字数 2269，阅读大约需 12 分钟
PromptLayer：助力非技术人员主导AI应用开发
在过去几年生成式人工智能（GenAI）蓬勃发展的浪潮中，众多初创企业涌现，致力于为提示工程（prompt engineering）提供支持。提示工程，即构思精准指令，引导AI聊天机器人输出有用信息，以OpenAI[1]的ChatGPT和Google的Gemini等工具为例，用户在空白框中输入查询内容，提问方式的差异会导致截然不同的结果。纽约的PromptLayer早在两年前就投身这一领域，推出了一款协助应用开发者管理提示过程的工具。
从兴趣到商业产品的转变
PromptLayer的联合创始人Jared Zoneraich（曾参加过科技创业大赛，与联合创始人Jonathan Pedoeem一同创立该公司）回忆，他们最初因自身对AI聊天机器人的探索，希望有工具记录提示过程，便将最小可行产品（MVP）发布在X平台上，没想到引起了轰动，随后便持续开发。如今，该工具已演变成一款面向第三方企业销售的提示管理产品，助力企业开发AI应用，这表明PromptLayer把握了恰当时机，迎合了企业对大型语言模型（LLMs）提升生产力的浓厚兴趣。
近期，PromptLayer完成了480万美元的种子轮融资，由Ivan Bercovich（ScOp风险投资公司）领投，Peter Boyce II（Stellation Capital）再次参投（此前也参与了种子前融资），还有多位天使投资人、AI领域的创始人和经营者参与其中，包括Michael Akilian、Joshua Browder、Byrne Hobart、Romain Huet、Josh Kamdjou、Logan Kilpatrick、Ben Lang、Alex Oppenheimer、Gokul Rajaram、Gabriel Stengel和Luis Voloch。这笔资金将用于推动PromptLayer进一步发展。
核心产品：提示注册表
PromptLayer产品的核心是 “提示注册表”，Zoneraich将其形容为 “内容管理系统（CMS），提示的版本控制系统”。开发者可以创建提示的新版本，查看版本差异，并选择用于生产的版本。在此基础上，还能进行测试、记录提示使用日志、开展A/B测试，深入了解哪个版本最优。
该平台旨在支持客户针对特定应用场景（如AI辅导应用或客户支持聊天机器人）测试和评估不同提示，使其能够在一系列LLMs上测试提示的不同版本表现，更好地驾驭这个新兴的应用开发领域。在这个领域，操控前沿技术所需的语言大多只是文字，而非代码。
聚焦非技术用户的独特定位
与大多数开发工具制造商不同，PromptLayer有意聚焦非技术用户。Zoneraich表示，在发现早期用户将非编码人员引入应用开发后，他们做出了有意识的选择，打造面向 “领域专家” 的提示管理业务。这些领域专家涵盖教育、法律、医疗等各个专业领域。PromptLayer在使命声明中提到，其软件工具 “允许领域专家和工程师通过可视化提示CMS进行协作”。
Zoneraich进一步指出，该平台让领域专家在应用开发中占据主导地位。尽管他们需要接受一定培训，但这并非难事，无需学习编码，普通人也能掌握。
从市场角度来看，GenAI的发展，很大程度上得益于OpenAI将生成式AI嵌入易于使用的自然语言界面，这使得为非技术用户开发工具成为合理选择。然而，Zoneraich认为这一选择使他们与该领域的大多数参与者区分开来。在与科技媒体的交流中，他提到：“我们采取了与其他人截然不同的方法，让领域专家引领潮流这一理念，基本上无人践行。在硅谷，为非技术人员开发工具似乎不那么吸引人，但我们认为市场会证明这是正确的道路。毕竟，没有领域专家参与提示工程，在许多领域都难以取得成功，而且工程师数量也不足以满足所有需求。”
在技术聚焦的AI工具方面，Zoneraich提到了Zapier以及 “LLM运营” 公司，如Braintrust和LangChain。但他认为，大多数公司在利用LLMs时，应用相关的领域专家并非技术人员，并且优秀的提示工程师所需技能与程序员不尽相同。他表示：“提示工程技能与工程师技能并非完全相关，这更像是一种需要尝试的技能，即‘我尝试这个随机的东西，看看输出结果如何’。有些人试图精心规划提示内容，但在我看来，他们并不擅长提示工程，因为这并非一门精确的科学。我认为对LLM了解得越少，反而可能做得越好。”
广阔的市场需求与发展规划
Zoneraich对从LLMs中获取最佳效果的工具市场需求持乐观态度。他认为，即使出现通用人工智能（AGI），人类在可预见的未来仍需要某种工具或支持来引导机器。他强调：“困难在于如何使用它，给它分配什么任务，定义要做什么才是难点。如果相信许多问题没有完美解决方案，有无数种解决方式，那么提示工程师的工作就是选择要解决的问题以及解决问题的背景。LLM只是从问题定义到解决方案的工具，我们只是将抽象层从机器代码转移到现代编程语言，再从现代编程语言转移到提示，也许未来会从原始提示转移到提示的输入，但归根结底，始终需要一些输入。”
此次种子轮融资将用于扩充团队（目前团队规模为8人），重点引入内部工程人才，确保为客户提供高质量、可靠的服务。同时，他们希望扩展平台，服务更多用例，增加用户数量，并致力于社区建设，培育提示工程这一新兴领域。Zoneraich表示：“提示工程师的角色和职责尚未明确，我们的任务之一就是围绕此建立社区，成为提示工程领域的先驱，向人们展示如何进行提示工程。”
目前，PromptLayer尚未披露其付费客户数量，但Zoneraich称，通过其网站的免费和付费客户已超过10,000人，其中包括ParentLab和OpenAI支持的Speak等付费客户。此外，该公司今年的收入实现了13倍增长，且这种快速增长完全依靠口碑传播。正如Zoneraich所说：“解决提示问题只需更改提示，查看结果，我们有许多工具可帮助大规模实现这一点，核心就是科学方法。”
根据相关行业报告显示，过去几年AI应用开发市场规模呈现快速增长态势，预计在未来几年内仍将保持较高的增长率。例如，2024年全球AI应用开发市场规模达到了一定规模，同比增长一定比例。其中，对提示工程工具的需求也在不断攀升，这为PromptLayer这类专注于提示管理的公司提供了广阔的发展空间。从市场调研机构的数据来看，相当比例的企业表示计划在未来1 – 2年内加大对提示工程工具的投入，以提升AI应用开发效率和质量。
在类似公司案例方面，某公司专注于为医疗领域的医生提供AI开发工具，帮助医生基于AI进行疾病诊断模型的开发，通过简单易用的界面，医生无需编写复杂代码即可调整模型参数，优化诊断效果。该公司在过去一年中，客户数量和收入都实现了显著增长。再如，另一家公司在教育领域为教师提供AI辅助教学工具开发平台，教师可以利用平台的提示管理功能，快速创建适合不同教学场景的AI教学应用，自推出以来，受到了广泛欢迎，平台用户活跃度持续上升。
这些数据和案例都充分证明了PromptLayer所聚焦的为非技术人员提供AI应用开发工具这一市场方向具有巨大的潜力和发展前景。
