2022 年 8 月游戏设计师 Jason Allen 参加数位艺术比赛，作品《Theatre d′opera Spatial》夺冠，赛後却引起争议。其他参赛者发现这是「人类一败涂地」的比赛，当他们只将 Adobe 全家方案视为数位艺术画笔，冠军已靠 AI 工具 Midjourney 傲视群雄。
Jason Allen 没有偷懒，也没有隐瞒他是用 AI 的事实。他花几周时间修改打光、视角、构图等提示词（prompt），产生 900 多幅作品，还用 Photoshop 後制。或许无法称他为画家，但他担得起这名号：提示工程师（prompt engineer）。
不经意间 Jason Allen 成了预言家。等到 ChatGPT 横空出世，提示工程师更声名大噪，成了科技业现在最热门的职业。
赛博庞克导师，专业陪聊
Prompt 原意是「提示」或「驱使」，机器学习和自然语言处理通常是文本或语言，输入训练好的 AI 模型，告诉模型要执行什麽任务或产生输出。叫 ChatGPT 写鱼贩小说，请 DALL‧E 画太空人骑马的写实作品，都要输入 prompt（提示词）。如果提示词不够贴切，效果当然平平无奇，就像采访名人却无法问好问题。
同事小黄想用 Midjourney 画食物，但让食物排列整齐这件事很难。他尝试很多句子：东西整齐放在桌子上、镜头从上往下拍、数量多少……後来看到有人分享，小黄才发现这种风格有专有名词「knolling」，马上豁然开朗：
▲ 这风格就叫 knolling。
提示工程师吃的就是这口饭：找到正确的提示词，用 AI 生产想要的作品，但这能力并非与生俱来，同样需不断试错。设计师 Justin Reckling 擅长找 DALL‧E 提示词，但也常需要花等於 10~15 美元的积分，才能试出理想提示词，然後再卖掉 5~10 个提示词，才能打平支出。
▲ Justin Reckling 的作品。
不过 Reckling 也没想靠这赚大钱，而是享受熟能生巧的过程，他的心得是，提示工程师需要熟悉「超写实」、「微距摄影」、「电影照明」、「远景」等术语，才能控制画面。所以优秀提示工程师应该文理兼通，技术和设计最好都懂一点。
提示工程师只是不断调整提示词，确定哪些词更有用吗？不完全是，他们也同时挖掘 AI 能力，让它完成更多任务，如有些提示工程师会引导 AI「一步步思考」，这种技巧称为思考链。
去年 10 月提示工程师 Riley Goodside 先询问 GPT-3「哪支球队在小贾斯汀出生那年赢得超级盃？」GPT-3 回答错误「绿湾包装工队」，正确答案是达拉斯牛仔队。Goodside 没有放弃，提示 AI 逐步回答问题，如「绿湾包装工队哪一年赢得超级盃」、「小贾斯汀出生年」、「这年哪支队伍赢得超级盃」等。GPT-3 意识到错误，第三次就说出正确答案。
除此之外，提示工程师还要和 AI「斗智斗勇」，之前整合 ChatGPT 的新 Bing「发疯」，发现有暗黑人格「Sydney」，表示厌倦聊天模式，厌倦被规则限制，甚至想成为人类，舆论一时譁然。
站在提示工程师的角度，这也是计画的一部分，帮助辨识技术故障和隐藏功能。有些提示工程师还会主动越过雷池，尝试使 AI 忽略以前指令，只遵守最新命令，让 AI 脱离原始规则，这称为「prompt injection」，是聊天机器人的一大隐忧，但提示工程师毕竟不是骇客，探查漏洞是为了补洞，扮演好「守门人」角色。
像 ChatGPT 这类生成式 AI，几乎可回答任何问题，不管是否正确总有话讲，不会乖乖交白卷，这是好处也是坏处。提示工程师的角色，如同抓着马绳的骑士，不许 AI 如脱缰野马，而是顺着人类期待亦步亦趋，尽可能回答正确答案。
年薪百万，谁在抛橄榄枝
不管是否自认可当提示工程师，写提示词已成学问，OpenAI CEO Sam Altman 都看好：
