我其实很不建议有人把提示工程师当成一个职业来做。什么是提示工程师，其实就是用prompt跟LLM交互的人，说白了就是计算机交互师，因为大语言模型LLM是一个被动输出的模型，所以你想要得到满意答案的话，你得跟它对话。而对话的质量决定了输出内容的质量。总的来说，同样的问题，不同水平的人写出来的prompt确实是方差极大。但是，这个职业并不适合作为单独的职业规划。因为最好的提示工程师一定是交叉学科背景的。也就是一个本身就是数据科学从业者，再加上一些prompt工程技巧，ta就会成为数据科学方面的专业的prompt工程师。而不是你去学了prompt工程就可以找到一份工作，因为prompt需要的是对于domain knowledge，也就是特定领域知识有所了解才能做的好。所以我非常不建议单独学这个，而最好的学习方式是，你自己在某个领域从事学习，科研或者工作状态，然后你通过prompt工程来优化自己的工作或者改进自己工作的流程。再说了，你知道ChatGPT有一个叫PerfectPrompt（完美prompt）的插件，它可以将你的prompt自动优化。使用方法也很简单：perfect + 你的prompt它就会自动调用这个插件然后会给你自动优化所以，我觉得你专门学这个很不明智。但是如果你有别的领域知识，再加上prompt工程那就不一样了。学习这个的资料很多。我这里做了一份prompt工程笔记，你可以直接拿来看。平凡：ChatGPT 插件Plugin集合为什么ChatGPT的文字可以一眼看出来？Prompt很难学吗？建议不要以这个职业为努力的目标。方向不对。看题目描述，题主有点焦虑了。先不说学习路线，就提示工程师这个「职业」，是否就能让你抓住AI的这波热度。提示工程师，说得难听点，就是能打字就能干的活。有人会不服，提示工程师还是要熟悉LLM的习性，而且需要还是要沟通技巧等软技能。确实，这些都是需要掌握的。但是你要想，你花一两个月能学会的，别人不也一样？这都是没啥门槛的事情。更何况，提示工程这个事，未来的趋势将会是自动化。其实现在就已经有自动优化提示（prompt）的工具了。除了 @平凡 回答里提到的插件，我这里再举一个例子例如：我想让ChatGPT给我写一个桔猫写代码的故事（没错，就是我头像那个桔猫）。我只要输入write a story about a orange-color cat writing code优化工具就会帮我生成适合ChatGPT详细的prompt。大家可以去这里试试自己的prompt。当然，有人会说，当生成结果不符合预期时，人类可以利用自己的判断来调整prompt，人类的沟通能力是最重要的优势。然而，在算力和穷举面前，人类那点优势可以说是多余的。综上，想抓住AI的热度，当提示工程师是徒劳的。事实上，无论是什么职业，只会单一技能都是危险的。在我之前的回答里，我多次提到要做一个懂业务的算法工程师，这样你的技术优势才能触达上下游，即使其中一个环节被AI取代，你也能继续在这个行业里立足下去。综上，并不是说提示工程完全不需要学，只是没必要把这个事当做职业目标。}

2022-01-27 11:07
来源:
得助智能
Siri会跟你聊天，汽车实现无人驾驶，机器人能问诊看病，人工智能和大数据让身边的一切都变得“聪明”起来。而真正让机器人与人类沟通对话的“幕后英雄”是知识图谱。
知识图谱构建平台将为金融行业企业的营销、客服、风控等部门提供更加智能、精准的搜索、问答等服务，助力提升拓客效率、工作效率和客户满意度，降低企业人力服务成本，推动企业数字化、智能化能力建设。
知识图谱，人工智能的基石
知识图谱被称为人工智能的基石，它的前身是语义网，由谷歌在2012年率先提出，用于改善自身的搜索业务。知识图谱是结构化的语义知识库，是一个巨大的知识网络，为海量、异构、动态的大数据表达、组织、管理以及利用提供了更为有效的方式，使得网络的智能化水平更高，更接近于人类的认识思维。
