提示工程五大趨勢（車品覺）
本文作者車品覺，為港交所獨立非執行董事、香港基因組中心董事、香港大學中國商業學院客座副教授，為《信報》撰寫專欄「全民大數據」。
生成式人工智能（GenAI）正在快速發展，其中一個特別重要的領域，叫做提示工程（Prompt Engineering）。Prompt是指設計和優化特定的問題或指令，讓人工智能（AI）系統能夠有效地作出回應，從而提供相關的答案或解決方案。在一般情況下使用GPT或DeepSeek時，用戶需輸入問題來讓AI回答。
事實上，筆者作為用戶一直期待這個互動過程，可以更自動化及智能化。例如，AI可以自動協助Prompt的形成及調整，幫助得到更準確的答案。但隨着科技的發展，筆者發覺這問題並非這麼簡單，想先分享一些近期趨勢：
目錄
1）多模態提示的興起
現在的模型，比如GPT-4及DeepSeek，不僅可以理解文字，還可以理解圖片等多種訊息。用戶可上傳圖片並附加文本指令，這意味着你可以同時給AI發圖片和文字，讓它幫你解決更複雜的問題。
2）思考過程的模擬
一種叫做鏈式推理（Chain-of-Thought）的技術，是讓AI模擬人類解決問題步驟的方法。在這種方法中，AI不是直接給出答案，而是像人類解決問題時那樣，一步一步地闡述其思考過程。
思維樹（Tree-of-Thoughts）是鏈式推理的擴展，它不僅展示了線性的思考過程，而是探索了多種可能的解決方案路徑。當面對問題時，AI會模擬多個不同的思考路徑，每段路徑都可能導致不同的解決方案。
3）交互方式對外擴展
讓模型在解決問題時能夠調用外部工具，例如搜索引擎或應用程式介面（API），這種方式適用於需要實時獲得訊息，更重要的是通過互動去調動專業知識。AI與外部數據庫及搜索引擎的結合愈來愈普遍，這可以讓模型實時獲取外部數據，減少錯誤訊息的生成。
4）賦予角色和個性
大家可以不妨想像，每個個體在企業內可能擔當不同的角色。通過給AI模型設定特定的角色，可讓它生成更符合特定場景的回答。
5）形成解決問題的流程
複雜的任務可拆解成多個小問題，AI模型分階段回答，形成有條理的工作流程。例如，先生成報告的大綱，然後逐步填充各個部分的內容。
筆者想表達的是，提示工程正在變得愈來愈重要和複雜，它並非單一指令那麼簡單，而是一個整體的互動系統及介面。尚且從個人角度如何用好它都是極大的變革，更何況是企業呢！
（編者按：車品覺著作《覺悟．大數據》現已發售）
歡迎訂購：實體書、電子書
更多車品覺文章：
支持EJ Tech
如欲投稿、報料，發布新聞稿或採訪通知，按這裏聯絡我們。
