我的书架上摆着许多书，内容涵盖网络、AI、安全和基础知识等方方面面。虽然大学时的大多数教材早已不在，但仍保留着两本：《龙书》和《算法导论》。
前一本我留着是出于怀旧。我这辈子一共写过两个编译器，希望以后再也不用写了。后一本我留着，是因为它永不过时。算法并不依赖任何操作系统或语言，而是用于解决常见问题的一套逻辑规则，也就是模式。
所以，我有时会说，开车外出办事时，我会用“Dijkstra”来规划路线。Dijkstra算法是一套用于寻找最短路径的规则，既适用于规划多项事务的行车路线，也适用于在网络中路由数据包。
基于这一点，我们来看看不断发展的提示工程领域。简单来说，它是“为生成式AI工具设计输入，以获得理想输出的实践”。（麦肯锡）
过去几个月中，涌现出了许多提示工程“技术”，每种技术都旨在解决一个特定问题：如何让生成式AI生成理想的输出。
Forbes在介绍这些技术方面表现出色：
除此之外还有许多其他方法，但它们都具有相同的特征。每种方法都描述了一套与生成式AI交互的规则或模式，以产生预期结果。从工程角度来看，这与描述如何对二叉树进行排序、反转链表，或在图中寻找通往目标位置的最短路径的算法并无太大区别。
从设计和用途来看，它们都是自然语言算法。
我并不是要鼓励工程师转型为提示词工程师。但正如如今许多工程师所发现的，使用自然语言算法可以设计出更有效的生成式AI解决方案。阅读这篇关于缓解AI幻觉的博客后，您会发现，在该解决方案中，使用了多种自然语言算法，包括思维链和反思式AI，以引导GPT生成更合适的答案。
之所以必须认识到这一点，是因为随着提示工程技术不断涌现并最终获得广为人知的名称，它们将成为利用生成式AI构建解决方案的基础模块。今天的提示工程技术，就是明天的自然语言算法。
我们不应忽视这些技术，也不应认为它们不如传统算法有价值，更不应认为它们只适用于家人和朋友使用的聊天界面。
我们可能会依靠API将生成式AI集成到解决方案中，但交换的数据是自然语言。这意味着，我们可以在构建的解决方案中运用这些提示工程技术，也就是自然语言算法，让生成式AI给出更优质、更清晰、更准确的答案。
这也意味着，技术领导者不仅应允许，更应鼓励工程师投入时间与生成式AI互动，从中发现有助于优化解决方案的模式和算法。
说不定，未来贵公司的一位工程师会有一种算法以其名字命名。
关于作者
Lori MacVittie是F5首席技术官办公室的杰出工程师兼首席技术布道师，在应用交付、自动化战略和基础设施领域拥有深厚的专业知识。无论是为AI智能体定义防护机制、剖析脆弱的多云架构，还是探索可扩展系统的极限，她都善于化繁为简。她在应用开发、IT架构以及网络和系统运维领域拥有30多年的行业经验。加入F5之前，她曾担任技术编辑，并因出色表现获得奖项。 MacVittie拥有计算机科学硕士学位，著述颇丰，出版作品涵盖安全、云和企业架构领域。她还热衷于桌面游戏和电子游戏，并且对奶酪有着毫不掩饰的鲜明见解。
Lori Mac Vittie 的更多博客文章相关博客文章
2023年应用策略现状：成本与复杂性是推动多云网络发展的首要因素
多云网络解决方案可在核心、云和边缘环境之间实现无缝、安全的互联，为解决当今混合IT面临的挑战提供支持，因而备受业界关注。