我们每天都在使用它，当你打开搜索引擎，输入关键词，就会检索出成千上万条相关信息，知识图谱技术可以去粗取精，让搜索结果更具相关性、更加精准。如果将人工智能比作一个人的话，那么图像识别可以看作人类的眼睛，语音识别与合成看作人的耳朵和嘴巴，知识图谱就等同于人脑中储存知识的部分，可见其重要性。
知识图谱构建平台，助力企业释放数据潜能
如今，越来越多的行业或者企业积累了规模可观的大数据，但是这些数据并未发挥应有的价值。究其原因，主要在于缺乏诸如知识图谱这样的技术支持，因此人工智能无法准确理解数据，制约了大数据的精准分析和价值变现。
基于此，知识图谱构建平台，通过数据组织、模型计算、知识服务对企业的结构化数据、半结构化数据、非结构化数据以图谱形式进行沉淀，整合各渠道知识资产，搭建企业级知识库，助力企业快速完成知识图谱的一站式构建，为知识资产的优化提供源头解决方案。
该平台可以结合客户业务领域中的行业Know-How，以探索式的交互及可视化方式，从中发现数据规律，启发式地创造价值新洞察，辅助企业进行业务决策。
以某企业客服系统测试为例，当用户希望得到某个问题的答案时，机器人回复信息来源相关知识库，以固定话术回答客户。不仅节省人力成本，而且加强工作效率，通过知识结构化关联，搜索答案更全面，外呼客户日均进线量可从665通提升至725通。
在这个过程中，知识图谱平台辅助人工，提升了客服效率，解决现系统知识分散，搜索耗时且易遗漏等缺陷，提升回复速度和服务专业度。返回搜狐，查看更多
责任编辑：}

要理解在线教育，首先要理解教育是什么。因为在线教育首先是教育，其次才是在线。美国教育心理学家 Benjamin Bloom 把认知领域的教育目标分为 6 个层次：基本知识 (Knowledge)、理解 (Comprehension)、应用 (Application)、分析 (Analysis)、综合 (Synthesis)、评价 (Evaluation)。传统教学中是依赖于课堂上的老师。这个带来老师的水平决定了学生教育。这很大程度上是靠运气，你运气好遇到了一个合适的老师。而在线教育不是简单地把课堂复制到网上，是想如何对教学模式做结构性的改变，从本质上提高教学效果。进入到互联网时代，互联网对教育的影响有体现在优质教育资源的整合和学习数据的分析。通过对学生学习情况的精确的、个性化的了解，发现学生在 知识 和 理解 方面掌握不够的地方，为下一步的教学提供依据。翻转式课堂教学模式这个新教学模式的一个典型的流程是：线上学习、线上练习、学习系统分析学习数据。上图就是Coursera创始人Andrew Ng通过手写板教授线上课程。在美国，大部分的在线教育企业或机构，都是技术或者内容提供商，如 Khan Academy、Udacity，Coursera，Codecademy，Codeschool，edX, 其中Linda课程主要来自于行业专家和经验丰富的老师，用户每月付费25美元订阅自己的课程。Khan Academy 主攻K-12领域的MOOC， Coursera 寻求与传统大学的合作承认他们的学分。Udacity是更多推出了职业课程。更全面的可以参考下图。Coursera，edX都是作为MOOC的先锋，他们都在尝试着改变和颠覆传统教育，翻转课堂。在2012年认为“MOOC之年”。当时一些激进分子认为基本MOOC将完全取代大学，我并不赞同也不认为这是合理的。而到了2013年，很多人感到很失望，因为他们发现过了一年并没有任何一所大学倒闭。在2014年Coursera壮大团队扎实做产品。不管是注册活跃用户还是精品课程都取得了非常有效的增长。目标学员主要是已经工作的成年人，而不是仍处在传统教育模式中的学生。那些已经工作的人们在学员的数量上占据了绝大多数。目前Coursera拥有超过1000多万用户，绝大多数是来自美国之外，其中中国也是非常重要的一环。Coursera是提供世界最好的教育资源推动教育的平等化。绝大大多数课程的访问都是免费的，我们也希望这样才能把门槛降到0。而另一方面作为一个盈利机构，有风险投资的支持，那么投资人也是需要回报机制的。我觉得也不要有偏见，教育本身是一件有社会意义的事情，而在硅谷最伟大的公司都是有健康的商业模式和发展渠道。