在 ChatGPT、Midjourney、Stable Diffusion 等新事物的作用下，不少人或多或少听说过 Prompt 的概念。

虽然 OpenAI 掀起的大模型浪潮再度刷新了人们对 AI 的认知，但现阶段的 AI 终归还不是强人工智能，大模型里的“知识”存储在一个隐性空间里，需要输给 AI 正确的指令，也就是过去几个月中频频被讨论的 Prompt。

有人将 Prompt 翻译成“提示词”，也有人翻译为“激发词”。再感性一些，就像童话故事里的魔法一样，Prompt 是 AI 时代的魔法，拥有它就拥有“巫师”一样的能力。

01 Prompt 是什么？

并不难理解 Prompt 的字面含义，可为何会出现 Prompt 这个概念？既然是 ChatGPT 炒热的新名词，不妨让 ChatGPT 自己来回答。

这个回答中规中矩，但还是可以提取到一些有价值的信息：一，Prompt 继承了计算机编程里的命令行提示符，可以理解为控制 AI 的指令；二，在生成式 AI 的语境里，Prompt 的价值在于引导，而非计算机里的命令。

打个比方的话：大模型就像是人类的大脑，知识被存储在神经元联接中，只有当你遇到具体的问题时，就像“你最喜欢的食物是什么？”大脑才会给出确切的答案，Prompt 等于是一个个具象的问题。由此产生了一种流行的说法，即提问比回答更重要。你使用 ChatGPT 所遇到的“边界”，实际上是你自己的“边界”。

但 Prompt 的价值体现，并不在于 ChatGPT 代表的对话机器人，而是 Midjourney 为首的图像生成类应用。

简单来说，你要告诉 AI 想要什么样的图，想要把自己脑海里的东西变成肉眼可见的图案，需要几十个单词作为 Prompt。哪怕只有一个提示词的差异，AI 所生成的图像都可能有着质的差别，怎么正确地给 AI 投喂 Prompt，逐渐成了一门深奥的学问，并衍生出了提示语工程学（Prompt Engineering）的说法。

以至于在衡量大模型的能力时，出现了三个标准：一是大模型的预训练水平；二是用来进行预训练语料数量和质量；三是提示语的水平。直接的例子就是外界对文心一言文生图的质疑，即使不考虑前两个因素，单单在提示词方面，就足以让文心一言和 Midjourney 拉开几条街的距离。

因为在文心一言上想要生成图片，普遍给的指令是：帮我生成一张 XXX（这也是百度官方的示例），解析为 Prompt 时注定只有几个提示词，远不足以表达脑海里想要的画面；同样的需求给 Midjourney，可能是十几个乃至几十个提示词，大模型可以更准确地理解并输出用户想要图案。

理解了这些差异，便不难读懂 Prompt 走红的原因。

目前大模型对算力的要求很高，以 OpenAI 的 DALL・E 为例，生成一张图片的收费约 0.02 美元，如果让不懂 Prompt 的人去调用模型，大概率会浪费掉一次次算力。何况当前想要生成满意的图片，需要不断重复调整，能否熟练运用 Prompt，直接左右了大模型所能释放的生产力。

02 Prompt 还能赚钱？

利用信息差赚钱向来是最容易做的生意，生成式 AI 也不例外，Prompt 作为 AI 时代的魔法，已然成了不少人用来“赚钱”的生产资料。

第一种：直接售卖 Prompt。

国外已经出现了 PromptBase 等明码标价的平台，涉及 Midjourney、Stable Diffusion、DALL・E、GPT 等多个模型，而且适用的场景越来越细分，包括音乐创作、儿童插画、油画艺术、人物肖像等等，即便是不擅长整理提示词的普通用户，也可以直接复制 Prompt 生成相对不错的作品。

其实国内也有类似的现象，一些商家早已在电商平台上兜售 Prompt，也有一些人将 Prompt 做成面向垂直任务场景的应用，比如 AI 写评语、AI 写邮件、AI 翻译等等，吸引刚需用户按月付费使用。

第二种：用 Prompt 换流量。

国内最早一批售卖 AI 课程的自媒体，多半将 Prompt 作为吸引用户付费的筹码；小红书等年轻人扎堆的平台上，早早出现了分享 Prompt 的笔记；B 站、抖音等视频平台上，教用户使用 Prompt 的教程已不可计数。

