谷歌在2009年的时候正式做自动驾驶，号称几年年内实现无人驾驶，替代人类司机。当年也喊着司机失业下岗，现在15年过去了，自动驾驶的落地还是坎坎坷坷。大模型一样，路还长着！
Talk is cheap, show me GPT-5, ok?
提示工程也在与时俱进
今年1月我在年度分享上就表达了提示工程的变化：
单模态到多模态。关于这部分， 5月份我做了多模态提示词的分享，感兴趣可以查看我的分享文章：
在清华与中国AIGC大会的分享：多模态AI大爆发，多模态提示词与智能体
提示攻击。这部分8月我在上海人工智能大会上进行了分享，感兴趣可以看分享文章：
智能对决：提示词攻防中的AI安全博弈
提示 AI 模型 -> 提示AI生态
能做到这件事不容易，需要模型的指令遵循能力、编程能力、审美能力达到一定水平才可以。
说人话，就是需要模型能做到 “一句话也能给出不错的结果”。这些基础能力是构建更上层应用的基石，基础越牢固，上层建筑才能做大做强。
所以AI模型能力提升不仅没有杀死提示工程，反而是放大了提示工程的能力。
粤ICP备14082021号
免费POC，
零成本试错