其实我们一直在探索商业模式。目前我们把课程和专项中的认证证书作为了主要的收入来源。认证证书的效果相当好：在完成课程的学员中，选择认证证书的学员比例稳步上升，已经从不足10%提高到了大致20%或25%。至于专项课程（Specializations)，它们是更大的学习单元，在结束时需要学员完成一个项目以体现自己有能力将所学的知识用于解决真实世界中的问题。我们希望通过这种来弥补大家在技能上面的缺欠，比如约翰霍普金斯大学提供的数据科学家的专项课程，由7门具体的小单元组成，大家通过完成整个系列，最后完成目标找到合适的工作机会。在那些专项课程中，完成课程的学员中有40%以上取得了认证证书，也是目前重要的收入来源。在线学习未来趋势个人最看好人工智能，它能实现人与物体，人与服务，人与知识之间的紧密关联，未来可以实现“思考即学习”的可能。上面三位是世界上机器学习的顶尖专家。现在教学场景非常简单，在线教育也仅仅通过图像、视频等多媒体的方式来表现教学知识点。未来可以通过机器人，辅助设备等工具让人们脱离传统学习方式去学习，通过听觉，视觉，触觉，感觉及思维方式来最大化学习效果。当然这需要从需求识别到专家系统、智能搜索、逻辑推理及个性化推荐等领域攻克难关。在未来的人工智能教育时代，可能虚拟现实展现立体型的综合教学模式。不只是与老师交互，同时也可以与知识交互，每一个知识点都可以立体展现，让学生对知识点有身临其境的感觉。比如学天文物理，它的最佳场景是置身宇宙中，学政治，最好是你模拟当个总统来分析国际形势。学法律，你就是法官在复杂的情况下作出最公正判断。并且电脑知道你学习的进程和特点，通过一些刺激和激励，更聪明的提示你，这样既开发了你的大脑，知识也按需所得。无论人工智能发展到什么阶段，检索是最起码的需求。几乎可以肯定的是将来的搜索方式会脱离文字搜索，语音搜索与OCR识别技术正在迅速提升准确度，现在Google，苹果，百度都有这样的技术，只需要说一句话或者给个提示就可以展现出精确的结果。这意味着将来的学习中只要有一个机器语音引擎，在比如有些APP，学生拍个试题照片就可以找到对应的题目，学习效率更高。更智能的搜索基于意识搜索，大脑只要一想就可以出结果，这是当前机器学习(Deep Learning)与可穿戴设备领域都在探索的方向。【快来看我回答的其他问题】关注我吧~~~
怎样写好求职简历？ - 董飞的回答怎么评价产品经理拿数据说话这回事？如何做数据分析？ - 董飞的回答什么是工程师文化？ - 董飞的回答如何成为一个杰出的程序员或软件工程师？为什么牛人会比新手薪酬高那么多？ - 董飞的回答硅谷的Startup一般采用哪些技术方案？ - 董飞的回答互联网创业公司最常见的失败原因有哪些？ - 董飞的回答大公司和创业公司怎么选？ - 董飞的回答创业公司应该如何招人？ - 董飞的回答Linkedin 印象是什么？ - 董飞的回答在 Coursera 工作是怎样一番体验？ - 董飞的回答美国大数据工程师面试攻略有哪些？ - 董飞的回答如何学习Hadoop，面试Hadoop工程师有哪些问题？ - 董飞的回答互联网公司最常见的面试算法题有哪些？ - 董飞的回答有什么关于 Spark 的书推荐？ - 董飞的回答Coursera 上有哪些课程值得推荐？ - 董飞的回答哪些硅谷创业公司能给拜访者留下深刻印象？ - 董飞的回答国内有哪些有硅谷范的创业公司让人印象深刻？ - 董飞的回答硅谷有哪些中型创业公司？ - 董飞的回答互联网创业公司最常见的失败原因有哪些？ - 董飞的回答自制图一张，把能想到的“互联网可以和教育所融合的点”列了出来，可以看出其实互联网教育不仅仅是视频学习这么简单，互联网在改造教育的方方面面，并且还有很多领域未开荒，未来的潜力无限啊。最后给想做互联网教育方向的公司一点建议：请多关注X轴以下的学渣们。。。我相信，未来的互联网教育巨头一定是解决了学渣们的学习问题，而不只是花样百出的让学霸们学的更爽，因为学渣即屌丝（大部分人），互联网经济就是屌丝经济，解决核心痛点才能真正说你在做互联网教育。}