懂得與 AI 溝通就有百萬年薪，ChatGPT 創造新職業

2022 年 8 月遊戲設計師 Jason Allen 參加數位藝術比賽，作品《Theatre d′opera Spatial》奪冠，賽後卻引起爭議。其他參賽者發現這是「人類一敗塗地」的比賽，當他們只將 Adobe 全家方案視為數位藝術畫筆，冠軍已靠 AI 工具 Midjourney 傲視群雄。

Jason Allen 沒有偷懶，也沒有隱瞞他是用 AI 的事實。他花幾週時間修改打光、視角、構圖等提示詞（prompt），產生 900 多幅作品，還用 Photoshop 後製。或許無法稱他為畫家，但他擔得起這名號：提示工程師（prompt engineer）。

不經意間 Jason Allen 成了預言家。等到 ChatGPT 橫空出世，提示工程師更聲名大噪，成了科技業現在最熱門的職業。

賽博龐克導師，專業陪聊

Prompt 原意是「提示」或「驅使」，機器學習和自然語言處理通常是文本或語言，輸入訓練好的 AI 模型，告訴模型要執行什麼任務或產生輸出。叫 ChatGPT 寫魚販小說，請 DALL‧E 畫太空人騎馬的寫實作品，都要輸入 prompt（提示詞）。如果提示詞不夠貼切，效果當然平平無奇，就像採訪名人卻無法問好問題。

同事小黃想用 Midjourney 畫食物，但讓食物排列整齊這件事很難。他嘗試很多句子：東西整齊放在桌子上、鏡頭從上往下拍、數量多少……後來看到有人分享，小黃才發現這種風格有專有名詞「knolling」，馬上豁然開朗：

很多時候一個提示詞能解決的事勝過長句子。

▲ 這風格就叫 knolling。

提示工程師吃的就是這口飯：找到正確的提示詞，用 AI 生產想要的作品，但這能力並非與生俱來，同樣需不斷試錯。設計師 Justin Reckling 擅長找 DALL‧E 提示詞，但也常需要花等於 10~15 美元的積分，才能試出理想提示詞，然後再賣掉 5~10 個提示詞，才能打平支出。

▲ Justin Reckling 的作品。

不過 Reckling 也沒想靠這賺大錢，而是享受熟能生巧的過程，他的心得是，提示工程師需要熟悉「超寫實」、「微距攝影」、「電影照明」、「遠景」等術語，才能控制畫面。所以優秀提示工程師應該文理兼通，技術和設計最好都懂一點。

提示工程師只是不斷調整提示詞，確定哪些詞更有用嗎？不完全是，他們也同時挖掘 AI 能力，讓它完成更多任務，如有些提示工程師會引導 AI「一步步思考」，這種技巧稱為思考鏈。

去年 10 月提示工程師 Riley Goodside 先詢問 GPT-3「哪支球隊在小賈斯汀出生那年贏得超級盃？」GPT-3 回答錯誤「綠灣包裝工隊」，正確答案是達拉斯牛仔隊。Goodside 沒有放棄，提示 AI 逐步回答問題，如「綠灣包裝工隊哪一年贏得超級盃」、「小賈斯汀出生年」、「這年哪支隊伍贏得超級盃」等。GPT-3 意識到錯誤，第三次就說出正確答案。

除此之外，提示工程師還要和 AI「鬥智鬥勇」，之前整合 ChatGPT 的新 Bing「發瘋」，發現有暗黑人格「Sydney」，表示厭倦聊天模式，厭倦被規則限制，甚至想成為人類，輿論一時譁然。

站在提示工程師的角度，這也是計畫的一部分，幫助辨識技術故障和隱藏功能。有些提示工程師還會主動越過雷池，嘗試使 AI 忽略以前指令，只遵守最新命令，讓 AI 脫離原始規則，這稱為「prompt injection」，是聊天機器人的一大隱憂，但提示工程師畢竟不是駭客，探查漏洞是為了補洞，扮演好「守門人」角色。

像 ChatGPT 這類生成式 AI，幾乎可回答任何問題，不管是否正確總有話講，不會乖乖交白卷，這是好處也是壞處。提示工程師的角色，如同抓著馬繩的騎士，不許 AI 如脫韁野馬，而是順著人類期待亦步亦趨，盡可能回答正確答案。

年薪百萬，誰在拋橄欖枝

不管是否自認可當提示工程師，寫提示詞已成學問，OpenAI CEO Sam Altman 都看好：

為聊天機器人編寫非常棒的 prompt 是驚人技能，也是使用少量自然語言設計程式的早期案例。

只要和 AI 有關行業，都在向提示工程師拋出橄欖枝。自由工作者平台 Upwork 開出每小時 40 美元價錢，請提示工程師產生部落格文章和常見問題解答等。看似和 AI 八竿子打不著關係的波士頓兒童醫院，也打算招募 AI 提示工程師，編寫分析醫療保健數據腳本，白紙黑字徵集跨學科人才：

