2024年很可能是人工智能年。随着ChatGPT在2023年占据头条，微软的人工智能必应(Bing)和Anthropic的克劳德(Claude)等替代品遍地开花，可以肯定地说，人工智能——特别是人工智能聊天机器人和生成式人工智能——将成为今年的前沿和中心。
如果你对人工智能犹豫不决，那么你并不孤单。2023年，皮尤研究中心发现，52%的美国人对人工智能成为他们日常生活的一部分感到担忧，而不是兴奋。
从我自己的经验来看，在去年年初，我甚至对玩弄AI感到非常犹豫。然而，一旦我这样做了，我就觉得使用人工智能聊天机器人更舒服了。
有一件事帮助我更适应生成式人工智能——它通过绘制大量数据来生成文本和图像——就是确保我问的问题或提示是构造良好的。就像学习如何提出正确的谷歌搜索问题以获得可用的结果一样，“提示工程”是一门手艺——也是一门艺术——创造详细而集中的提示，让生成的人工智能模型去做你想让它们做的事情。
当谷歌第一次出现时，你不可能一夜之间成为制作有效搜索查询的专家，提示工程也是如此。要成为为生成式人工智能构建富有成效提示的大师，还需要时间。如果你想开始使用即时工程并学习如何在生活中更有效地使用ai，那么你就来对地方了。
我已经在几个不同的人工智能生成模型上测试了一个人工智能用例，让你了解如何开始成为一名有竞争力的提示工程师，无论你使用的是哪种人工智能模型。欲了解更多，以下是关于手机上的人工智能以及Adobe如何考虑人工智能的信息。
一般的查询并不能解决这个问题
首先要知道的是，写简短而宽泛的提示很可能不会得到你想要的结果。
例如，如果你问AI“我怎样才能说一口流利的德语”，你得到的答案就会比你提示AI“我是一个受过大学教育的成年人，主修英语，意大利语流利，学过一学期的大学水平的德语”要少得多。我每天花15分钟练习德语词汇和语法。我怎样才能说一口流利的德语?”
为了帮助我成为一个更好的人工智能提示器，我决定提示生成型人工智能提供一些我非常熟悉的信息，这样我就可以评估我的提示是如何细化和指定的，从而产生更好的反应。
一个流行的提示——作为一名跑步者，这是我特别感兴趣的——是获得生成人工智能的帮助，为马拉松或半程马拉松制定训练计划。
首先，OpenAI建议让ChatGPT“帮我训练半程马拉松。”正如我所料，这个提示符作为一个起点是有意义的，但它不会给出具体的结果。例如，ChatGPT给了我一些训练的一般建议，比如设定目标、摄入适当的营养和水分。注意:在这个测试中，我使用了Red Ventures (CNET的母公司)版本的ChatGPT。我将结果与Anthropic的Claude进行了比较，后者采用了同样的一般方法——没有具体的培训计划。
虽然这些都是不错的起点，但它不会让我一直跑到马拉松的终点线，这需要根据我的健康状况和经验、我需要训练多长时间、我通常喜欢的训练方式、甚至我将在何时何地参加比赛，量身定制一个特定的计划。
缩小毕业舞会的范围PTS可能会产生很大的差异，这取决于您使用的是哪种模型
为了帮助及时改进，我转向CNET的姐妹网站ZDNET寻求帮助。ZDNET建议添加更多细节来帮助指导生成式AI。
接下来我尝试了ZDNET的建议:“我是一个跑步初学者，以前从未跑过马拉松，但我想在六个月内完成一次。我该怎么准备马拉松呢?”在这个例子中，我为AI提供了更多的背景，例如训练的时间框架和经验水平。
不幸的是，使用ChatGPT时，响应并没有太大的不同。ChatGPT给了我一些更具体的建议，比如专注于完成马拉松比赛，而不是创造个人纪录，在训练期间加入跑步社区以获得动力。也许很有启发性，但还是没有击中目标。
当我给克劳德同样的提示时，我得到了更多。它给了我一个非常基本的训练计划，建议每月的训练目标，甚至是我可以纳入训练的可能的锻炼。更接近了，但还不是一个完整的训练计划。
细节越多越好
是时候把我的提示提升到下一个层次了。在我的下一个扩展提示中，我添加了很多细节，比如:跑步和训练的历史、年龄、性别、道路状况和马拉松和训练的地形。
成功!我得到的是一个很好的起点，一个真正的程序，我可以看到自己使用(当然有一些调整)。ChatGPT推荐了一个非常详细的计划，分解了具体的训练目标和我可以按月纳入新训练的速度。克劳德把训练计划分成了几个星期，给了我每周可以集中精力的具体训练，以及我每周应该跑步的里程目标和频率。
我要指出的是，这些计划仍然不是完全适合我和我的训练方式，但它们很接近，我将有一个强大的训练起点。证据就在提示符中——我添加的细节越多，我从ChatGPT和Claude那里得到的细节就越多。
最后一个提示:无论你是在寻找马拉松训练计划还是帮助准备一顿饭，在接受人工智能的建议之前，对人工智能的建议持批评态度，并做好你的尽职调查——比如在开始剧烈运动之前咨询医生——这总是最好的做法。
参见:人工智能时代的摄影知识和网络安全领域最大的人工智能趋势。
