原文标题：OpenAI前研究者发布提示词工程框架ell，升级版LangChain，支持版本控制和多模态
原文作者：机器之心
冷月清谈：
- **提示词本质：**提示词不应被视为简单的字符串，而是一种发送给语言模型的代码。
- **ell 的设计原则：**将语言模型视为离散子程序，提示词是其参数，需要迭代优化。
- **自动化版本控制：**ell 提供动态和静态分析，实现提示词的自动版本控制和序列化，类似于机器学习中的检查点管理。
- **可视化和监控工具：**Ell Studio 支持提示词版本控制、监控和可视化，使提示词优化过程更加可控和可追溯。
- **多模态支持：**ell 支持多种形式的多模态输入和输出，方便处理文本、图像、音频和视频等不同类型的数据。
怜星夜思：
1、ell 还处于开发阶段，有哪些值得期待的未来功能？
2、ell 的出现是否意味着提示词工程将变得更加容易，甚至自动化？
3、你觉得 ell 对哪些行业的开发者和用户最具价值？
2、ell 的出现是否意味着提示词工程将变得更加容易，甚至自动化？
3、你觉得 ell 对哪些行业的开发者和用户最具价值？
原文内容
机器之心报道
编辑：Panda
提示词工程不再玄学！
LLM 喜欢赞美，如果你在提示词中夸奖它是个「才华横溢的专家（genius expert）」，它就更可能为你生成更好的答案。
当然，OpenAI 的这位前研究科学家 William H. Guss 分享的这个技巧并不是新闻，之前就有不少研究者发现 AI 喜欢鼓励和赞美。
刚不久前，Huss 宣布发布了一款自称是「提示词工程的未来」工具 ell。具体来说，ell 是一款轻量级的函数式语言模型编程软件库，其优势包括自动化的版本控制和跟踪、丰富的本地开源视觉化工具、原生支持多模态数据。
项目地址：https://github.com/MadcowD/ell
该项目发布后反响热烈，网友们纷纷点赞。比如有一位网友表示一直在期待这样的工具，这将成为他构建 AI 软件栈的一个基础部分。
该项目上线一周时间就收获了 2600 多 star。
ell 的设计思路
ell 是一个轻量级的函数式提示词工程框架，其设计思路基于以下几项核心原则。
提示词是程序，而不只是字符串
提示词不只是字符串，也是发送给语言模型的代码。ell 的一个设计思路是将语言模型看作是名为「语言模型程序（LMP）」的离散子程序。
提示词实际上是 AI 模型的一种参数
这个观点并不新鲜，比如谷歌研究者 Heiko Hotz 就表示过一样的想法，参阅文章《》。
Huss 表示，提示词工程的执行过程涉及到多次迭代，这就类似于机器学习中的优化过程。由于这里将 LMP 视为函数，因此 ell 可为该过程提供丰富的工具。
ell 支持对提示词进行自动版本控制和序列化，这需要用到动态和静态分析以及 gpt-4o-mini 自动生成的 commit 消息。这个过程类似于机器学习训练流程中的检查点管理。但它无需任何特定的 IDE 或编辑器 —— 全都可通过常规的 Python 代码实现。
用于监控、版本控制和可视化的工具
一开始的时候，提示词工程看起来就像是一种玄学。但其实只要有合适的工具，玄学也能变成科学。
Ell Studio 是一种支持提示词版本控制、监控和可视化的本地开源工具。使用此工具，提示词优化的过程可以变得有迹可循，在有必要时也能很好地回溯到之前的版本。
关注多模态
我们关心的数据通常不止文本，还包括图像、音频、视频等，但使用 LLM 处理这些数据往往会更麻烦。Huss 希望在使用 LLM 时，我们能像使用文本一样轻松地使用多模态数据。
这也融合进了 ell 的设计理念。ell 支持多种形式的多模态输入和输出。
提示词工程师宝玉对这个项目给出了很好的总结：
如果你也正需要一个这样的提示词工程工具，那就赶紧：
pip install ell-ai
参考链接：
https://x.com/wgussml/status/1833615864131948756
https://x.com/dotey/status/1833967258592588017
© THE END
转载请联系本公众号获得授权
投稿或寻求报道：[email protected]