浅谈提示词发展现状，Prompt 自动优化是未来。

#封面手绘于本科期间，当年在知乎上写的第一篇关于 AI 的文章就用的这个封面，聊表纪念。

这次我们来聊聊 Prompt. 本来想取一个类似“提示词不存在了…”，或是“再见，Prompt 课程…”的标题，但最近很多大佬的谬赞让我感到诚惶诚恐，后来想想还是算了。

从 2022 年 11 月起，刚刚入门 NLP 的我开始研究大模型，期间也学习过一些论文，以及一些提示词书写框架。

以下是我这一年半以来，混迹大模型上中下游，沉淀出的一些思考。

我整理了一个流程图，概括了这一年多我看到的 Prompt 的一些发展。

图 1-1 Prompt 发展脉络图

在最早期，少数爱好者经过不断的尝试，根据经验，加之一些前沿论文的探究学习，总结了许多能让大模型输出更好效果的提示词技巧和框架，爱好者不断增加+教程不断完善，渐渐诞生了许多 KOL 以及提示词社区。

再后来，大概 2023 年 6 月左右，以文心一言和科大讯飞为代表，各家大模型产品开始内嵌了许多“助手”，即基于 Prompt 创建完成的 Bots.平台还加上了一些 UGC 的玩法，靠大赛/教学等激励方式，涌现了许多丰富的 Bot，本质上是将 Prompt 社区做到了自家产品里。

作为一个 toC 产品，给用户不断提供新颖的 Bot 的策略是对的，但当时一些厂商过于追求数量（可能是为了发布会装逼），体验过后会发现绝大部分 Bot 没有任何意义，提效类的经常出错，娱乐类的经常出戏。

随着模型能力的不断迭代以及 Agent 的不断迭代，后来 OpenAI 发布了 GPTs，各家也一个接一个地推出了“商店”或是“广场”，比如最近 Kimi 推出了 kimi+. 发展到现在，Bot 的创建也不只局限于 Prompt，还衍生了外挂知识库、调用 API，工作流创建等等玩法，而曾经的那个 Bot 或是助手，也被很多家换了个新名字——智能体。

与此同时，许多厂商也推出了，使用“@”或是“/”，即可在对话框中快捷唤起提示词模板，或是 Bot.

图 1-2 文心一言对话框（获取 Prompt）

图 1-3 Kimi 对话框（获取 Bot）

在一些平台上，用户也可以收藏 Prompt 作为常用语。

图 1-4 Kimi 对话框（设置常用语）

这是一个入口级的提升，用户无需查阅多次打开三方提示词网站，或是个人笔记，在大模型平台上就能一站式完成。但是这只解决了收藏和使用的问题，没有解决创作的问题。

于是业界逐渐往提示词自动优化方向发展，什么是提示词自动优化？即用户属于简单的自然语言后，AI 会自动优化这段 Prompt.

一种是用户看不到的，即大模型自身根据用户输入后，黑盒式做了一些分析，用户无感知。还有一种是用户能看到的，可以二次调整的，比如扣子和 Claude.

图 1-5 扣子 Bot 创建页面

实现提示词的自动优化，最简单粗暴的方式就是用 Prompt 来优化 Prompt，专家通过设计一套固定且适合自身大模型的提示词，用户上传的 Prompt 会被润色且结构化。

此外还有一些更复杂的提示词自动优化的方法，比如 APE（Automatic Prompt Enginnering）、OPRO（Optimization by Prompting）、AutoPrompt 等等。

图 1-6 Prompt 方法大全

而具体实现的一些算法原理，可以去查看上图中方法对应的论文。

图 1-7 《大语言模型》一书第十章

我认为，长期来看，研究提示词的群体只限于相关学者，以及一小撮热爱者。

普通人深究提示词框架和书写技巧意义不大，且未来靠教学 Prompt 变现不是一门好生意。

原因有三：

第一，提示词技巧的可迁移性较差，相同的提示词在不同的模型上表现能力不同，甚至在同一模型的不同更新版本上表现能力也不同。比如现在很多主流的技巧，都是基于 GPT4 的，但很多方法迁移到国产大模型当中，得到的效果非常一般。如果模型能力不行，提示词写的天花乱坠又有什么用？以及，如果 GPT5 来了，模型足够智能，现在这些技巧还有多少用武之地？

第二，让所有用户都来学习如何写出高质量的提示词，并不现实。从用户体验的角度来看，各家大模型一定是往“即使是最简单的自然语言，也能让用户得到满意的回答”的方向发展。在模型的智能化程度还未达到下一个高点之前，像扣子等平台的提示词自动优化就是一个很好的当下最优解。

第三，模型朝着 AGI 发展，未来语音交互会成为主流。语音交互的场景更加丰富，效率也更高，用户总不可能念出来上百字的提示词内容吧？未来模型对话一定是开袋即食的。

基于以上观点，我认为提示词社区的发展空间也不大。

随着各家模型和平台不断迭代，入口已经被其垄断了，用户创建、学习、分享等行为，会在该平台实现闭环，没有再上三方网站的必要。拿去年名噪一时的 FlowGPT 举例，现在也已经全面 Character.ai 化了，充斥着各种 AI 虚拟陪伴的 Bots.

图 2-1 FlowGPT 官网截图

而最近，也没怎么听过身边的朋友谈论 PromptPort（另一个之前比较火的提示词社区）了。

还记得 JinaAI 很早就做了一个名为 PromptPerfect 的项目，即自动优化用户上传的提示词，我认为这个产品夹杂在用户和模型之间，生存空间也很受限。toC 目前用户的选择非常多样，又有多少人愿意付费优化自己的 Prompt？toB 的话，以目前大模型这个内卷程度，大模型公司自己估计就端到端完成了。

图 2-2 PromptPerfect 测试截图

在这一年半里，我见证了许多朋友，凭借对 Prompt 的研究，有拿到了融资的，有拿到了黑客松冠军的，也有知识变现近百万的，也有从一般程序员成长为 AI 圈 KOL 的，有成为高校讲师的，有成功出版第一本书的…

尽管有的 Prompt 的项目烂尾了，尽管有的教程内容也有些过时了，但这些勇于尝试的人，在这样一个时期，在这样一个风口上，终究是拿到了一些结果。

那么下一个风口是什么呢？

或许是 Agent 吧。

​

如何学习AI大模型？

作为一名热心肠的互联网老兵，我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

一、全套AGI大模型学习路线

AI大模型时代的学习之旅：从基础到前沿，掌握人工智能的核心技能！

二、640套AI大模型报告合集

这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。

三、AI大模型经典PDF籍

随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。

四、AI大模型商业化落地方案

作为普通人，入局大模型时代需要持续学习和实践，不断提高自己的技能和认知水平，同时也需要有责任感和伦理意识，为人工智能的健康发展贡献力量。