来源丨创业邦（ID：ichuangyebang）

作者丨刘杨楠

编辑丨海腰

图源丨midjourney

今天的AI界，从不缺造神的故事。

技术小白和技术大牛之间，往往就相差了若干Prompts的距离。

最近，17岁高中生调试80多版打造的神级Prompt（名为Thinking-Claude）引发争议，有人感叹又一位天才Prompt少年横空出世，也有人提醒广大LLM的应用开发团队，不要被情绪冲昏头脑，认为这个Prompt过于复杂且可维护性较低，堪称最糟糕的“代码屎山”。

过去一年，类似的争论屡见不鲜，LangGPT（中文名称为“结构化提示词”）创始人云中江树已经见怪不怪。他将各方观点转进社群，呼吁大家学习可取之处，同时理性看待争论。

目前，LangGPT是国内最大的Prompt社区。

2023年5月，LangGPT在GitHub正式上线后，便迅速获得开发者喜爱，并与通义千问、Kimi等模型厂商达成合作，共同推出官方Prompt模板。

直到今天，LangGPT在GitHub上的Star数仍在增长。目前，LangGPT国内飞书知识库的访问量已达20万，全网传播超100万，微信私域社群成员超4000人。

今年4月，云中江树辞去自动驾驶工程师的工作，全职投身LangGPT创业。过去一年多，借助LangGPT的平台，云中江树看到了一个AI时代“万花筒”般的切面。

“这么简单的东西，

居然能这么火？”

2021年，正在武汉大学读研究生的云中江树，在一篇论文中看到了“Prompt tuning”这个概念，顿时眼前一亮。

“当时很多AI应用都是通过微调完成的。先预训练，然后用数据集微调模型的输出层，实际微调多少层，多少参数等等都是可以变化的，甚至可以全参微调。微调有很多好处，缺点也很明显，依赖高质量标注数据，需要调试训练超参数，常常训练失败，甚至性能不如预训练模型。而Prompt tuning不需要训练模型，只需要调整提示词即可，由于模型参数不会更新，所以能充分利用预训练模型的泛化性。”

之后，云中江树便开始自学Prompt tuning，逐渐接触到了变量、模板、结构化等概念。

2022年底，ChatGPT推出后，云中江树探索了上百个AI项目，整理成ChatGPT中文指南开源后，连续数天登上GitHub全球热榜。他发现这些项目的核心都在于“如何更好调用大模型能力”。而Prompt工程，便是调用大模型能力的起点。

当时，国内外社交媒体上关于Prompt工程的热度越来越高。这让云中江树有些意外：“当时我们都很惊讶，这么简单的东西居然这么火？”

“2023年初大家觉得ChatGPT很惊艳，对一切都很感兴趣，大家都想知道别人用Prompt改变了什么，很多人在社交软件上随便发一些奇奇怪怪的Prompt技巧就有很多人来学。”他回忆道。

于是，云中江树开始有意识地梳理、提炼自己写Prompt的经验，并逐渐从专业开发者视角，转变为普通用户视角，试图找到一种Prompt方法论，让自己能用20%的实验精力，去降低技术小白们80%的使用AI的门槛。

经过几个月的迭代，2023年5月，LangGPT在GitHub正式上线，迅速获得开发者喜爱，之后与通义千问、Kimi等模型厂商达成合作，共同推出官方Prompt模板。

直到今天，LangGPT在GitHub上的Star数仍在持续增长。目前，LangGPT的飞书知识库访问量已达20万，全网传播超100万，私域社群成员超4000人。

图源：云中江树

目前，LangGPT社群成员大致有两类，一类是广大的AI使用者，一类是前沿应用的开发者。而应用开发者中，有人想提升个人工作效率，更关注有效的Prompt模板；有人想下场创业，更关注应用场景。让云中江树有些意外，但很惊喜的是，有公司组织技术或产品人员甚至组团加入社群，学习如何用Prompt工程开发AI应用。

最火热的时候，云中江树一度感受到了一股“全民学习Prompt”的浪潮，下到十几岁的青少年，上至七八十岁的老人，各有各的好奇与狂热。“有一位七十多岁的老人，是一个旅游协会的副会长，几乎没有缺席过任何一场社群线下活动。”他回忆道。

不过现在回想起来，云中江树也坦言，这种感受或许也是一种“幸存者偏差”。毕竟对于14亿中国人而言，Prompt工程还是一个太小众的话题。

进入2024年，ChatGPT激起的喧嚣褪去，社群里的人来来走走。大浪淘沙之后，留到最后的，都是真正希望用AI改变些什么的人。

AI应用开发离不开Prompt工程

Prompt工程从出现在公众视野的那一刻，就伴随着唱衰的声音。

当时，包括Sam Altman在内的一众大佬都认为，随着大模型性能提升，模型对世界的理解足够充分时，就不再需要Prompt工程。Altman曾表示：“五年后我们将不再需要Prompt 工程，或者只需在这方面做少量工作；将来的AI系统不会因为增补了某个特定词就产生截然不同的输出，而是可以较好地理解自然语言。用户只需以文本和语音形式输入指令，就可以让计算机完成图像生成、资料研究、心理咨询等复杂任务。”

