今天早上，Vellum.ai宣布完成500万美元种子轮融资。该公司未披露领投方，仅表示为一家多阶段投资机构，并确认Rebel Fund、Eastlink Capital、Pioneer Fund、Y Combinator及多位天使投资人参与本轮融资。
这家初创公司因在2023年冬季YC演示日上专注于企业生成式AI提示词优化而首次受到TechCrunch关注。鉴于大语言模型（LLM）迭代迅速且商业应用场景广泛，其专注方向备受认可。
Vellum联合创始人兼CEO Akash Sharma透露，目前公司拥有40名付费客户，月收入环比增速达25%至30%。对于今年1月才成立的公司而言，这一增长表现亮眼。
我们最喜欢的 YC 2023 冬季 Demo Day 初创企业——第二部分
通常融资快讯会聚焦产品与增长数据，但考虑到该项目尚处早期，不妨借此深入探讨更广泛的“提示工程”领域。
构建 Vellum
Sharma介绍，他与联合创始人Noa Flaherty、Sidd Seethepalli曾供职于2019年YC校友公司Dover。2020年初GPT-3测试版发布时，团队便已开始合作。
在Dover期间，他们利用生成式AI开发招聘邮件撰写等应用，却发现大量时间耗费在提示词调试上，且缺乏生产环境的版本控制与质量评估手段。为此，团队不得不自行开发微调与语义搜索工具，手工操作负担日益沉重。
这意味着工程资源被内部工具占用，而非用于核心产品开发。基于这段经历及创始团队的MLOps背景，当ChatGPT去年发布时，他们敏锐意识到市场对生成式AI提示优化工具的需求将呈指数级增长，Vellum由此诞生。
市场涌现新机会并不罕见，但现代LLM不仅可能重塑AI市场格局，更将显著扩大其规模。Sharma指出，在此前版本的LLM中，“通过自然语言提示从AI模型获取结果几乎不可能”。而支持自然语言输入的转变“极大拓展了AI市场边界，使产品经理、软件工程师乃至普通用户都能成为提示工程师”。
权限下放意味着工具需求激增。Vellum提供模型输出并排对比功能，支持检索特定企业数据以增强提示上下文，并配备测试与版本控制等工具，帮助企业确保提示词输出准确可靠。
然而，提示LLM究竟有多难？Sharma坦言：“搭建基于LLM的原型并上线很容易，但当企业将其投入生产时，往往会遭遇各种边缘情况，导致异常输出。”简言之，若希望LLM稳定发挥，仅简单封装GPT响应远远不够。
那么，企业在实际应用中如何通过精细化提示工程确保输出经过充分调优？
Sharma以某酒店客服工单系统为例：该公司欲构建类似LLM智能体的系统，处理“能否帮我预订？”类问题。
首先需一段提示词作为升级分类器，判断问题应由人工还是LLM处理。若交由LLM回答，模型必须准确作答，避免幻觉或偏离主题。
因此，多个LLM可串联形成逻辑流。提示工程绝非随意调试模型以产生随机效果，在我们看来，它更接近自然语言编程，需要专属工具框架支撑，正如其他编程范式一样。
市场规模有多大？
TechCrunch+曾分析为何企业普遍预期生成式AI市场规模将大幅增长。众多“矿工”（客户）亟需“镐头和铲子”（提示工程工具）以充分释放生成式AI价值。
Vellum未公开具体定价，但透露月费介于三位数至四位数之间。结合超30家客户基础，作为一家种子期公司，其年化收入已相当可观。需求快速攀升往往映射出广阔的市场空间，足见企业对LLM应用确有强劲需求。
这对所有正在构建、部署或支持LLM的企业而言无疑是利好消息。随着初创企业纷纷入局，行业前景一片光明。