AI 与自然语言

背景

2023 转眼即将结束，今年诞生了数不清的 AI 产品。代码提示领域的 Copilot, CodeWhisperer; 自然语言与 SQL 相结合的 SQL Chat, ai2sql; 教育领域发力的 Q-Chat, Roleplay。所有的这些 AI 产品，目前的主流交互方式都是基于提示词。那我们思考一下，如果提示词会直接影响到 AI 产品所展现的能力，那我们是不是需要找到最佳提示词，充分发挥 AI 的能力。我想介绍一下今年发现在 AI 领域的一款有趣的产品 - PromptPerfect，说不定能给大家带来一些不错的经验分享。

介绍

从上古计算机时代，到今天，底层的人机交互大致经历了下面三个阶段。

• 1.0 交互 - 汇编语言

这个时期像极了手工小农经济时期，生产力较为低下。生产工具和生产能力掌握在小部分程序员手中，相关领域程序"产量"不高，而每年的程序需求不断提高。

• 2.0 交互 - 高级语言

这个阶段也就是熟知的 C，C++，Java 等高级程序语言。相对来说屏蔽了很多硬件底层细节，集中精力到相关的产品开发流程中，大幅度促进生产力。

• 3.0 交互 - 自然语言

虽然随着高级语言的问世，程序生产力和生产范围得到大幅度提高，但依然存在整体生产力掌握在程序员手中的情况，没有将生产力下放到每一个人。而伴随着 AI 产品的问世，无论是设计师，客服，会计，通过自然语言与 AI 交互的能力，将彻底解放每一个人的生产效率。

今天，我们只需要通过自然语言，就可以助力于每一个个体，我们只需要找到最佳的提示词，就能较好的实现每个人的需求。PromptPerfect 就是为此而生，这款产品适合个人，乃至企业自建 AI 服务，优化用户提示词，自训练，调优，部署的一站式服务。

初体验

假设我们想找到某一个城市最好吃的苹果，那么我们的往往是先去某一个果园，挑选出最佳的苹果，然后去当地多个果园进行对比，最终管理我们精心挑选的这批苹果。我们找到最佳提示词也是类似，一般需要经历以下几个步骤。

• 自动调优

让我们先来到一座果园选出最好的苹果，既然是选择，那就有标准。接下来让我们看看 PromptPerfect 是如何帮我们找到那颗最好的苹果，我们告诉它最基础的提示词，希望 AI 成为一名英语语法老师。

接下来它开始了自我调优，在我们最基础的提示词上，完善了语法细节和准确性的补充，错误与正确语法对照的过程，帮助学习者理解多种灵活语法。

• 多 AI 模型比较

我们已经在第一座果园里找到了最好的苹果，该去其他的果园看看了。让我们来 PK 一下，这一场我们来比较下装修图渲染，想要一间现代风，光线明亮的卧室装修图。

就我的审美来说，DALL-E 3 胜出了，较为符合我想要的风格，如果你是一家装修公司。那么不需要设计师画大量图的情况下，能更快的让客户挑选出满意的装修风格渲染图，节约大量成本。

• 提示词的管理

我们已经找到了最好的苹果，该如何进行管理呢。找到一个又一个最佳提示词，希望通过某种方式保存，提供给内部或外部的用户使用，提示词即服务，用户不必费大量精力去找寻找提示词，封装好提示词后，能为用户提供稳定的服务，而背后是提示词与 LLM 作为键值对数据库作为支撑。

我们这里将优质的英语学习提示词存储于这个数据库中，后续可以通过 SDK 的方式提供开箱即用的服务，每个用户都将拥有一个耐心，专业的英语语法老师。

总结

PromptPerfect 提供了一种优秀的提示词质量控制方式，未来很多优秀的提示词就像是计算机领域优秀的算法，可控，优质的输出结果会助力于各个产品。对于 AI 产品来说，它提供了一站式，多元化的服务。从提示词的调优到对比，管理，大幅缩短研发周期和管理成本，更重要的是稳定的输出质量更让人兴奋不已。