云中江树从不避讳谈论Prompt的消亡。他坦言，自己最初也认为Prompt可能会像一阵风一样过去，但事实却并非如此。

毫无疑问，今天的模型已经越来越擅长理解人类意图。云中江树也发现，国外开发者似乎不太关注Prompt工程了，但国内对于Prompt工程的热情却是只增不减。

总体上，云中江树认为，模型进展仍低于预期，很多AI应用开发仍然离不开Prompt工程。OpenAI发布o1时，他便在社群内表示：“o1指出了一个有前途的方向，对学术研究而言是座金矿，能立马投入，但对于应用者来说，仍然是不实用的玩具，很慢、很卡且不能控制细节。”

这种情况下，要想快速推进应用，Prompt就是一个性价比更高的着力点。

但过去两年，虽然大模型用户对Prompt的学习热情高涨，各家大模型厂商对Prompt的实际重视程度却并不高。除了Anthropic工程师近期对外详细分享了Prompt工程心得外，国内外头部模型厂商或AI应用开发者都鲜少公开分享Prompt工程经验。

这种不重视甚至直接反映在产品设计中。Anthropic工程师David Hershey在近期的分享中也提到，跟客户合作时发现，很多人在设计模型时总是想象着用户会在对话框里输入完美的内容，但很多用户可能连大写字母都从来不用，几乎每个词都有拼写错误。

“实际上，Prompt工程在AI应用开发中的ROI很高，开发者花费20%的经历就可能让产品用户体验提升80%。”云中江树表示，“目前市面上发布的Agent，主要价值都体现在Prompt工程。在构建AI应用的过程中，所有的idea都要先通过Prompt去验证。”

图源：云中江树

好在，云中江树观察到，国内很多企业正在意识到Prompt工程的重要性。“很多去年做微调的应用企业今年都放弃微调，转而在Prompt工程上投入更多。毕竟即使是微调，也要面临昂贵的算力成本。”

值得注意的是，Prompt的门槛虽然不高，但要做好也需要投入足够的时间、精力。

模型技术仍在快速迭代，对Prompt的要求也在不断变化，要想通过Prompt让模型实现想要的功能，就难免要大量调整Prompt的细节，在大量失败中总结一些奇奇怪怪的方法和技巧，个人很难凭一己之力穷尽所有可能。

LangGPT这类开源社区真正的价值所在，就是汇集四面八方的集体智慧，尽可能释放Prompt对模型应用落地的价值。

结构化Prompt成为主流选择

随着模型快速迭代，大牛们对Prompt工程的方法论也在不断迭代。

目前，一个最新共识是，Prompt的核心在于“清晰的表达”。

“最初我认为Prompt是AI时代的编程语言，后来发现这仍然没有跳出上一代的局限性，现在我更倾向于认为，Prompt是自然语言和编程语言结合的交叉点。‘怎么写’不是最重要的，更重要的是‘写什么’。”云中江树表示。

“专业的技术人员反而不一定能写出很好的Prompt。因为技术人员有时会陷入Prompt的形式，而忽略表达的内核，写了很多冗余的规则，但没说清楚自己的具体需求。”

Anthropic负责Prompt的工程师近期也在一档播客节目中表达过相似的观点：“很多时候，需要做的只是写一个非常清晰的任务描述，而不是尝试构建抽象的东西。你得把自己脑海中所有你知道但模型不知道的东西整理清楚，然后写下来。”

但在过去一年的Prompt实践中，Prompt工程师们无形中也在表达形式上形成了一种默契——结构化Prompt正逐渐成为主流选择。

Anthropic工程师David Hershey表示，一个好的写作者不一定会成为一个好的Prompt工程师。“Prompt是一种很特别的模式，你写的是一段文本，但要像对待代码一样对待它。”

云中江树也感受到，结构化写作Prompt正在成为共识，国内尤其如此。

这个结论从现存Prompt社区的活跃程度上也能看出一二。2023年12月，创业邦在《欢迎来到Prompt的美丽新世界》一文中写道，2023年国内外出现了很多大小不一的Prompt社区，大致可分为“技术派”和“非技术派”两类。现在回看，LangGPT作为技术派的代表，已成长为国内规模最大的社区。

对此，云中江树自己也分析了背后的原因：“一方面，早期很多社区只是简单整合市面上的Prompt模板，而我们一直在系统输出自己的方法论；另一方面，从结果导向来看，结构化的Prompt实操性更高，能让应用开发的工作流更高效运转。”

简单来说，对技术系统本身来说，通过Prompt调动AI的某项能力只是第一环，更大的挑战在于后期维护和版本升级；而从AI应用的开发流程来说，往往涉及一个上下游协作的Prompt工作流。

