主题：ChatAI 使用初体验(0) -- shuyong

现在CHAT AI的发展可以用侵略如火，势不可挡来形容。以后可能会影响我们人类社会的方方面面。但是，它们现在首先影响的是对自身应用的颠覆性地发展。CHAT AI也才火爆半年，在这半年里，有一个新兴的行业，提示词工程(Prompt Engineering)，快速地兴起又快速地衰落。

如何向CHAT AI提问以得到高质量的回答，是一个值得研究的话题，于是提示词工程很快就出现，也有些新潮公司开始设立岗位招这样的人。接着，用前端CHAT AI从人工提问生成高质量提示词给后端CHAT AI使用的研究也出现了。于是人工岗位刚刚兴起就没有了。但是照这样发展下去，就会出现层层套娃的现象，终究不是一个好主意。于是，将人脑与CHAT AI的思维模式相结合以高效搜索答案的研究也出现了，就是这篇思维树论文：

[Tree of Thoughts: Deliberate Problem Solving with Large Language Models](https://arxiv.org/pdf/2305.10601.pdf)

照这个思路发展下去，蒙特卡罗剪枝算法又会重现江湖，终究还是逃不过层层套娃的命运。

但是，还有没有更好的方法？也许发挥主观能动性是有可能的：

[OpenAI员工与友商玩起提示词决斗！](https://baijiahao.baidu.com/s?id=1767747263533478542)

---x8---8x---

然后为降低成本，由高端CHAT AI生成工具给低端CHAT AI使用，以在特定问题上得到高质量低成本的解决方案，这方面的研究也出现了：

[Large Language Models as Tool Makers](https://arxiv.org/pdf/2305.17126.pdf)

---x8---8x---

CHAT AI虽然在参与全流程的软件开发方面能力不足，但是在有复杂约束条件下搜索全局优化解方面有独特优势，于是在搜索空间复杂的情况下，从非正式规范(如自然语言、部分代码、输入-输出示例或伪代码)中生成程序，这方面的研究也出现了：

[Think Outside the Code: Brainstorming Boosts Large Language Models in Code Generation](https://arxiv.org/abs/2305.10679)

---x8---8x---

如今这些研究此起彼伏，如火如荼，方兴未艾。正所谓：浪花淘尽英雄。青山依旧在，几度夕阳红。