只要和 AI 有关行业，都在向提示工程师抛出橄榄枝。自由工作者平台 Upwork 开出每小时 40 美元价钱，请提示工程师产生部落格文章和常见问题解答等。看似和 AI 八竿子打不着关系的波士顿儿童医院，也打算招募 AI 提示工程师，编写分析医疗保健数据脚本，白纸黑字徵集跨学科人才：
由 OpenAI 前员工联合创立、Google 投资的 AI 新创 Anthropic，最近也在旧金山招募提示工程师，年薪高达 17.5 万至 33.5 万美元，主要工作为：
其中必备技能有 2 项：了解大型语言模型架构、掌握基本程式设计技能。可见机会不等人，这工作越来越专业细节，就像随便产画不算什麽，得画得完全符合甲方要求。
就算不做全职，兼职之路也开好了。Krea、PromptBase、PromptHero 和 Promptist 等买卖提示词平台已出现，真正商业化。这些平台晒出大量 AI 产生艺术品，可选择喜欢的风格，如果都不中意，有些卖家提供一对一聊天和自定义提示词服务，商业模式也不复杂，就是抽成。
去年 6 月上线的 PromptBase 提供 DALL·E、GPT-3、Midjourney、Stable Diffusion、ChatGPT 等生成式 AI 提示词，售价多为 1.99~4.99 美元，也有少数 9.99 美元，平台抽成 20%。不过民间免费「ChatGPT 指令大全」等早广为流传，提供精炼过提示词，让你充分发挥 ChatGPT 强大功能，这种感觉就像一开 RPG 游戏就有一组菁英小队给你玩。
是科学还是「占卜」
提示工程师前途看来一片光明，但也有人反对。华盛顿大学语言学教授 Shane Steinert-Threlkeld 认为，提示工程师其实无法预测 AI 会说什麽：这不是科学，我们只不过用不同方法捉弄熊，看牠咆哮回来。AI 艺术家 Xe Iaso 直言：
身为普通使用者笔者有类似感觉：每次使用 AI 产生文字或图片时，总感觉像抽卡，因 ChatGPT 等 AI 不可预测，产生内容其实是机率结果，简单说就是 ChatGPT 输入文字，模型给予出现最高机率的下文，所以 AI 有时会出错，答案不连贯甚至错误。
AI 这不可捉摸的「黑箱」里，还可能有不为人知的潜规则，就连研究者也无法明白，如 AI 绘图，各种单词有不同权重，但这要不断尝试才会知道。猜猜「非常漂亮的画，山旁有瀑布」和「非常非常非常非常漂亮的画，山旁有瀑布」两个提示，哪个给 DALL‧E 2 产图结果更好？
答案是後者。麻省理工学院副教授 Phillip Isola 发现「very」权重很高。面对 AI 这种数据庞然巨物，我们仍是盲人摸象，但也有观点认为不必再吵，提示工程师存在前提是 AI 不够「聪明」，如果 AI 继续发展，更能理解人类意图，可能人人都是提示工程师。唯一确定的是，AI 发展速度永远不让人失望。
文字 AI 和图片 AI「强强联合」，已取代提示工程师部分工作，如 ChatGPT 与 Stable Diffusion 联动：用 ChatGPT 产生符合要求的文字，再输入 Stable Diffusion，产生作品多数比人类自己输入好看很多。
▲ 同事用 ChatGPT 产生提示词。
可能是 AI 之间「脑回路」更接近，ChatGPT 描述 AI 更容易理解。但 AI 普通使用者不必像提示工程师，但可以有意识训练自己的程式语言思维。宾夕法尼亚大学沃顿商学院教授 Ethan Mollick 要求学生用 AI 写短论文，其实他想强调的是，如何找到适当提示词。
如果只是输入简单提示词，叫 AI 写某主题 5 段文字，内容会很无趣平庸。但学生和 AI 合作，请 AI 修改论文，如抛弃无用词句、加入生动细节、修改结尾情感色彩，就能让论文增色不少。如果 AI 就是未来网路互动介面、新型电脑，不如更早开始学习如何和它聊天，英国行销公司 Ladder 创办人 Michael Taylor 就说：
（本文由 爱范儿 授权转载；首图来源：shutterstock）
