Stack Overflow Blog
·
无需代码，仅用自然语言：与格雷格·本森教授关于提示工程的问答
💡
原文英文，约1700词，阅读约需7分钟。
📝
内容提要
随着大型语言模型（LLMs）的发展，程序员面临新的挑战。尽管自然语言提示可以替代部分代码，但编程知识仍然必不可少。LLMs在生成代码和处理复杂任务方面表现出色，但也带来了不确定性。未来，程序员与LLMs的关系将不断演变，仍需人类专家的参与。
🎯
关键要点
- 大型语言模型（LLMs）使程序员面临新的挑战，编程知识仍然不可或缺。
- 提示工程被视为将自然语言与编程语言结合的最终成果。
- LLMs在处理复杂任务和生成代码方面表现出色，但也带来了不确定性。
- 不同的LLMs对同一提示的响应可能不同，增加了应用集成的复杂性。
- 提示可以作为代码的替代，但并非所有情况下都能直接转换为代码。
- 随着LLMs的进步，可能会有一代技术工作者无需正式的计算机科学学位。
- 开发者可能会对失去对软件开发的控制感到抵触。
- 提示可以描述一些难以用代码实现的功能，如情感分析和信息提取。
- 选择合适的LLM对提示工程师至关重要，不同模型在特定用例中表现不同。
- 通过提供合适的示例数据，可以改善LLM的结果，微调变得越来越普遍。
- 希望未来仍然需要理解编程语言的人类专家，以促进人类创造力和知识的发展。
- 计算机科学学生应抓住当前技术变革的机会，适应新的软件开发环境。
❓
延伸问答
提示工程是什么，它如何与编程语言结合？
提示工程是将自然语言与编程语言结合的过程，允许用户通过自然语言描述程序或结果，LLMs能够理解并生成相应的代码或执行任务。
大型语言模型（LLMs）在软件开发中面临哪些挑战？
LLMs在生成代码和处理复杂任务方面表现出色，但由于不同模型对同一提示的响应可能不同，增加了应用集成的复杂性。
未来程序员是否仍然需要编程知识？
尽管提示工程可能使一些人无需正式的计算机科学学位就能生成程序，但仍然需要具备编程知识的人类专家来确保软件开发的质量和安全性。
如何提高LLM的提示结果？
通过提供合适的示例数据和进行微调，可以改善LLM的结果，确保其输出符合预期。
提示工程师在选择LLM时需要考虑哪些因素？
提示工程师需要考虑LLM的特定功能、大小和训练数据，以确保其适合特定的用例。
提示可以实现哪些代码无法实现的功能？
提示可以描述一些难以用代码实现的功能，如情感分析和信息提取，这些通常需要大量标记数据和复杂的模型训练。
➡️
