大家好，我是老渡。
隨著 AI 如此快速的發展，目前求職市場上已經出現了 AI提示詞 崗位。
大家應該跟我一樣，對這種新興崗位充滿好奇心，比如：想知道這類崗位目前的需求量、技能要求、薪資情況等等。
這兩天我用 Agent 大模型 ，對AI提示詞崗位做了一波分析，跟朋友們分享一下。
為什麽說是
Agent 大模型
呢？
因為這次使用的大模型，跟我們之前開發的智慧體類似，擁有使用外部工具的能力，比如：執行程式碼、聯網搜尋、繪畫。同時，也支持自訂外部工具。
下面的分享中，我們可以體會到這個
Agent 大模型
的獨特之處。
我們要分析AI提示詞崗位，首先要到指定的招聘網站抓取相關的崗位資訊。 這時候 我們就需要定義一個 崗位抓取 的外部工具，讓大模型來呼叫。
上面的程式碼裏，參數 tools 中的資訊是我們需要定義的工具。這裏，定義了 get_job 工具，用來獲取崗位資訊。工具接收兩個參數，一個是崗位名稱，另一個是崗位所在的城市。
參數 model 是請求的大模型，glm-4-alltools 就是我們這次用到的 Agent 大模型 。
該模型可以透過 MAAS 來呼叫，存取 https://open.bigmodel.cn/ 檢視具體的說明文件。
messages 是給大模型的 prompt，glm-4-alltools 模型可以從 prompt 中準確辨識出要呼叫 get_job 工具，並能準確解析出 get_job 所需的兩個參數。
{'city': '全國', 'job_name': '提示詞'}
get_job 這個外部工具，其實是我定義的一個爬蟲程式碼。
這時候我們就可以呼叫該函式，爬取相關的崗位。
有了崗位資訊，我們就可以做一些數據分析的工作了。比如，我們想知道全國範圍內AI提示詞崗位在各城市的分布情況。
這時候，只需要把崗位所在的城市，送入大模型，同時，在 tools 中增加 code_interpreter 工具，就可以了。
code_interpreter 是 glm-4-alltools 內建的工具，可以根據分析需求自動生成程式碼，並 執行。
生成的圖表會以url連結的形式返回，可以直接在瀏覽器開啟。
可以看到，北京、上海的提示詞崗位是比較多的，其余城市均不足10個。
有了 glm-4-alltools ，做數據分析簡直太方便了。
同樣的方式，我們還可以讓 g lm-4-alltools 分析學歷分布
以及提示詞崗位所需要前10項技能。
可以分析的維度還有很多，比如，薪資、公司規模、行業。大家可以用 g lm-4-alltools 自行探索。
以上是數值分析部份，有了 g lm-4-alltools 這樣的強大的模型，我們還可以對崗位做文本分析。比如，對崗位打標簽。某個崗位可能會被打上 AIGC、AI繪畫這樣的標簽。
這裏我們就不需要添加 tools 了，直接用大模型本身的能力就可以。
打完標簽之後，我們可以統計標簽的分布，對職位有更全域的掌握。
之前，要完成這樣的工作，需要人工打標簽，訓練標簽分類器。現在 有了大模型，直接呼叫大模型即可，非常方便。
到這裏，分析的工作基本就完成了。
如果有意向從事提示詞相關的工作，可以繼續呼叫 glm-4-alltools 尋找面試經驗。
透過添加 web_browser 工具，可以搜尋全網資料，
glm-
4-alltools 會對檢索的資料總結輸出。
上面整個流程我們可以整合到一個計畫程式碼中，再配上視覺化界面，就可以做成一個通用的職位分析Agent智慧體，從而可以分析任何職位。
glm- 4-alltools 提供的豐富工具，可以讓我們只用一個模型就能快速實作各種強大的功能。從而降低 整個計畫開發難度， 推薦大家使用。
