近期，在Manus热度正盛之时，我们与资深产品运营专家马骁腾老师进行了线下会面，就AI产品未来方向展开深入交流，并规划了后续活动。马骁腾老师拥有利物浦大学硕士学位，在大厂有着丰富的产品运营经验，近两年投身人工智能领域，是国内前5的C端AI产品初始团队成员。
马骁腾老师表示，其分享以行业趋势为基础，将专家观点转化为科普素材，助力公众树立正确AI认知。此次分享的核心是“学会表达”，源于清华大学吕爽教授关于提示语的思考。
在人工智能交互领域，用户与模型的交互效能取决于提示词工程的掌握程度。对话系统包含用户、助手、系统三个核心角色。系统角色通过代码层预设决定模型的身份属性与响应范式，分离了功能设定与具体任务执行，是构建专业领域智能体的关键。但需注意，其控制逻辑对终端用户不可见。
“Prompt”在与模型交互中，指问题发起及影响结果的因素。“Promptengineering”旨在让模型按要求运行。从理性看，它是一种指令，与问题有别，输入指令效果依赖用户表达；从感性讲，其本质是表达本意。
评估模型效果的公式为：模型效果 = 大模型能力×（任务 + 提示词）。大模型能力重要，但“任务 +提示词”同样关键。用户表达清晰，模型意图识别更容易。提示工程帮助模型理解用户需求，减少信息差。
写好一个prompt与经验、用词和描述能力相关。可参考CRISP等框架，明确决策主体、信息要求等。若写不出prompt，可大量阅读积累知识，也可套用模板进行二次创作。
语言能力强、逻辑思维佳且表达简洁准确的人适合成为提示词工程师。提示工程具有指引性和方法论，需学习基础理论和技术方法，它是大模型迭代优化及产品化的关键。
提示工程存在环境对齐与效果对齐的难点，模型在评测与生产环境中性能可能差异较大。评估提示词可采用提问、打分等方式，专业评估需设定具体指标。
从提示工程（PE）向企业级提示工程（EPE）转变，关键在于转换思维。EPE更注重稳定输出，以满足广大用户需求。
在提问交流环节，探讨了提示词工程师的考核、好用的AI prompt插件或平台，以及提示词控制精度的区别等问题。
随着AI发展，写好提示词需具备文学底蕴等。Prompt EngineerConference为从业者搭建交流平台，LangGPT是国内最大的提示词社区，提供编写高质量提示词的工具。