个中逻辑并不复杂。Prompt 是驾驭 AI 的“咒语”，但提示词本身并没有版权效应，或许直接兜售 Prompt 可以快速变现，终归是不长久的买卖。将 Prompt 作为涨粉工具，趁机吸引到可观的粉丝群体，在流量变相高度繁荣的互联网江湖，无疑更符合市场规律，也是 Prompt 被广泛讨论的另一重诱因。

第三种：靠 Prompt“找工作”

正如前面所提到的，正确使用 Prompt 已经是提升生产力的前提，不单单产生了提示语工程，还酝酿出了一批“提示词工程师”（Prompt Engineer）。

国外一位名叫 Riley Goodside 的小哥，靠 ChatGPT 的 Prompt 快速涨粉，然后被硅谷独角兽 Scale AI 聘请为“提示词工程师”，据说年薪高达百万人民币；另一位名为 Jason M. Allen 的艺术家，则使用 Midjourney 赢得了 Colorado State Fair 周年艺术比赛……如果说计算机时代的能力密码是编程，在生成式 AI 席卷全球的当下，Prompt 正悄悄成为数以万计打工人“傍身”的工具。

至少就目前来看，程序员群体里已经渐渐兴起两股风潮：一类人瞄准了 OpenAI 等大模型企业的 API，想要坐在人工智能的副驾驶上创业；另一类人打起了创造 Prompt 的主意，想要利用信息差赚到第一桶金。

倘若 ChatGPT 的出现当真是所谓的 iPhone 时刻，围绕 Prompt 的生意其实才刚刚开场。

03 Prompt 只是过渡？

相对应的一个问题是，Prompt 是否是人工智能大众化不可或缺的一环？这个问题的答案直接影响着 Prompt 和 Prompt Engineer 的红利周期。

Open AI 的 CEO Sam Altman 曾公开表示：五年后，就不再需要 Prompt Engineering。也许在接下来的一段时间里，我们仍需要提示语，需要去创造 Prompt，但生成式 AI 的发展速度可能超乎想象，AI 对人类的理解力远未触达天花板。

可以佐证的是，第一代 iPhone 上市时还没有 App Store，仅预装了浏览器、iPod、邮件等少量应用，想要安装其他应用，需要在电脑上安装 iTunes，用 USB 线将 iPhone 连接到电脑……为了解决用户体验上的局限性，越狱工具和第三方应用商店应运而生，但在苹果引入 App Store 后，越狱工具渐渐被丢进了历史的故纸堆。

同样的问题询问 ChatGPT，答案似乎客观了许多。

想要不用特定 Prompt 就能和 AI 流畅对话，ChatGPT 认为需要解决四个挑战：

1、AI 需要更好地理解语境和连贯性，哪怕用户像《大话西游》里的唐僧一样喋喋不休，或者语无伦次，AI 也可以准确理解用户的意图，这样就不需要精确的提示词，用自然语言进行提问。

2、AI 需要有丰富的常识和推理能力，即根据特定的信息和场景做出合理的回应，而非像现在的模型那样“对牛弹琴”，比如中文里的多义词、不同场景下不同含义的语气词，非常考验推理能力。

3、AI 需要理解和处理情感信息，这也是当前 AI 研究的重心所在。人的情感可以有很多种表达方式，文字只是其中重要的一种。在大模型不断向多模态演进时，视觉和声音是否也可以传递信息？

4、AI 需要有主动学习和适应能力。主动学习是指 AI 系统在学习过程中，能够主动选择最具信息量的样本进行学习，在数据稀缺的情况下做出更好的决策；适应能力是指 AI 在面临新的任务、场景或环境变化时，能够自我调整并优化其行为。

按照 ChatGPT 的标准，在 Prompt 消失的时候，势必已经进入到了强人工智能时代，目前还有很长一段距离。

Prompt 及其衍生机会的消亡是一种历史必然，在时间上仍有很大的不确定性，也许会很快出现另一场技术爆炸；也许 AI 会进入新一轮的瓶颈期， Sam Altman 的五年预期不过是“盲目乐观”。

04 写在最后

或许可以借用科技媒体《VentureBeat》的说法：现在已经到了 AI 艺术的转折点，未来的艺术家无论是自学成才还是科班出身，都需要有创造 Prompt 的能力，需要理解和学习数据科学，以及大模型的工作原理。

进一步延伸的话，需要有这些能力的绝不只是艺术家，任何职业、任何行业的工作都不可避免和 AI 协作，将人类的思考和需求注入给 AI，不断更新、创造 Prompt，将是大多数人必须要掌握的一种技能，就像现在必须要用输入法打字一样。