🤖 2024年人工智能的崛起：释放生成型人工智能的力量 🚀
现在比以往任何时候都更重要的是确保人工智能被问到正确的问题
一切你需要了解 关于 Prompt Engineering（AI快速制作）
2024年正在成为AI（人工智能）的一年，生成式AI引起了广泛关注。从ChatGPT的主导地位，到微软的AI驱动的Bing和Anthropic的Claude，世界正见证着人工智能的激增123。尽管如此，如果你对于融入AI有所犹豫，那么请放心，你并不孤单。皮尤研究中心最近的一项调查显示，52%的美国人对于AI成为他们日常生活的一部分更感到担忧而不是兴奋4。
作为这个领域的专家，我理解这种顾虑。最初，我也对尝试AI感到犹豫不决5。但是当我跃跃欲试时，我发现使用AI并不像看起来那么令人生畏6。关键在于学会提出正确的问题，就像我们在谷歌搜索中做的那样7。进入“prompt engineering（快速制作）”的艺术：设计详细而有重点的提示来发挥生成式AI模型的魔力8。
💡 Prompt Engineering的艺术：得到有意义的结果 💪
在谷歌的早期阶段，我们并不是一夜之间成为查询大师的，而进行prompt engineering也是如此9。当你踏上这个旅程时，我将引导你成为一个有竞争力的prompt engineer，无论你使用的是哪种AI模型。所以，让我们开始吧！
📍 第一章：泛泛的查询不会奏效 🙅♀️
在进行prompt engineering时，简短而广泛的提示不会带你找到你所需的具体结果10。例如，询问AI“如何流利地学习德语？”不会得到像“我是一个受过大学教育的成年人，对意大利语有中等流利程度。我如何在六个月内流利地学习德语？”这样更详细的提示那样有效11。
为了说明具体性的力量，让我们以训练马拉松为例，作为一个跑步者，这是我个人感兴趣的主题。我测试了不同的提示风格，并评估它们对两个AI模型（ChatGPT和Claude）的影响12。虽然从“帮助我训练一个半程马拉松”这样的基本提示可能提供一些一般性建议，但它无法提供一个具体的训练计划13。
❗ 专业提示：缩小提示范围以获得更好的结果 🏃♀️
为了完善你的提示，要善于详述。提供额外的上下文信息，让生成式AI模型理解你的具体需求14。例如，试试这样的提示：“我是一个初学者跑步者，想在六个月内完成一场马拉松。我该如何准备？”不幸的是，无论是ChatGPT还是Claude都给出了一般性的建议，但没有提供一个全面的训练计划16。
