在ChatGPT、Midjourney、Stable Diffusion等新事物的作用下，不少人或多或少聽說過Prompt的概念。

雖然OpenAI掀起的大模型浪潮再度刷新了人們對AI的認知，但現階段的AI終歸還不是強人工智能，大模型里的“知識”存儲在一個隱性空間里，需要輸給AI正確的指令，也就是過去幾個月中頻頻被討論的Prompt。

(資料圖片僅供參考)

有人將Prompt翻譯成“提示詞”，也有人翻譯為“激發詞”。再感性一些，就像童話故事里的魔法一樣，Prompt是AI時代的魔法，擁有它就擁有“巫師”一樣的能力。

01 Prompt是什么？

并不難理解Prompt的字面含義，可為何會出現Prompt這個概念？既然是ChatGPT炒熱的新名詞，不妨讓ChatGPT自己來回答。

這個回答中規中矩，但還是可以提取到一些有價值的信息：一，Prompt繼承了計算機編程里的命令行提示符，可以理解為控制AI的指令；二，在生成式AI的語境里，Prompt的價值在于引導，而非計算機里的命令。

打個比方的話：大模型就像是人類的大腦，知識被存儲在神經元聯接中，只有當你遇到具體的問題時，就像“你最喜歡的食物是什么？”大腦才會給出確切的答案，Prompt等于是一個個具象的問題。由此產生了一種流行的說法，即提問比回答更重要。你使用ChatGPT所遇到的“邊界”，實際上是你自己的“邊界”。

但Prompt的價值體現，并不在于ChatGPT代表的對話機器人，而是Midjourney為首的圖像生成類應用。

簡單來說，你要告訴AI想要什么樣的圖，想要把自己腦海里的東西變成肉眼可見的圖案，需要幾十個單詞作為Prompt。哪怕只有一個提示詞的差異，AI所生成的圖像都可能有著質的差別，怎么正確地給AI投喂Prompt，逐漸成了一門深奧的學問，并衍生出了提示語工程學（Prompt Engineering）的說法。

以至于在衡量大模型的能力時，出現了三個標準：一是大模型的預訓練水平；二是用來進行預訓練語料數量和質量；三是提示語的水平。直接的例子就是外界對文心一言文生圖的質疑，即使不考慮前兩個因素，單單在提示詞方面，就足以讓文心一言和Midjourney拉開幾條街的距離。

因為在文心一言上想要生成圖片，普遍給的指令是：幫我生成一張XXX（這也是百度官方的示例），解析為Prompt時注定只有幾個提示詞，遠不足以表達腦海里想要的畫面；同樣的需求給Midjourney，可能是十幾個乃至幾十個提示詞，大模型可以更準確地理解并輸出用戶想要圖案。

理解了這些差異，便不難讀懂Prompt走紅的原因。

目前大模型對算力的要求很高，以OpenAI的DALL?E為例，生成一張圖片的收費約0.02美元，如果讓不懂Prompt的人去調用模型，大概率會浪費掉一次次算力。何況當前想要生成滿意的圖片，需要不斷重復調整，能否熟練運用Prompt，直接左右了大模型所能釋放的生產力。

02 Prompt 還能賺錢？

利用信息差賺錢向來是最容易做的生意，生成式AI也不例外，Prompt作為AI時代的魔法，已然成了不少人用來“賺錢”的生產資料。

第一種：直接售賣Prompt。

國外已經出現了PromptBase等明碼標價的平臺，涉及Midjourney、Stable Diffusion、DALL?E、GPT等多個模型，而且適用的場景越來越細分，包括音樂創作、兒童插畫、油畫藝術、人物肖像等等，即便是不擅長整理提示詞的普通用戶，也可以直接復制Prompt生成相對不錯的作品。

其實國內也有類似的現象，一些商家早已在電商平臺上兜售Prompt，也有一些人將Prompt做成面向垂直任務場景的應用，比如AI 寫評語、AI寫郵件、AI翻譯等等，吸引剛需用戶按月付費使用。

第二種：用Prompt換流量。

國內最早一批售賣AI課程的自媒體，多半將Prompt作為吸引用戶付費的籌碼；小紅書等年輕人扎堆的平臺上，早早出現了分享Prompt的筆記；B站、抖音等視頻平臺上，教用戶使用Prompt的教程已不可計數。

