声明:本文来自于微信公众号 头号AI玩家（ID:AIGCplayer），作者:阿虎，授权站长之家转载发布。
最近GPTs有多热门?直接把OpenAI吓到停止注册Plus会员。
11月15日，Open AI CEO Sam Altman在社交平台“X”发文称，由于开发日后使用量激增，需求超出了他们的预期，将暂时停止ChatGPT Plus会员注册。
据Twitter数据统计机构显示，在GPTs功能正式上线后的短短10小时内，用户上传到GPTsHunter中的GPTs数量已超过2000个，平均每60秒就有一个全新的GPT诞生。
截至发稿前，现有GPTs的数量已达12384个。人人都能创建AI应用的时代真的来了。
OpenAI公司CEO Sam Altman认为:“现在你只需要告诉计算机你需要什么，它就会为你完成所有任务。”
在大部分人为之兴奋的时候，有一些人感受到了危机，有初创企业CEO看到之后直接感叹:
除了“当场失业”的OpenAI的下游创业者，还有与AI息息相关的提示词工程师。
现在，简单的自然语言交互就能完成复杂的任务，普通人还需要会“咒语”吗?提示词工程师正变得岌岌可危?“头号AI玩家”对话了相关从业者，试图找到答案。
和AI“聊天”，人人皆可手搓GPTs
创建“AI助手”，本质上就是利用提示词（Prompt）进行交互的过程。
这种交互可能以对话的形式进行，比如对AI下达指令，也有可能以编程的方式，在代码中嵌入提示，和API调用有点相似。
ChatGPT Plus版用户在ChatGPT首页点击“Explore”按钮，即可创建专属于自己的GPTs。
Open AI的GPT生成器分为两部分，在左侧创建页面提出需求的同时，右边就会同步演示新的GPT角色。
根据指令的不同，GPT生成器还会对用户的操作进行引导，比如“我将你的GPTs称为天气预报员可以吗”，如果不满意，可以将自己额外的需求告诉GPT。
将基础信息调配满意后，用户可以进入“Configure”页面，进行进一步的配置。
在这个页面中，GPT名称、角色描述、引导使用语都能自行调整。更主要的是“关键指令（Instruction）”的设置，它在一定程度上决定了后续GPT助手的生成效果。
关键指令的描述包含角色目标、约束、指导原则、个性化等等，这些可以直接采用官方示例或是自行调整。
用户还可以上传外部数据库，让GPTs在对话时调用专业的知识库回答问题。
“X”社交平台用户Florian分享了成功和失败的GPTs之间有什么区别。
他提到，最关键的点是用户需要按步骤提出指令，以保持前后的一致性，并确认GPT拥有“角色”，比如“你是一个程序员/律师/占星师”等。
在尝试过程中，其实并没有用到复杂的指令，但指令的明确性和详细程度决定了AI助手的效果。
足够具体的提示词，越能得到好的结果。
这里的具体不仅仅是输入的需求、背景、参考示例，更是要求明确AI输出的内容也需要足够具体。
比如以何种语言风格、多少字数、叙事结构等等。明确且结构化地表达想法，可以提高模型的回答质量。
一旦明确了每次交互的需求，更重要的是不断尝试调整。Sam AItman也曾提到，不断尝试对话回合是编写优质Prompt的重要方法。
由于AI每次输出的结果有一定随机性，多尝试改进提示词便能获得高质量的结果。
国内科大讯飞和Datawhale推出AI Prompt工程师计划，引导用户掌握有效提示词，以非代码的形式实现人机对话。
新手小白在完成提示词课程学习后，进入星火助手中心创建特定场景下的人物角色，就能得到相应的AI Prompt工程师证书。
上周突然爆火的游戏《完蛋了!我被LLM包围了》，就是让玩家在解谜的过程中，学会大模型提示词技巧。
整个游戏，玩家只需设计不同的提示词，想方设法让模型输出指定答案，即可获得成功。
游戏里不断调整提示词的过程，就是在了解背后的提示词设计逻辑。
技术的更新让指令设计变得更加简单，极大降低了使用门槛，一些相关职业的壁垒正在消失。
提示词工程师变得岌岌可危?
GPTs大爆发之后，对提示词工程师究竟有什么影响?
