在上一篇prompt變現案例分享後收到了100+好友請求，群友們提了很多問題，有關于學習的、也有關于副業的、也有關于職業化的，我花了一些時間把自己的一些體會、經驗和思考，彙總成這篇文章，希望對有共性問題的朋友們有所幫助。
（聲明：全文僅代表個人觀點，大部分來源是本人的觀察和體會，不具備權威性。僅供參考，如有謬誤，求拍磚求斧正）
這篇文章全文約8300字，包含這幾部分内容：
- 第一部分：分享我的第三個客制化prompt案例
- 第二部分：提示詞（prompt）的含義
- 第三部分：提示詞（prompt）的幾個相關概念
- 第四部分：提示詞（prompt）的意義
- 第五部分：提示詞（prompt）學習路徑
- 第六部分：提示詞工程師（Prompt Engineer）作為職業
- 第七部分：提示詞工程師（Prompt Engineer）作為副業
- 第八部分：提示詞工程（Prompt Engineering）作為創業項目
第一部分：分享我的第三個客制化prompt案例
prompt價值：
客戶需求：
一位高校老師（法學院），組建了一個AI學習社團，想給社團成員開發一個用于學習總結的智能機器人應用，鼓勵大家通過AI整合和學習知識，激活社團成員對AI工具的了解和學習熱情，經過咨詢和需求分析，我接受了這個訂單。
他們對prompt的生成需求比較複雜，需要根據連續長對話上下文來完成一個知識梳理總結的标準化輸出，通過導出的形式一鍵生成思維導圖（完成某個專題的知識圖譜）。
因為客戶不願公開太多個人隐私資訊，這裡不做客戶資訊的展示和對話，僅對這個客制化prompt的編寫過程做一個分享（這部分已取得客戶的授權）
編寫思路：
調試過程：
dify:
playground:
部分測試效果：
prompt疊代
最終版：（由于和客戶約定了獨家使用是以不便放出完整prompt）
經過6個大版本，14個小版本的疊代，終于完成了這個長達73行指令的prompt傳遞，能同時給在校學生和prompt學習社團提供一個有幫助的工具真是感到非常非常欣慰。
下面是使用者通過這款prompt生成的一些成果：
知識圖譜産出的markdown導出：
将生成的Markdown文本導入思維導圖，生成個人知識圖譜存檔
第二部分：提示詞（prompt）的含義
prompt，翻譯成中文是“提示”，但在NLP領域裡，它更像是一個“意會”的概念，而不是一個有權威解釋的專有名詞。
簡單來說，prompt就是使用者給大語言模型的輸入，這種輸入可以是一個完整的問題，一段對話，或者甚至隻是一個詞語或句子。大語言模型會根據這個提示詞來生成相應的回答或輸出。你可以将其視為與模型的"對話開端"，你設定了對話的情境和需求，模型在這個基礎上為你生成回答。
如果你願意了解的更深一點，我們可以多延展一個問題，我們已經了解prompt本身的概念，但為什麼：我們在使用chatGPT等應用的時候使用prompt得到的回答會有非常顯著的品質提升？
我們有必要了解一點點Transformer模型（如GPT）的工作原理，這類模型訓練的目标是，給定一個詞序列（或者說上下文），預測下一個詞應該是什麼。
它通過學習大量的文本資料，了解語義和文法規則，并用這些規則來預測下一個詞。提示詞在這個過程中就像是上下文，為模型提供了生成輸出的依據。你可以将其視為在無數可能的輸出中為模型指明方向。而優質的Prompt就像是給模型的明确指令，它能引導模型更好地了解使用者的需求并生成更準确的回答。與其說它是一種指令，不如說它是一種對模型生成結果的“引導”。
第三部分：提示詞（prompt）幾個相關概念
提示詞（Prompt）:
如上所述，就是使用者給大語言模型的輸入，用來引導模型生成期望的輸出。
提示詞工程（Prompt Engineering）:
通過優化和調整Prompt來改善模型的輸出的技術。這包括但不限于：設計更有效的提示詞，使用不同的語言和文化背景來優化提示詞，以及結合具體任務要求和模型特性調整提示詞等方式。成功的提示詞工程需要對大語言模型的工作原理有深入的了解，并能有效地利用這些了解來建立、評估和改進提示詞。
提示詞工程師（Prompt Engineer）:
提示詞工程師是一種專業角色，負責設計、優化和實施大語言模型的Prompt。他們需要深入了解大語言模型的工作機制，掌握如何根據特定的需求建構有效的Prompt，并能不斷地優化和調整Prompt以提高模型的輸出品質。他們的工作不僅僅是編寫Prompt，還需要測試、分析模型的回報，進而進行必要的調整。
提示詞架構: （prompt framework）
一些提示詞工程師提出的提示詞架構，可以了解為一種高度概括的提示詞編寫方法論，它們提供了一種結構化的方式來構造和優化Prompt，可以稱之為元結構。
例如：
CRISPE架構包括：上下文（Context）、角色（Role）、說明（Instruction）、主題（Subject）、預設（Preset）和"例外（Exception）這六個部分
BROKE架構包括：闡述背景B(Background)、定義角色R(Role)、定義目标0(Objectives)、定義關鍵結果K(Key Result)、試驗并改進E(Evolve）這五個部分
ICIP架構包括：Instruction (必須): 指令、Context (選填): 背景資訊、Input Data (選填): 輸入資料、Output Indicator (選填): 輸出訓示器這四個部分
定制化提示詞編寫服務（Custom Prompt Writing Service）:
為了滿足特定的需求，一些專業的服務提供了定制化的Prompt編寫服務。這些服務一般由經驗豐富的提示詞工程師提供，他們根據客戶的特定需求來優化和定制Prompt。
第四部分：提示詞（prompt）的意義
對個人而言，如何針對個人的具體需求，通過大模型應用快速擷取到高品質的輸出内容，會明顯的提高你使用所有AI工具的效能。而“客制化提示詞服務”可能正在成為一個高回報的副業品類。
對企業而言，如何針對業務訴求，快速低成本實作 prompt 提示詞的标準化生産，将提示詞BOT化、流程化的設計，正受到越來越高度的重視。
一些網際網路大廠和獨角獸公司，也在招募 prompt 設計領域的專家。
第五部分：提示詞（prompt）學習路徑
小七姐把自己的經驗和最近大概和50+學員的互動問答做了系統整理，完全以個人視角提出如下學習路徑規劃建議，僅供參考：
1、提示詞通識學習（初級）
學習提示詞基礎概念，熟練使用各類國内外大模型對話。
熟讀openAI官方文檔中的提示詞技巧部分：https://platform.openai.com/docs/guides/gpt-best-practices
熟練使用
https://www.aishort.top
https://snackprompt.com
等網站，找到自己需要的prompt進行引用和問答并能找出模闆prompt不能滿足需求的點，進行一定的優化
至少掌握一兩個經典提示詞架構并能根據架構原則編寫自己所需要的prompt
2、提示詞進階修煉（中級）
熟讀https://learnprompting.org/docs/intro 對其中的大部分概念做到熟悉、能在需要的時候調用相關的編寫技巧
關注github上的各類高贊prompt相關教程、論文和專題，做到随時掌握新的編寫架構和方法，并能引入自己的需求場景。例如：
https://github.com/mattnigh/ChatGPT3-Free-Prompt-List
https://github.com/prompt-engineering/prompt-patterns
