随着模型能力的不断增强，AI 产生的实际价值越来越大。
越来越多的团队开始用 AI 与业务相结合，解决业务问题，创造商业价值，降本增效等。
岗位之间的界限开始模糊。
不管你是前端、后端、产品、运营、测试，只要你搞 AI 业务，大家的技术栈比较接近。
比如说都需要做需求分析、任务的拆解、做原型，都需要了解大语言模型、提示词、工作流、智能体等概念。
前一阵子写的一篇：终于有人把“智能体”的概念给我讲明白了！ 甚至突破了 6W 多阅读量。
然而大家在做 AI 业务的时候，不可避免就需要编写提示词。
现在人们可以用自然语言和大语言模型交互，很多人就高估了了自己的表达能力，也高估了模型主动获取上下文的能力。
加上很多一天 AI 业务都没搞过的 AI 自媒体鼓吹“提示词工程过时了”，要学“上下文工程”了，大家对提示词更加不重视。
实际上，系统工程和上海文工程殊途同归，都是为了更好地填充大模型的上下文。提示词工程更多的是用户视角，上下文工程更多的是 AI 工具研发人员的视角。
这里先不展开，改天另外写一篇文章详细介绍。
然而，在实际业务中可以明显发现，很多刚上手 AI 业务的同学提示词写得状况百出，不会写也不知道如何优化！
纯手工编写和优化提示词的技巧有很多，本文先不展开。
这篇文章给大家介绍 2 款非常好用的提示词自动生成和优化工具，帮助大家更好地编写提示词和和调优。
之前推荐给一些朋友，朋友惊呼“神器”!
PromptIDE
传送门：https://www.atbigapp.com/prompt
它是一个非常不错的免费的提示词优化工具。
我们把提示词写进去，然后直接点自动优化，然后选择合适的模式，等到它生成完成就可以了。
如果不满意，也可以「重新生成」，然后也可以点击「进一步优化」，让 AI 继续优化。
如果想深度使用，可以阅读「使用文档」，进一步了解。
PromptPilot
传送门：https://promptpilot.volcengine.com/home
promptpilot 是字节出品的一个非常专业的提示词优化工具，支持提示词的生成和优化等。
比如说我们想让大模型根据词库和字幕文件生成来进行校对，然后生成一个新的文件。
比如输入：
对我录制的视频字幕进行校对，我将提供自己的词库和原始的字幕文件，希望校对后输出一个新字幕文件中
我们点击生成，它就会根据原始提示词，生成一个结构化、具体且完整的专业提示词。
我们可以看到它生成的提示词一是比较结构化，二是比较具体清晰。有时它还会把较长的输入通过 xml 标签进行区分，这样可以避免大模型将待处理的内容和指令混淆。
这样我们只需要在业务应用时，把词库和原始字幕文件的变量动态拼接进来就可以了。
如果我们直接在 Cherry Studio、Gemini 等平台使用，可以把变量的部分删除，稍微修改一下，告知大模型我们实际使用时会上传就可以了。
你的任务是对提供的视频字幕进行校对，确保字幕内容准确无误，并与用户提供的词库保持一致。请仔细阅读以下信息并按要求完成校对工作。
首先，请查看用户提供的词库，这是校对时必须严格遵守用户上传的词库文件。
接下来，请查看需要校对的原始字幕文件，原始字幕文件用户将会通过附件上传。
其他省略
如果你有一些想修改的地方，可以选择手动修改，也可以在这里直接说出来，让它自动帮你修改。
我们直接把自己的想法说出来，自动点击优化就行。
它会回自动优化了！
如果你对提示词已经基本满意的话，那么还可以点击验证 Prompt 对提示词进行优化。
我们可以让它自动检查提示词，发现逻辑矛盾、格式错误、指令不清等问题。
我们把变量填写进去，然后点生成回答。
我们可以看到大模型生成的效果还是非常符合预期的。
我们还可以构造多个用例，让它进行批量的评测。上传变量和理想的答案，工具自动调用模型生成答案进行对比评分。
感兴趣的同学自行研究，这里就不详细展开了。
一点经验
虽然 AI 也可以帮你生成提示词。但根据我的个人经验，最初的提示词非常重要。如果在最初就能把自己的想法表达清楚（不需要考虑格式），那么 AI 在加持下生成的提示词效果会更好。
如果最初没有想清楚，后续调整的成本也会更高。
我们有了 AI 的加持，重要的不是提示词可以手动写得多么结构化和专业，我们重要的是能够把自己的想法表达清楚。
写在最后
提示词只要我们还需要用自然语言和大语言模型进行交互。只要你承认不同人的表达能力有很大差距，那么提示词工程依然会非常重要。
随着模型能力的不断提升，提示词技巧的重要性正在下降，甚至有些技巧已经不再需要。
如何更清楚地表达任务，然后把模型完成任务所需要的资料给到它更加关键。
我需要建立对 AI 正确的认知，转换自己的思维，掌握最佳实践，更好地驾驭大模型，为我们的工作、生活和学习提供更大的助力。
