LLM 喜歡贊美，如果你在提示詞中夸獎它是個「才華橫溢的專家（genius expert）」，它就更可能為你生成更好的答案。

當然，OpenAI 的這位前研究科學家 William H. Guss 分享的這個技巧并不是新聞，之前就有不少研究者發現 AI 喜歡鼓勵和贊美。

剛不久前，Huss 宣布發布了一款自稱是「提示詞工程的未來」工具 ell。具體來說，ell 是一款輕量級的函數式語言模型編程軟件庫，其優勢包括自動化的版本控制和跟蹤、豐富的本地開源視覺化工具、原生支持多模態數據。

項目地址：https://github.com/MadcowD/ell

該項目發布后反響熱烈，網友們紛紛點贊。比如有一位網友表示一直在期待這樣的工具，這將成為他構建 AI 軟件棧的一個基礎部分。

該項目上線一周時間就收獲了 2600 多 star。

ell 的設計思路

ell 是一個輕量級的函數式提示詞工程框架，其設計思路基于以下幾項核心原則。

提示詞是程序，而不只是字符串

提示詞不只是字符串，也是發送給語言模型的代碼。ell 的一個設計思路是將語言模型看作是名為「語言模型程序（LMP）」的離散子程序。

提示詞實際上是 AI 模型的一種參數

這個觀點并不新鮮，比如谷歌研究者 Heiko Hotz 就表示過一樣的想法，參閱文章《還在人工煉丹？自動提示工程指南來了，還帶從頭實現》。

Huss 表示，提示詞工程的執行過程涉及到多次迭代，這就類似于機器學習中的優化過程。由于這里將 LMP 視為函數，因此 ell 可為該過程提供豐富的工具。

ell 支持對提示詞進行自動版本控制和序列化，這需要用到動態和靜態分析以及 gpt-4o-mini 自動生成的 commit 消息。這個過程類似于機器學習訓練流程中的檢查點管理。但它無需任何特定的 IDE 或編輯器 —— 全都可通過常規的 Python 代碼實現。

用于監控、版本控制和可視化的工具

一開始的時候，提示詞工程看起來就像是一種玄學。但其實只要有合適的工具，玄學也能變成科學。

Ell Studio 是一種支持提示詞版本控制、監控和可視化的本地開源工具。使用此工具，提示詞優化的過程可以變得有跡可循，在有必要時也能很好地回溯到之前的版本。

關注多模態

我們關心的數據通常不止文本，還包括圖像、音頻、視頻等，但使用 LLM 處理這些數據往往會更麻煩。Huss 希望在使用 LLM 時，我們能像使用文本一樣輕松地使用多模態數據。

這也融合進了 ell 的設計理念。ell 支持多種形式的多模態輸入和輸出。

提示詞工程師寶玉對這個項目給出了很好的總結：

如果你也正需要一個這樣的提示詞工程工具，那就趕緊：

pip install ell-ai