图源：云中江树

横向来看，在协作开发的过程中，一个工作流下游的开发者需要准确知道上一个节点的开发者对Prompt做了哪些调整；纵向来看，第一个应用版本开发出来后，随着模型不断升级，还面临一系列版本升级和代码维护，同样需要以上一版Prompt为基础进行迭代。

因此，从实操效果来说，结构化Prompt，是让整个工作流高效运转的最佳方式。“退一步讲，即使是独立开发者自己调Prompt，也经常忘记自己之前具体写了什么，结构化的形式让工作流的各个节点更清晰。”云中江树坦言。

不过，随着模型性能提升，Prompt工程要解决的问题也越来越难以捉摸。

最近，让云中江树感到困扰的是，模型性能提升后，它犯的错误也越来越隐蔽，这也增加了工程师调试Prompt的难度。“要解决这个问题，只能用一些“笨办法”，例如大量试错，尽可能多的试出那些奇奇怪怪的错误，并最终由人类开发者对项目兜底。”他表示。

可见，在Prompt工程师和AI之间，Prompt工程这场关于时间和耐心的拉锯战，短期内还不会结束。

什么是Prompt社区的归宿？

现阶段，除了应对技术变化，云中江树正在面临的另一大课题，是如何让LangGPT真正可持续地运营下去。

“LangGPT能有今天的成绩，是理想主义的成果，”云中江树坦言，“但用爱发电走不远，也做不大。”

今年4月，硕士毕业近一年后，云中江树辞去滴滴自动驾驶算法工程师的工作，开始全身心投入LangGPT的运作，并着手探索商业化。

云中江树透露，LangGPT的社区运营和商业化探索将分开进行。

一方面，他希望LangGPT继续以开源社区的形式存在，作为Prompt创意的聚集地，并继续为想要学习AI的人系统性地输出有价值的内容；另一方面，“Prompt本身不适合商业化，单纯做Prompt的交易利润很薄，很难走得长远”。

这并非LangGPT独有的难题。无独有偶，国外最大的Prompt社区FlowGPT今年也开始在定位上寻求转型。

将时间拉回2023年，FlowGPT发布时，OpenAI还未发布GPTs。

2023年1月，还在伯克利大学就读的党嘉成（Jay）用3天时间做出了FlowGPT的网站原型。网站正式上线后便迅速出圈，不到一年时间，全球月活便超400万。2023年5月，FlowGPT获得DCM Ventures的种子轮投资。

今年2月，FlowGPT又完成新一轮1000万美元Pre-A轮融资，由硅谷风险投资基金Goodwater Capital领投，老股东DCM Ventures跟投。与此同时，FlowGPT的定位也从Prompt社区转型为AI Native APP/Agent平台。

对于这次转变，党嘉成曾对媒体表示，“Prompt就是AI Native的代码。用户在平台上用Prompt，和用一个软件没有区别。之所以当时以Prompt为主体，是因为大家觉得这个词最克制。3月的时候意识到可以做AI Native APP。Prompt需要迭代，当时很多人愿意去分享Prompt，是希望知道怎么能提高Prompt本身。

创作者创作出来之后就希望大家能用，用了之后能留反馈，创作者能根据反馈去做修改。这个事本身就很像产品迭代的过程。”

这种面向C端创作者开源、免费的模式让FlowGPT网站上沉淀了大量优质创意，但内容伦理的风险也随之而来。党嘉成对媒体坦言：“如果你想让大家做任何事，就会有人做任何事。我们决定在保证这个平台不被查封的情况下，给大家最大的自由度。”

鉴于国内外市场环境差异，不同于FlowGPT的to C策略，LangGPT选择从B端切入。目前，LangGPT会根据客户需求，向客户提供一整套服务，包括智能体的定制、SaaS工具、技术咨询、Prompt方法论培训等形式。同时，对于徘徊在灰色地带的内容，LangGPT均不予收录。

具体到落地场景方面，云中江树表示，LangGPT社群衍生出的应用中，内容方面的应用是效果最好的。“现在AI比我们还要懂人性，它可以将创作者的创作风格、目标受众画像以及内容平台的流量规律总结出一套公式，成为内容行业的‘效率杀器’。”

目前，除了文字Prompt，云中江树也在尝试多模态Prompt所能调动的模型能力边界。

图源：云中江树

关于未来，云中江树依然要面临巨大的不确定性，一方面来自于模型能力升级对AI应用产品的“降维打击”，另一方面则来自于商业和人性的深不可测。

现在，云中江树仍在不断推演LangGPT更优的商业路径。“我们还是希望找到真正的高价值场景，帮客户提效。”但万般变化中，不变的是云中江树投身未来的笃定：

“只干技术对人的异化太强了，我希望能真正投入这个时代，希望在有生之年见证AGI的实现。只要确定是未来，哪怕再小的机会我也要去尝试，在全新的生态里找到自己的位置，然后全力以赴。我很相信二八法则，如果我在细分领域里做到前20%，同样能产生很大的价值。”