从提示工程到意图工程：人机交互的演进

过去几年，提示工程已经成为人工智能时代最重要的技能之一。围绕它建立了课程，创造了职位，形成了整个社区，分享如何编写完美的句子来让语言模型做你想要的事情。提示工程如此受欢迎的主要原因是：人工智能强大，但也很字面。你必须在它能帮助你之前先学习它的语言。那时的逻辑是有道理的。但是，它开始瓦解。

随着人工智能模型变得更加强大，通信的负担正在转移。问题不再仅仅是“如何正确地表达这个问题？”而是“如何确保人工智能真正理解你想要实现什么？”这是一个更深层次的问题，并且它指向了一个新的领域——意图工程。

什么是提示工程

为了理解我们要去哪里，有助于理解提示工程实际上是什么。其核心，它是一个变通方法。早期的语言模型强大但脆弱。它们对特定的模式做出良好的响应，对模糊的模式做出较差的响应。因此，用户学习了这些模式。他们发现让模型“一步一步地思考”可以提高推理能力。他们学习到提供例子可以使输出更加一致。他们弄清楚了为模型分配一个角色，例如“扮演专家软件工程师”，可以改变其响应的语气和质量。虽然这些见解真正改善了结果，但它们需要人类适应机器。人们正在学习一种适合模型架构而不是他们自己的自然思考方式的语言。

这不是智能体之间良好通信的方式。当你向一位熟练的同事解释一个问题时，你不会首先思考激活他们神经通路的短语策略。你解释情况，他们理解上下文。如果需要，他们会提出澄清问题，并朝着你真正想要的东西努力。提示工程的技巧，对于它的所有价值来说，总是弥补着更好的人工智能最终应该填补的差距。

使提示工程必要的限制

提示工程变得如此重要的原因不仅仅是模型不完美。它是模型没有真正的用户模型。它们处理文本并返回文本。它们没有对你是谁、你试图建立什么或在你的特定上下文中“好”是什么的持久理解。

这造成了一种奇怪的情况。你可以问同样的问题并根据你如何表达它得到截然不同的结果。你可以花20分钟调整提示，然后突然解锁一个比你之前得到的任何东西都更有用的响应。提示不仅仅是一个输入，它是一个钥匙，找到正确的钥匙需要技能、耐心和有时需要运气。

这也意味着输出的质量往往更依赖于你的提示技巧而不是你的实际领域知识。一个也是熟练的提示工程师的医生可以从模型中提取出比一个更有知识但不知道模式的医生更好的医学推理。这是一个奇怪的价值转换。它表明系统正在优化错误的事情。

意图工程改变了什么

意图工程旨在处理一套不同的基本假设。它不再问如何措辞请求以使模型做出良好的响应，而是问如何传达你真正想要实现的东西，以便模型可以自行推理出正确的结果。

这涉及到提示工程无法处理的几件事情。它涉及向人工智能系统提供足够的上下文信息，以便它们可以在不需要你指定每一步的情况下做出良好的决定。它涉及创建共享的理解，而不是发出精确的指令。它涉及构建系统，使人工智能可以提出正确的问题，而不是等待被告知正确的答案。

我们已经在实践中看到这一点。现代人工智能系统越来越多地支持持久内存、用户配置文件和持续上下文。当模型知道你是一个正在开发具有特定法规约束的医疗保健应用程序的产品经理时，你的请求会自动带有更丰富的意义。你不需要从头开始重建上下文。模型已经理解了你正在处理的上下文。

这是一个根本性的转变。提示工程将每次交互视为孤立的。意图工程将通信视为累积的。模型不再仅仅处理单个输入。它正在跟踪你试图实现什么以及为什么的持续对话。

更丰富的上下文和推理的作用

意图工程的另一个方面涉及现代模型如何处理模糊性。今天的一款经过良好训练的模型不仅仅是对你的句子的最可能完成进行模式匹配。它推理你可能的意思，标记它所做的假设，并在许多情况下在继续之前要求澄清。

这很重要，因为人类的沟通本质上是模糊的。当有人问“可以帮我写点东西给我的老板吗”，他们可能指的是绩效评估、道歉邮件、项目提案或辞职信。优化提示工程的系统会尝试从确切的词语中推断。优化意图工程的系统会认识到模糊性并以智能的方式处理它，或者通过询问或者产生承认多种可能解释的东西。

测试时推理，即模型在回答之前思考问题的能力，在这里也发挥作用。能够在回答之前思考问题的模型更擅长捕捉到字面请求与潜在意图相冲突的情况。它们可以注意到你要求X但你可能真正需要的是Y，并且可以提出这样的观察，而不是默默地履行不会真正服务于你的目标的请求。

一种新的技能

这种演变并不使人类的沟通技巧变得无关紧要。它改变了这些技能的样子。在意图工程世界中茁壮成长的人，不是那些记住了最佳提示模板的人，而是能够清晰地表达他们试图实现什么的人，能够传达重要的上下文和约束，并能够识别人工智能的输出是否真正服务于实际目标，而不仅仅是陈述的目标。

在很多方面，这些都是旧技能。它们是好的经理、好的老师或好的协作者的技能。能够清晰地传达意图，解释不仅是什么你想要，而且为什么你想要它，始终是有效沟通的标志。新的东西是，人工智能系统现在已经足够成熟，能够真正地对这种沟通做出响应。

有趣的含义是，随着人工智能的改进，人类和机器之间的接口将开始看起来更像协作，而不是编程。你不需要工程化完美的输入。你需要成为一个清晰而有目的的沟通者。

这对我们如何构建人工智能系统的意义

这种转变也对我们应该如何设计人工智能系统有影响。提示工程范式鼓励你构建对精确输入高度响应的系统。意图工程范式鼓励你构建能够推断、询问、适应和持久的系统。

这意味着投资于能够使模型在会话之间携带有意义的上下文的内存架构。它意味着构建能够知道何时没有足够的信息来做出良好的决定并能够说明这一点的模型。它意味着创建接口，用户可以在其中传达目标而不是命令，并且人工智能可以像合作伙伴一样帮助确定如何实现这些目标。

这也意味着重新思考评估。现在，我们经常衡量模型如何执行特定的指令。在意图工程的世界中，更好的衡量标准是模型如何服务于指令背后的根本目的，即使指令本身是模糊的。

结论

提示工程将人工智能视为一个强大但愚笨的工具，需要小心处理。意图工程将人工智能视为更接近于智能的协作者，可以理解上下文、推理目标并处理模糊性。这种转变反映了我们对人工智能的用途的看法的变化。不再是执行你的确切词语的机器，而是一个帮助你实现真正关心的事情的系统。这种转变表明，人类和人工智能的交互未来将不再是关于掌握巧妙的措辞，而是关于清晰地表达目标、约束和目的，以便人工智能可以协作而不是仅仅遵守。