https://github.com/f/awesome-chatgpt-prompts
了解一定的低代碼或僞代碼（自然語言程式設計）prompt編寫方法，在複雜場景中能做到連續邏輯的設計和錨定、回溯、整合輸出（僞資料庫）等。
能深刻了解：提示詞編寫的元能力是系統思維，換位思考能力（共情能力），建立架構的習慣以及寫作能力。并且能在編寫提示詞的過程中找到自己的卡點，回溯性建構提高自己元能力的方法（例如重新梳理自己的邏輯思維能力和書面表達能力）
如果你做到上述兩部分自學，那麼恭喜你，你已經可以勝任大部分個人場景下的prompt編寫，甚至也可以幫助别人做一些簡單的prompt編制了。
3、提示詞産品/商業化（進階）
在1+2之後，你需要：
1）了解prompt tuning方法和架構
2）熟悉小模型的部署和搭建，對資料集訓練有自己的方法論和工具
3）熟悉對抗性提示相關知識
4）能通過prompt leaking測試競品和自己的prompt防禦能力
5）緊跟prompt attack相關前沿知識并随時修補自己的prompt産品城牆
6）了解prompt魯棒性相關知識，有高頻測試prompt的方法和工具，
6）熟悉客戶服務模式，能用良好的溝通方法把握使用者的需求和對實作效果的預期
7）把prompt編寫能力擴充成産品和服務能力，包括但不限于産品包裝、支付通道、合規性、知識産權約定、合同法、營運模式、推廣思路、客戶維護、售前咨詢、售後服務等
在這裡小七姐額外多提一句，在我上一篇客制化prompt分享的案例中，因為是非常信任的朋友作為中間人，加上客戶的需求非常緊急，是以采用的是一種約定俗成的類似“代寫通稿”的服務模式，并不能算是一個成熟的“商單”，請大家不要把客制化prompt了解的過于簡單而忽略了很多可能會踩坑的問題。（例如和真正不熟悉的客戶，如何約定傳遞标準，如何約定傳遞後對prompt的使用權和所有權，如何收取合理的費用，支付通道采用什麼方式，如果産生糾紛如何處理，售後服務怎麼約定，是否需要簽訂合同等等）
第六部分：提示詞工程師作為職業
我在前文提到，目前對提示詞工程師的普遍了解是：通過優化和調整Prompt來改善模型的輸出的技術。這包括但不限于：設計更有效的提示詞，使用不同的語言和文化背景來優化提示詞，以及結合具體任務要求和模型特性調整提示詞等方式。成功的提示詞工程需要對大語言模型的工作原理有深入的了解，并能有效地利用這些了解來建立、評估和改進提示詞。
但我們應該明白，這是一個全新的職業，目前尚未成熟到可以明确通用崗位職責和職業資格認定标準。我們可以參考上一個相對較新的職業“産品經理”，目前産品經理唯一的權威認證是國際資格認證，也就是New Product Development Professional(NPDP)，由美國産品開發與管理協會（PDMA）所發起，是國際公認的唯一的新産品開發專業認證，但我們也看到，這個證考與不考，也并不是特别影響素質過硬，自學成才的産品經理在國内大部分企業的就業，有固然好，但不太會用這個來卡入職資格，隻能算是加分項。
是以我們有理由推測，提示詞工程師這一新興職業可能在相當長的一段時間裡，還是一個百花齊放、自學成才，企業各取所需的狀态。在這個職場環境下，“知識平權”可能的确不是一句空話，除了重度直接參與AI相關專業開發的行業需要較高的人工智能專業要求，在其他衍生領域，提示詞工程師對于所有人的門檻的高度是一樣的。
有興趣的同學可以自行在各大招聘平台搜尋“提示詞工程、prompt工程”等關鍵詞，看看是不是像小七姐說的“百花齊放，各取所需”，不過無一例外，薪資待遇相對來說都是比較高的，隻是請各位做好入職之後自己給自己編寫OKR的準備（因為大部分企業内部還沒形成對相關崗位的目标管理和考核方案）。
在這裡我們随便找一個例子來大概看看崗位要求：
