AI工具的提示詞寫作極具挑戰，需精準描述關鍵細節，以簡練語言驅動AI。由專業提示詞工程師開發的AI工具，會比讓每個人學習寫提示詞更有效率，而這也是實現AI賦能大眾的可行路徑，因此企業主應該要慎重考慮雇用提示詞工程師，以避免在AI浪潮中落於人後。

圖片來源 : shutterstock、達志影像

描述自己就已經很困難

在真正談AI提示詞寫作的難度前，不妨先想想用文字描述一件自己再熟悉不過的事物有多難。大部分人肯定都有寫過自傳，即使是身為公司老闆，撰寫商業計畫書時也難免遇到這類挑戰。這些都是在試著用語言文字去描述自己最熟悉的人和事，但恐怕沒有人會認為這是容易做的事情。

描述技術的挑戰

用語言文字描述一項技術，即使對技術專家而言都不是一件容易的事。以擁有世界頂尖人才的台積電為例，他們在投入數億元研發出重大成果時，為求最佳的專利保護，還得冒著技術外洩的風險，花費高額酬勞，特別聘請美國專利代理人訪談發明人，以協助撰寫專利說明書。可見即使是最熟悉技術細節的發明者，要用文字清楚表達也絕非易事。

AI對文字理解方式的特殊性

(1) 人類vs. AI的理解差異
許多人在與大型語言模型互動時，常常誤以為AI和人一樣擁有高度理解能力。但實際上，AI對文字的理解方式和人類大不相同。對AI而言，前後文的關聯性是其理解的基礎。一個字的差異，都可能讓AI的理解產生天壤之別。

(2) AI提示詞工程師的重要性
正因如此，LLM廠商非常重視AI提示詞工程師的招募，願意開出優厚的薪酬條件。因為LLM系統的性能，歸根結底取決於其對人類語言的理解能力。提示詞工程師的任務，就是設法提升LLM系統的語言理解，盡可能貼近人類的「腦補」能力，但又不能過度發散，曲解使用者的原意。這是一個需要精細拿捏的過程。

提示詞詳細與精簡的平衡

(1) 冗長描述的陷阱
LLM主要依靠關聯性來理解提示詞。如果提示中包含過多資訊，反而更容易引入誤導性的詞句，導致LLM產生偏差。然而，目前連LLM廠商也難以界定，什麼樣的描述會引起偏差。冗長的描述顯然不可取，但過於簡練的提示詞又難以驅動LLM執行複雜任務。

(2) 精煉描述的挑戰
筆者在開發AI繪圖輔助工具的過程中，發現市面上同類工具大多功能單一，而且還是需要使用者輸入大量文字，這對不擅長文字表達的用戶很不友好。對此，筆者開發的工具著重「揣摩」用戶心中所想，再讓其從選項中選擇，而不是要求使用者按照要求再輸入更多資訊。但要在1000個英文單詞的篇幅內 (相當於1.6K Token)，對LLM做出清晰完整的指令，還要設法避免冗餘的「廢話」[1]，可謂難上加難。每一個字都必須經過反覆斟酌，力求用最精煉的語言去啟動AI已有的知識。

結論：專業的事情還是交給專業的人來做

(1) 提示詞之別於日常語言
提示詞之所以特別冠以「提示」二字，就是要強調其與日常溝通語言的區別。提示詞的作用是去「喚醒」LLM系統中已有的知識。因此用盡量簡練的文字，去觸發強大的AI能力，是提示詞寫作的核心要義。但正如前文所述，對絕大多數人而言，這並非易事。

(2) 提示詞工程在AI賦能中的角色
與其讓所有人都投入鉅額時間成本去學習提示詞寫作，倒不如找專業的人來負責寫提示詞，頂多再找能讀懂並修改專業提示詞的人，藉此開發大量實用的AI工具，造福廣大非技術用戶。筆者認為這是一條更切實可行的AI賦能路徑，作為這一領域的實踐者，筆者衷心期待未來有更多优秀的AI應用產品問世，讓AI技術真正服務大眾、造福社會

備註：

【本文僅反映專家作者意見，不代表本報立場。】

Facebook 在北美智權報粉絲團上追踪我們