根据相关从业者的分享经历来看，在大模型交互中，谁能提出好问题便能决定谁能用好AI。
提示词工程师刘海的主要工作是“如何设计问题以达到理想的结果”，在已有的提示词程序上编写各种场景的提示词，如小红书生成器，星座占卜，生成日报等等。
提示词优化前后
刘海提到，“Prompt工程虽然只是AIGC应用的其中一个环节，但提示词环环相扣，它考验的是如何将一个需求变得清晰完整”。提示词工程挑战的不仅是能否提出一个好问题，更是对所在行业的了解程度，对需求的拆解，并控制AI输出稳定理想的结果。
不过，提示词工程一直逃不开“短命”“临时产物”的论调。
6月，《哈佛商业评论》刊文认为，提示工程并不是未来，只是一个短暂的现象。随着AI模型的进步，它会变得多余。
刘海表示，Prompt应该是每一个人的语言技能，是表达整合能力，而不该期待它成为一个长久独立的岗位。
科技企业也在弥合专业人士和普通玩家之间的差距，降低提示工程的门槛。
10月，微软推出了自动优化提示词的新框架，不再需要人工进行优化，AI自己就可以训练自己，生成更好的提示词回复组合。
Jina.ai、Fusion ai等科技企业更是专注于开发相应软件，可以直接帮助用户生成更适合的提示词。在Instagram等平台有用户通过售卖提示词产品，进行商业变现。
凭借国内大模型蓬勃发展，百度、科大讯飞、腾讯等科技企业根据不同的使用场景和功能模块，设计了更符合具体使用环境和交互需求的AI工具，激发大模型的应用潜力。
随着大模型对自然语言的理解能力变强，原本需要多重表达的需求，现在只需要一句话就能表达清楚。
Sam Altman认为，在这样的情况下，未来的提示词工程只需要一个Magic Word（魔法词）就能实现更好的效果。
不过目前提示词工程仍然有其存在的价值，至少目前还没有发展到人人都能用自然语言和大模型随意沟通的程度。
首都师范大学信息工程学院副教授唐晓岚在接受采访时表示，除非未来技术能够将人脑内容直接输出，不然用户一定要把自己的想法表达出来，那么对Prompt的探索优化就会一直存在。
首都师范大学信息工程学院副教授唐晓岚在接受采访时表示，除非未来技术能够将人脑内容直接输出，不然用户一定要把自己的想法表达出来，那么对Prompt的探索优化就会一直存在。
面对GPTs带来的挑战，不止提示词工程师感到岌岌可危。“X”社交平台网友发文调侃，机器学习、AI、数据的前景明朗，多亏了OpenAI。
此前Sam Altman在YC校友分享会上提到，“套壳OpenAI，注定消亡”。杜克大学教授陈怡然甚至直言:“中小开发者可以歇歇了”。
OpenAI让整个AI生态陷入了疯狂的军备竞赛中，巨头之下，初创团队面对巨大的竞争压力，并不是所有人都能幸存。
有创业者认为“要么做OpenAI不做的东西，要么做OpenAI暂时还做不出来的东西”。
长远来看，那些找到差异化优势的、灵活的开发者会在竞争中存活下来，这些技术创新也会让更多人受益。
正如红杉资本合伙人Konstantine Buhler最近受访时所说的，生成式AI浪潮并不会是零和博弈，而是人人受益的“水涨船高”，任何人都可以用更少的成本做更多的事情。
人机通过Prompt交互的时代
创建GPTs之外，OpenAI还表示将上线GPT Store，允许用户发布专属机器人获得收入，但具体收益机制、订阅模式都未提及。
或许在将来，用户需要何种类型的GPT，只要购买训练的提示词，便能获得相应的GPTs。有GPTs创作者表示，只有带来真正的收入，GPTs才能够发展起来，提示词工程才有望专业化。
李彦宏在2023百度世界大会上预测，新的应用会在一次次的Prompt中生成。
曾有一名年仅16岁的用户花费600小时不断优化一个Prompt，甚至为这个Prompt设计了一个框架，帮助其他用户能够低门槛完成结构化的Prompt²。
无论是网上售卖的提示词，或是无偿分享的设计框架，都只是AI训练师们不断摸索交互中总结而来的经验。
FlowGPT创始人Jay曾在一档播客节目中提到，Prompt的变革和代码早期非常相似。GPT-4等模型的升级，意味着提示词工程师可以写出更容易成规模的指令。
也就是说，将来的AI系统可能不会因为用户少输入，或是多添加某个词，就输出截然不同的结果。
人工智能每天都在进行爆炸性的进展。比尔盖茨还曾说“640K内存已经足够用了”，而现在，他提出了AI将颠覆软件行业的论断。
AI带来的职业会不会被AI取代，目前还有一定争议。但可以肯定的是，在人机通过Prompt交互的时代，提问比答案更重要。
相关文章
头条焦点
精彩导读
关注我们
【查看完整讨论话题】 | 【用户登录】 | 【用户注册】