這樣看起來産品經理轉崗提示詞工程師的學習曲線的确要平滑一些，僅供參考。如果你準備以提示詞工程師為職業方向，可能需要考慮要以某個專業崗位為起點，例如産品經理+提示詞工程師、開發工程師+提示詞工程師等等。
第七部分：提示詞工程師作為副業
提示詞工程師做副業的思路，目前小七姐看到的有下列幾項：
1、客制化提示詞服務
顧名思義，按客戶的需求為他們定制化編寫提示詞。後面小七姐會根據我目前prompt定制咨詢超過20單，已傳遞7單的經驗，專門寫一篇關于客制化服務的心得（我又挖坑了，會填的！）。
在這裡簡單歸納一下我遇到的一些需求場景：
A：一次性傳遞，這種通常需求非常清晰，任務明确且緊急
B：陪伴式完成一個較長期的複雜任務，在整個過程中約定一定數量的提示詞傳遞
C：套娃式傳遞，客戶是丙方，要為乙方提供内容，而我們要為丙方客戶提供生成内容的prompt，這樣随着乙方的需求變更我們的prompt也要一直疊代，這種需要簽訂合同，否則成本很難控制。
分享一下我目前在使用的需求調研SOP:
1. 确定主要使用者
問：誰将高頻使用這些prompt？
目标：了解主要的使用者群體，了解他們的具體需求，這樣才能更好地編寫适合他們的提示詞。
2. 确定提示詞内容的主要接受者
問：prompt生成的内容主要給哪些使用者看？他們有什麼特征？
目标：了解提示詞的終端使用者，包括他們的特性、需求和期望。這将幫助我們建立最适合他們的内容。
3. 檢視早期樣例
問：在編寫這個prompt之前，人工産出的内容有哪些樣例？
目标：了解客戶的既有樣式和格式，以及他們期望看到的提示詞的一般類型和範圍。這将為我們的工作提供重要的背景資訊。
4. 确定期望
問：對prompt的期望更多是提升效率還是提升品質？
目标：了解客戶的主要需求，是要更快速地生産出内容，還是要産生更高品質的内容。這将幫助我們确定應優先關注的關鍵區域。
5. 與高效員工交流
問：目前人工實作這個目标完成最好的員工是哪一位？他/她是否可以接受需求訪談？
目标：确定那些已經在該領域取得成功的人，并嘗試與他們溝通，以擷取他們的建議和經驗。他們的輸入将有助于我們更好地了解如何滿足客戶的需求。
每一步的目标是為了更好地了解客戶的需求，使我們能夠更有效地為他們建立定制化的提示詞。在收集所有必要資訊後，我們可以開始制定定制的提示詞，以滿足客戶的具體需求和期望。
2、提示詞付費平台作者收益
在一些付費使用提示詞的站點，可以以創作者身份上傳prompt，這個prompt被引用後會産生收益，平台抽取一定的服務傭金，prompt創作者會享有大部分收益。
這種模式在國外已經比較成熟了，收益也比較可觀，但在國内，雖然看到5、6家類似網站，但使用者規模還沒起來，加上國内對付費使用工具的氛圍不是很友好，我對這種模式的發展有一定疑慮，但不排除有一些大廠會收購優秀的prompt直接作為預設的PGC内容放到自己的大模型平台，搶占使用者，也是一個可以關注的方向。
3、B端客戶的定制化提示詞叢集長期服務
比如聯考志願填報機構，一年一次，一次忙40天，每年的政策不同，學校情況不同，要細化的内容會有一些調整，但總體方法論變化不算太大，但由于同行太卷，每年都有優秀同行能提出一些新的服務理念和模式（什麼聯考場外第一個迎接考生，在最好的西餐廳紅酒牛排成人禮+第一次和考生做報考咨詢等等）會對整個提示詞群的服務模式提出更多要求，對自助問答機器人的Q/A庫疊代要求也會比較高，是以對類似prompt定制的要求需要陪伴客戶完成整個服務周期。
4、提示詞工程教育訓練/教學/知識付費
有B端企業需要對某一類職業群體進行prompt編寫提升教育訓練，比如産品經理、項目經理、招投标專員、法務人員、HR等等。
也有C端使用者需要提升個人能力和價值，需要系統性的學習prompt編寫知識。
5、提示詞批量優化服務
