在今天的专栏中，我将探讨当前持续扩展的 prompt-a-thon 编程马拉松活动，这类活动有助于增强提示工程的基础和进阶技术，并帮助用户提升这些重要技能。我还将分享一些我个人组织和推动 prompt-a-thon 的经验。简而言之，一个精心设计和执行的 prompt-a-thon 可以有效帮助用户掌握提示工程的最佳实践，并合理利用生成式 AI 和大语言模型 (LLMs)。
让我们详细探讨这个话题。
这篇关于 AI 创新突破的分析是我在 Forbes 专栏持续报道 AI 最新进展的一部分，包括识别和解释各种影响深远的 AI 复杂性。
提示工程作为一项学习技能
读者可能还记得我之前发布过一篇详细介绍超过 50 种提示工程技术和方法的文章。毫无疑问，熟练的提示工程是一项需要学习的技能。当然，你也可以通过即兴提示获得不少成果。但顶尖的提示工程师都知道，认真学习各种经过研究和验证的提示技术，是充分利用生成式 AI 的最佳方式，也可能为你的专业技能带来可观的收入。
目前有许多提示工程相关的课程。
有些课程是在线的，通过自动化系统引导你完成各个步骤。有些课程包含预录视频和实践练习。人工指导的课程仍在积极进行，有时是远程进行，有时在实体教室中进行。
参加 prompt-a-thon 是获得提示工程技能的一种特殊方式。
当我向人们介绍 prompt-a-thon 时，他们的第一反应往往是略显惊讶。他们好奇地问，什么是 prompt-a-thon，为什么要参加？
这个问题很容易解答，你很快就会明白。
Prompt-A-Thon 的定义
首先，我相信你一定听说过或者参加过黑客马拉松。
这些活动让人们聚在一起，编写程序来完成特定主题或目标的任务。这在现今很常见。参加这类活动很有趣，因为你可以在特定时间和地点与他人互动，完成一个合理的小项目。这能带来很多满足感和人际交往机会，留下美好的回忆。
prompt-a-thon 本质上是相同的概念，只不过不是编写程序，而是使用生成式 AI 应用时运用提示。通常不需要编程。关键在于如何最好地组织提示。有好的提示，也有糟糕的提示。研究表明，某些提示技术可以引导 AI 朝着能够获得更好答案的方向发展。
典型的 prompt-a-thon 同时实现几个目标：
它为人们提供了一个学习提示工程并积极动手实践的平台。一个关键收获是你最终能够写出更有效和高效的提示。第二个目标（可能同等重要）是你通常会专注于某个特定领域来提高熟练度，比如使用生成式 AI 进行医疗、金融、法律等用途。第三个目标是与你遇到的人建立同事情谊，这种友谊可能会贯穿你的整个职业生涯。
基于选定领域
据我估计，我所知道或参与过的大多数 prompt-a-thon 通常都专注于某个选定的领域。
这是其运作方式：
假设有一个针对医疗保健领域的 prompt-a-thon。活动持续一到两天，重点关注如何在医疗保健领域最好地组织和使用提示。参加者是医疗保健专业人士。他们知道 AI 即将进入他们的工作领域，想要提前做好准备。或者他们已经在工作中接触到生成式 AI，想要更好地利用 AI。
有时，hack-a-thon 由公司举办，仅限员工参加。不允许外人参与。在其他情况下，prompt-a-thon 面向广大群众，吸引来自各行各业对特定领域感兴趣的人。
如果你参加公开的 prompt-a-thon，一定要提前了解他们是如何组织活动的。实践性有多强（有时只有讲座，很少或没有实践）？可能会有哪些人参加？讲师是否灵活且包容，还是死板且严格遵守时间表？除了基本注册费外，是否还有隐藏费用？等等。
一定要做好尽职调查。
结构建议
prompt-a-thon 在组织提示工程活动的方式上各不相同。
我建议课程应该明确规划，至少包含以下五个要素：
(1) 总体提示目标： 列出 prompt-a-thon 旨在达到的具体目标 -- 清晰地说明整个活动将朝着什么方向发展。
(2) 使用迷你项目卡： 应该为参加者提供各种准备好的迷你项目，但不一定要严格限制。换句话说，迷你项目建议参加者应该关注什么，但不限于提供的内容。如果参与者没有其他想法，可以使用提供的描述。