個中邏輯并不復雜。Prompt是駕馭AI的“咒語”，但提示詞本身并沒有版權效應，或許直接兜售Prompt可以快速變現，終歸是不長久的買賣。將Prompt作為漲粉工具，趁機吸引到可觀的粉絲群體，在流量變相高度繁榮的互聯網江湖，無疑更符合市場規律，也是Prompt被廣泛討論的另一重誘因。

第三種：靠Prompt“找工作”

正如前面所提到的，正確使用Prompt已經是提升生產力的前提，不單單產生了提示語工程，還醞釀出了一批“提示詞工程師”（Prompt Engineer）。

國外一位名叫Riley Goodside的小哥，靠ChatGPT的Prompt快速漲粉，然后被硅谷獨角獸Scale AI聘請為“提示詞工程師”，據說年薪高達百萬人民幣；另一位名為Jason M. Allen的藝術家，則使用Midjourney贏得了Colorado State Fair周年藝術比賽……如果說計算機時代的能力密碼是編程，在生成式AI席卷全球的當下，Prompt正悄悄成為數以萬計打工人“傍身”的工具。

至少就目前來看，程序員群體里已經漸漸興起兩股風潮：一類人瞄準了OpenAI等大模型企業的API，想要坐在人工智能的副駕駛上創業；另一類人打起了創造Prompt的主意，想要利用信息差賺到第一桶金。

倘若ChatGPT的出現當真是所謂的iPhone時刻，圍繞Prompt的生意其實才剛剛開場。

03 Prompt 只是過渡？

相對應的一個問題是，Prompt是否是人工智能大眾化不可或缺的一環？這個問題的答案直接影響著Prompt和Prompt Engineer的紅利周期。

Open AI 的 CEO Sam Altman曾公開表示：五年后，就不再需要 Prompt Engineering。也許在接下來的一段時間里，我們仍需要提示語，需要去創造 Prompt，但生成式AI的發展速度可能超乎想象，AI對人類的理解力遠未觸達天花板。

可以佐證的是，第一代iPhone上市時還沒有App Store，僅預裝了瀏覽器、iPod、郵件等少量應用，想要安裝其他應用，需要在電腦上安裝iTunes，用USB線將iPhone連接到電腦……為了解決用戶體驗上的局限性，越獄工具和第三方應用商店應運而生，但在蘋果引入App Store后，越獄工具漸漸被丟進了歷史的故紙堆。

同樣的問題詢問ChatGPT，答案似乎客觀了許多。

想要不用特定Prompt就能和AI流暢對話，ChatGPT認為需要解決四個挑戰：

1、AI需要更好地理解語境和連貫性，哪怕用戶像《大話西游》里的唐僧一樣喋喋不休，或者語無倫次，AI也可以準確理解用戶的意圖，這樣就不需要精確的提示詞，用自然語言進行提問。

2、AI需要有豐富的常識和推理能力，即根據特定的信息和場景做出合理的回應，而非像現在的模型那樣“對牛彈琴”，比如中文里的多義詞、不同場景下不同含義的語氣詞，非常考驗推理能力。

3、AI需要理解和處理情感信息，這也是當前AI研究的重心所在。人的情感可以有很多種表達方式，文字只是其中重要的一種。在大模型不斷向多模態演進時，視覺和聲音是否也可以傳遞信息？

4、AI需要有主動學習和適應能力。主動學習是指AI系統在學習過程中，能夠主動選擇最具信息量的樣本進行學習，在數據稀缺的情況下做出更好的決策；適應能力是指AI在面臨新的任務、場景或環境變化時，能夠自我調整并優化其行為。

按照ChatGPT的標準，在Prompt消失的時候，勢必已經進入到了強人工智能時代，目前還有很長一段距離。

Prompt及其衍生機會的消亡是一種歷史必然，在時間上仍有很大的不確定性，也許會很快出現另一場技術爆炸；也許AI會進入新一輪的瓶頸期， Sam Altman的五年預期不過是“盲目樂觀”。

04 寫在最后

或許可以借用科技媒體《VentureBeat》的說法：現在已經到了AI藝術的轉折點，未來的藝術家無論是自學成才還是科班出身，都需要有創造Prompt的能力，需要理解和學習數據科學，以及大模型的工作原理。

進一步延伸的話，需要有這些能力的絕不只是藝術家，任何職業、任何行業的工作都不可避免和AI協作，將人類的思考和需求注入給AI，不斷更新、創造Prompt，將是大多數人必須要掌握的一種技能，就像現在必須要用輸入法打字一樣。

關鍵詞：