企業根據自身業務和方法論已經編寫了一些比較常用的prompt（數量較多）或者已經封裝了一些自動化問答機器人在企業chat平台，，但可能會有個性化不夠、未經大量測試穩定性和準确性不高、複雜任務分解程度不夠等等問題，需要批量進行定制優化，由此也會産生一些流程化的需求，例如prompt封裝等等。
第八部分：提示詞工程師作為創業思路
在小七姐之前的另一篇文章裡，分享過一款産品叫做pmai，這裡再次引述一下我對類似行業應用prompt産品化的感受：
這款工具的邏輯并不複雜：
- 用幾個定義好的輸入框，标準化輸入文檔描述。
- 用提示詞定義PRD生成的要求；
- 标準化PRD輸出的格式；
- 将标準化格式的PRD中的文本轉化為可視化圖表，根據不同圖表要求進行轉譯、輸出
在chatGPT大範圍應用之前，如果我們有了一個需求洞察并想把它變成産品，我們需要：寫出明确的産品邏輯，然後請程式員編寫運算規則和輸出方法，再配上前端和UI。從想法到實作的路徑長到勸退80%的“産品創意”。
而現在，即使我們不會編寫程式，隻要：
1、深刻了解某一類人群或行業的痛點
2、能找出他們高頻的使用場景
3、用prompt把這些使用場景提煉成有效的方法論
4、通過組合和封裝，做成易用性更強，互動性更好的産品
在AI的輔助下，産品化的門檻真的降低太多了。
現在重要的不是哪個專業了，而是這種思維方式。
一個優質的prompt到一款産品的距離，大概就是你的“産品化思維”和“産品營運能力”，是以，如果很會寫prompt，同時你認為你對某個行業的方法論非常熟悉或者有一個非常有商業價值的需求洞察，我想你應該用這種思路去連結資源和人，試試能不能做出一個自己的小産品。
這裡有幾個小七姐比較喜歡的類prompt産品化案例：
1：産品經理助手
2：增長黑客
3：塔羅占蔔
這裡是國内外一些垂直領域的AI或prompt泛化項目：
國外：
1、https://finchat.io 金融領域的ChatGPT,非常友善看上市公司的财務分析。
2、https://storyai.cc/ 故事創作
3、https://novelai.net/ 小說創作
4、https://www.flowful.app/player 音樂生成（連播）
5、https://logoscapes.ai/ 創意營銷（LOGO演繹）
6、https://rationale.jinaai.cn/ 決策分析
7、https://prompthero.com/ prompt搜尋引擎
8、https://lexica.art/ prompt搜尋引擎
9、https://www.bookai.chat/ 書籍閱讀（可以喂書問問題）
10、https://watchnowai.com/ 電影推薦
11、https://www.darrow.ai/ AI訴訟助手
12、https://www.glean.ai/ AI應付款
13、https://finalle.ai/ 金融分析
14、https://www.geniussheets.com/ AI生成财務模型
國内：（除我們熟知的繪畫、音視訊、PPT等垂類之外）
https://www.shenht.com AI合同
https://aijar.yyjjtech.com AI法務
https://briefgpt.xyz/ 論文摘要
https://www.pm-ai.cn/ 産品文檔撰寫
寫在最後：如何評價一個prompt編寫者的能力的個人标準
1.能不能對一個大任務和大需求做很好的工作拆解，把它們變成大語言模型可以解決好的小問題。
2.能不能領悟大語言模型以下幾點：
對哪些提示詞的表現更穩定，更優秀；
對哪些類型的任務表現更優秀，哪些任務他不擅長，
能不能把大語言模型不擅長的任務轉化為它擅長的任務
3.能不能用好大語言模型的一些更細的文字/技術調參手段，讓結果更符合預期。
4.能不能通過大量測試做到對傳遞的prompt各項名額心中有數，以符合使用者期待80%為及格線做出負責任的傳遞。