(3) 提供精选数据集： 组织者应该提供随时可用的数据集供 prompt-a-thon 期间使用。这很明智，否则可能会在寻找和处理数据上无意中消耗大量时间。例外情况是，如果课程是关于寻找和精炼数据的提示，那么精选数据集可能就不那么重要。
(4) 团队和个人工作： 我建议尽可能安排团队练习。我发现当参加者相互交流时，体验会得到加强。我并不是说不应该有个人活动，也不是说如果团队设置有限就不应该参加。我只是建议团队合作和提示工程是相辅相成的。
(5) 充足的材料和指导： 应该为参加者提供工作手册和指南。我参加过一个 prompt-a-thon，讲师完全靠口头即兴发挥。我不推荐这种方式，建议提供实体材料。此外，有些课程的主持人并不是提示工程专家，只是根据指南让参加者做这做那。这很遗憾。我认为应该有一位能够提供指导的讲师。
并非所有的 prompt-a-thon 都具备这五个要素。不要想当然。有一些临时性的 prompt-a-thon，如果你知道这就是你要参加的活动，那很好，否则我建议确保活动是有计划的，并且希望能按计划执行。
医疗保健示例
为了说明 prompt-a-thon 通常是如何进行的，假设有一个引起你注意的医疗保健导向的 prompt-a-thon（这与金融、法律等领域的活动大致相同）。
让我们从 prompt-a-thon 的既定目标开始：
"这个 prompt-a-thon 面向在医疗实践中正在使用或将要使用生成式 AI 的医疗从业者。你将学习如何设计合适的提示来生成医疗摘要和患者通知。将涵盖各个方面。你将在 prompt-a-thon 期间进行提示实践，运用所描述的最佳实践。参与者将组成团队开展医疗保健迷你项目。将提供开放时间来追求与你所在医疗机构特定需求相关的具体兴趣。"
组织者还指出将提供数据：
"prompt-a-thon 期间将提供模拟的医疗保健数据集供使用。数据将非常真实，类似于实际实践中的数据性质。提示工作将包括处理有时片段化、包含错误和其他现实世界问题的数据。"
在这种情况下，一个示例迷你项目可能是这样的：
迷你项目卡
："医生和患者沟通"。你要创建并测试提示，使用精选数据集生成医生-患者对话记录的摘要。目标是设计熟练的提示，生成减少医学术语并为患者提供清晰度的患者摘要。另一个目标是为医生提供包含必要医学术语的摘要，保留互动的本质，但提供压缩版本，以最大限度地减少医生充分理解医疗会诊所需的时间。"
顺便说一下，关于如何使用生成式 AI 生成摘要，包括医疗保健示例，请参阅链接。
Prompt-A-Thon 作为创业催化剂
最后几点评论，然后我就结束。
再想一想传统的黑客马拉松。
人们普遍认为，如果你参加黑客马拉松，通常是因为对潜在的创业业务有浓厚兴趣。你带着一个初步想法去那里，希望找到能够将其快速转化为原型的程序员。或者你是一个程序员，没有明确的开发方向，但想找到有商业想法的人，你可以运用你的软件开发专长来构建。
这与 prompt-a-thon 不太一样。
根据我的经验，大多数 prompt-a-thon 的参与者是想要更多地了解提示工程，看看还能让生成式 AI 完成什么。这可能会带来一些创业想法，但这种情况比较少见，尽管仍有可能。
还要记住，生成式 AI 的另一个日益增长的用途是让 AI 生成代码。从这个意义上说，如果你参加黑客马拉松并从头开发创业原型代码，你也可以通过使用提示来实现同样的目标。确保提前检查 prompt-a-thon 是否支持这个方向。如果他们不支持，试图将活动转向这个方向将会是一场艰苦的战斗。
让我们用一句发人深省的话来结束。著名的美国作家 Vernon Howard 说过："永远以有新东西要学的心态走过人生，你就会有所收获。"
带着开放的眼界和准备学习的心态参加 prompt-a-thon。我几乎可以保证你会从这次经历中获得有用的东西，并为成功参加 prompt-a-thon 而自豪。
