约 54% 的物流与供应链企业已将人工智能（AI）融入运营流程，另有 37% 的企业利用机器学习与 AI 进行预测性分析。从聊天机器人到社交媒体管理，AI 正成为物流及其他领域的颠覆性力量，其功能涵盖自动化重复任务至趋势预测。在企业中高效运用 AI 的关键在于“提示工程”——即设计特定的提示（提出“正确的问题”），以引导 AI 生成精准答案。提问过于宽泛会导致回答笼统，而提示过于狭窄则可能遗漏关键信息。以下是充分利用这一工具的实用建议。
另请阅读：供应链转型：人工智能的崛起
针对选定任务的提示工程
若您已在使用 Perplexity、ChatGPT 或 Bard，可通过精心策划提示词来提升搜索效果并获得更可靠的输出。提示工程的核心是为选定的 AI 系统制定规则，实质上是通过提供严格的输出格式规范及预准备示例，对 AI 进行“训练”以教会其如何正确回应。通过反复练习、广泛测试和持续更新，您可以不断完善流程，最终形成一份经过筛选的高效提示词列表。
提示工程能协助哪些物流任务？
训练 AI 提供精确且定制化的答案，在供应链优化、预测性分析和自动化等领域极具价值。例如：
- 供应链优化：利用提示工程识别低效环节并推荐改进措施，如优化库存管理和运输任务。
- 预测性分析：通过提示词要求 AI 预测供应链中断风险及必要的运营调整。
- 自动化：恰当的提示词可让 AI 自动处理重复性任务，如撰写产品描述或回复技术支持问题。
如何开始训练人工智能？
许多公司正投资聘请提示工程师。这些专业人士能协助您明确需求、选择最佳平台，并就采用 OpenAI 等大型提供商服务还是自行部署开源模型提供建议。对于低容量任务，通常只需改进提示词并制定针对特定数据的策略即可获需；而在复杂场景下，结合思维链提示与其他工具（如互联网、数据库及相关软件），往往能从 Bard 和 ChatGPT 等现有模型中获得最佳结果。
如何进行提示工程任务？
建议亲自尝试提示工程实践，评估其是否满足需求或是否需要外部协助。首先，需了解各大模型（包括 GPT-3/4、Bard 及 Perplexity）的优缺点。例如，ChatGPT 擅长生成描述性语言，而 Perplexity 正迅速成为不可或缺的研究工具。此外，还需磨练写作技巧，尝试多种上下文提示，直至创建出能引导出选定输出的精确提示词列表。若超越主流 AI 工具的应用范畴，可能还需扩展编程、软件开发等相关技能。
物流行业的实用提示词
针对前文提到的供应链优化、预测性分析和自动化，以下为实用提示词示例：
- 供应链优化：“优化从迈阿密到拉斯维加斯的物流路线，考虑交通和天气模式。”或“将我们俄勒冈仓库的产品分销到圣地亚哥多家商店的最佳方式是什么？”
- 预测性分析：“预测未来 24 小时内因下雪天气导致货物被扣留的可能性。”或“分析过去三年的数据，以识别供应链中断并提出成功的缓解策略。”
- 自动化：“利用以下货运详情（起运地、目的地、尺寸、重量和交付日期）来识别预算内的货运承运商，并预订最便宜、最有效的方案。”或“分析当前仓库的库存、订单和可用员工，然后为员工创建优化排班表，分配他们具体的包装、装卸和运输职责。”
提示工程是让企业充分利用人工智能的绝佳途径。为了获得终极定制化提示词，提示工程师可帮助您基于现有框架构建或为您量身定制专用框架。当然，您也可以自行构思提示词，并通过不断优化那些产生最接近预期结果的提示词来进行实验。