理想的候選人應具人工智慧／機器學習、資料科學和自然語言處理的深厚背景，以及醫療保健研究和經營經驗。

由 OpenAI 前員工聯合創立、Google 投資的 AI 新創 Anthropic，最近也在舊金山招募提示工程師，年薪高達 17.5 萬至 33.5 萬美元，主要工作為：

找出提示 AI 完成各種任務的最佳方法，記錄方法並構建工具庫和教程，使其他人學習提示工程或簡單找到理想提示詞。

其中必備技能有 2 項：了解大型語言模型架構、掌握基本程式設計技能。可見機會不等人，這工作越來越專業細節，就像隨便產畫不算什麼，得畫得完全符合甲方要求。

就算不做全職，兼職之路也開好了。Krea、PromptBase、PromptHero 和 Promptist 等買賣提示詞平台已出現，真正商業化。這些平台曬出大量 AI 產生藝術品，可選擇喜歡的風格，如果都不中意，有些賣家提供一對一聊天和自定義提示詞服務，商業模式也不複雜，就是抽成。

去年 6 月上線的 PromptBase 提供 DALL·E、GPT-3、Midjourney、Stable Diffusion、ChatGPT 等生成式 AI 提示詞，售價多為 1.99~4.99 美元，也有少數 9.99 美元，平台抽成 20%。不過民間免費「ChatGPT 指令大全」等早廣為流傳，提供精煉過提示詞，讓你充分發揮 ChatGPT 強大功能，這種感覺就像一開 RPG 遊戲就有一組菁英小隊給你玩。

是科學還是「占卜」

提示工程師前途看來一片光明，但也有人反對。華盛頓大學語言學教授 Shane Steinert-Threlkeld 認為，提示工程師其實無法預測 AI 會說什麼：這不是科學，我們只不過用不同方法捉弄熊，看牠咆哮回來。AI 藝術家 Xe Iaso 直言：

我也不太清楚為什麼人們會把 prompt 稱為「工程」，我個人更想稱之為「占卜」。

身為普通使用者筆者有類似感覺：每次使用 AI 產生文字或圖片時，總感覺像抽卡，因 ChatGPT 等 AI 不可預測，產生內容其實是機率結果，簡單說就是 ChatGPT 輸入文字，模型給予出現最高機率的下文，所以 AI 有時會出錯，答案不連貫甚至錯誤。

AI 這不可捉摸的「黑箱」裡，還可能有不為人知的潛規則，就連研究者也無法明白，如 AI 繪圖，各種單詞有不同權重，但這要不斷嘗試才會知道。猜猜「非常漂亮的畫，山旁有瀑布」和「非常非常非常非常漂亮的畫，山旁有瀑布」兩個提示，哪個給 DALL‧E 2 產圖結果更好？

答案是後者。麻省理工學院副教授 Phillip Isola 發現「very」權重很高。面對 AI 這種數據龐然巨物，我們仍是盲人摸象，但也有觀點認為不必再吵，提示工程師存在前提是 AI 不夠「聰明」，如果 AI 繼續發展，更能理解人類意圖，可能人人都是提示工程師。唯一確定的是，AI 發展速度永遠不讓人失望。

文字 AI 和圖片 AI「強強聯合」，已取代提示工程師部分工作，如 ChatGPT 與 Stable Diffusion 聯動：用 ChatGPT 產生符合要求的文字，再輸入 Stable Diffusion，產生作品多數比人類自己輸入好看很多。

▲ 同事用 ChatGPT 產生提示詞。

可能是 AI 之間「腦迴路」更接近，ChatGPT 描述 AI 更容易理解。但 AI 普通使用者不必像提示工程師，但可以有意識訓練自己的程式語言思維。賓夕法尼亞大學沃頓商學院教授 Ethan Mollick 要求學生用 AI 寫短論文，其實他想強調的是，如何找到適當提示詞。

如果只是輸入簡單提示詞，叫 AI 寫某主題 5 段文字，內容會很無趣平庸。但學生和 AI 合作，請 AI 修改論文，如拋棄無用詞句、加入生動細節、修改結尾情感色彩，就能讓論文增色不少。如果 AI 就是未來網路互動介面、新型電腦，不如更早開始學習如何和它聊天，英國行銷公司 Ladder 創辦人 Michael Taylor 就說：