生成式人工智能（GenAI）正在快速发展，其中一个特别重要的领域，叫做提示工程（Prompt Engineering）。Prompt是指设计和优化特定的问题或指令，让人工智能（AI）系统能够有效地作出响应，从而提供相关的答案或解决方案。在一般情况下使用GPT或DeepSeek时，用户需输入问题来让AI回答。

Prompt是指设计和优化特定的问题或指令，让AI系统能够有效地作出响应。（shutterstock网上图片）

事实上，笔者作为用户一直期待这个互动过程，可以更自动化及智能化。例如，AI可以自动协助Prompt的形成及调整，帮助得到更准确的答案。但随着科技的发展，笔者发觉这问题并非这么简单，想先分享一些近期趋势：

1）多模态提示的兴起

2）思考过程的模拟

3）交互方式对外扩展

4）赋予角色和个性

5）形成解决问题的流程

1）多模态提示的兴起

现在的模型，比如GPT-4及DeepSeek，不仅可以理解文字，还可以理解图片等多种讯息。用户可上传图片并附加文本指令，这意味着你可以同时给AI发图片和文字，让它帮你解决更复杂的问题。

2）思考过程的模拟

一种叫做链式推理（Chain-of-Thought）的技术，是让AI模拟人类解决问题步骤的方法。在这种方法中，AI不是直接给出答案，而是像人类解决问题时那样，一步一步地阐述其思考过程。

思维树（Tree-of-Thoughts）是链式推理的扩展，它不仅展示了线性的思考过程，而是探索了多种可能的解决方案路径。当面对问题时，AI会模拟多个不同的思考路径，每段路径都可能导致不同的解决方案。

3）交互方式对外扩展

让模型在解决问题时能够调用外部工具，例如搜索引擎或应用程序编程接口（API），这种方式适用于需要实时获得讯息，更重要的是通过互动去调动专业知识。AI与外部数据库及搜索引擎的结合愈来愈普遍，这可以让模型实时获取外部数据，减少错误讯息的生成。

4）赋予角色和个性

大家可以不妨想象，每个个体在企业内可能担当不同的角色。通过给AI模型设定特定的角色，可让它生成更符合特定场景的回答。

5）形成解决问题的流程

复杂的任务可拆解成多个小问题，AI模型分阶段回答，形成有条理的工作流程。例如，先生成报告的大纲，然后逐步填充各个部分的内容。

笔者想表达的是，提示工程正在变得愈来愈重要和复杂，它并非单一指令那么简单，而是一个整体的互动系统及接口。尚且从个人角度如何用好它都是极大的变革，更何况是企业呢！