Prompt 工程这个词在 ChatGPT 刚出来那会儿特别的火，特别是网上一度流行的各种 prompt 工程师的招聘广告，动辄一个月上万，甚至几个 W。
但是这股风其实来的快，散的更快。
因为 Prompt 对于一个问题的回答的作用可能是从 60 分涨到 75 分，或者 80 分，但是不可能再高了，原因就是大模型本身的智能程度决定了回答的上下限。
同样的一个问题，不同大模型的回答水平差异非常的大。
比如我们用一个非常简单的例子，就问大模型「如何学习 Python？」
Google 的 Bard 给出的回答是这样的，非常宽泛且没有具体的学习内容。
Claude 给出的回答也一般。
而 GPT4 就不一样了，你可以看到它给出的回答是言之有物的，你可以根据它的回答进行比较细化的查找，而不是全都是泛泛而谈，说了跟没说一样。
你看 ChatGPT 3.5 版本的输出就是不如 GPT4.0 的输出。
其实很简单，智能程度就体现在细节，细节越多，越难实现。
因此，选择合适的模型至关重要。在此基础上，我们可以借助规范的 Prompt 框架来最大化模型能力。
而且钻研 prompt 能力你可能很快封顶了，还要面临更多的竞争压力。但算法相关岗位，需求最大，薪资最高，优秀的 AIGC 算法工程师年薪高达 96w 以上，所以我更推荐钻研算法，去学习 AI 大模型的相关知识。如果你还不知道怎么入门大模型，那我建议听听汇视威开展的 AI 大模型公开课，课程会带你学习大模型背后的技术原理，LangChain、Fine-tune 技术，从理论实践，到深度讲解，带你全程体验微调过程，定制属于自己的大模型。课上还能直接对话 AI 技术大佬，现场答疑，干货满满！
🔥2024 大模型公开课👉技术原理 + 模型训练 + 应用场景扫描下方二维码获取
如果你用了一个很笨的大模型，你的 Prompt 就是雕成花都没太大用。
相反，即便你的 prompt 看起来一点儿都不够精美，但是聪明的大模型大概率是可以输出不错的结果的。
