文章轉(zhuǎn)載于鏡像工作室

文丨阮怡玲

近兩年，隨著AI的火熱發(fā)展，“提示詞（prompt）”這個詞也被普通人熟知。

在AI短視頻博主那里，這是AI時代的普通人必須要掌握的一項技能，“誰不會用提示詞，誰就會被AI淘汰！”在焦慮的打工人那里，提示詞是用AI來幫忙完成工作的手段，需要整天琢磨對AI說什么才能得到更好的效果。這種焦慮也催生了眾多“提示詞工程”的知識付費課程，在AI還沒真正落地之前，就先讓一幫嗅覺敏銳的人大賺一筆。

提示詞也曾是許多沒有AI和相關(guān)技術(shù)背景的人，想追趕AI風口的一條捷徑。作為一種新職業(yè)，“提示詞工程師”曾被許多人追捧，門檻低、上手快、薪資高，成為轉(zhuǎn)行AI的首選。“2023年的時候阿貓阿狗都能進來，挺好混的，挺水的。”從業(yè)者楊佩駿說。那時在國外有的提示詞工程師甚至能拿到25-33萬美元年薪。

但現(xiàn)在，隨著大模型能力的快速提升，提示詞工程師越來越?jīng)]有存在感，楊佩駿發(fā)現(xiàn)，辛辛苦苦優(yōu)化了很長時間的提示詞，模型一升級，就相當于白干了。模型理解自然語言、推理與思考能力越來越強，傳統(tǒng)意義上只會寫提示詞的提示詞工程師已經(jīng)失去競爭力，AI、模型公司們也不愿意招了。

“現(xiàn)在大家稍微有一點職業(yè)追求，都不愿意承認自己是PE（prompt engineer）。”大廠的AI實習生很多也在社交平臺上吐槽，工作就是寫prompt、洗數(shù)據(jù)，寫在簡歷上都擔心會“臟簡歷” 。

面向普通人入局AI的這條捷徑，似乎已經(jīng)被堵死了。

1

所有人都在一個起跑線

研究生學的是歷史，在大廠做著運營，萬玉磊本來跟AI、大模型搭不上半點兒邊，只是一次突然的裁員，讓他開始重新思考自己的職業(yè)路徑。

自大模型火了后，萬玉磊就一直是AI的深度用戶，從健身計劃到文字冒險游戲，他把感興趣的東西都用AI嘗試了一遍，還拿過科大訊飛發(fā)放的提示詞工程師證書。面對競爭激烈的大廠招聘市場，他尋思著，不能再在這兒耗著。他判斷，未來五年中國整個市場的錢都會被AI吸收，AI一定是發(fā)展最快的行業(yè)，自己要尋找一切機會進入AI行業(yè)。

為了轉(zhuǎn)行，他做了不少準備，甚至撿起課本把線性代數(shù)又看了一遍，還在知網(wǎng)上看了大量人工智能相關(guān)的綜述，讀了本《深度學習革命》的書，了解了一遍人工智能與自然語言處理的發(fā)展歷史。在技術(shù)上，離職之前，他就自學完了吳恩達的提示詞工程課程。

幸運的是，這是個競爭信息差的時期，看到AI機會并且有魄力從頭開始的人并不多，加上對AI的興趣和熱情，這些準備已經(jīng)足夠了。萬玉磊剛投簡歷，就有AI公司聯(lián)系了他。

他面試過一些模型公司的數(shù)據(jù)標注崗、運營崗，最后在2023年11月，萬玉磊成功加入了一家自研多模態(tài)大模型初創(chuàng)公司，成為了國內(nèi)最早的一批提示詞工程師。這個崗位在模型部，他覺得最能接近論文與技術(shù)，“我要感謝前公司開了我，不然我還在干運營”。

面試官是后來他領(lǐng)導(dǎo)的師兄，博五在讀，說話慢條斯理，很有邏輯，看重他對AI的熱情與好奇心，交流了很多對市面上AI產(chǎn)品的使用體驗。萬玉磊回憶，都是年輕人，當時他們聊得很愉快。

其實整個行業(yè)都是年輕人，OpenAI就是一群搞學術(shù)研究的年輕人鼓搗出來的，拿著誰都不看好的論文，建立起如今變革世界的公司。

“他們在畫一個名為AGI的大餅”，但萬玉磊信這個大餅，甚至可以說他就是沖著這個大餅來的，“我自己就是一個很堅定的AGI信仰者”。

還沒入職前，在萬玉磊的想象里，提示詞工程師的工作就只是優(yōu)化提示詞，設(shè)計好工作流，用一定的文字格式向AI獲取更高質(zhì)量的答案。入職后，他才發(fā)現(xiàn)最核心的是優(yōu)化數(shù)據(jù)，優(yōu)化模型的輸出、提升模型的性能。

進去第一個月，他被安排洗數(shù)據(jù)。洗數(shù)據(jù)這件事只要有充足的耐心就夠了，是給新員工的一個接觸最底層預(yù)訓練過程的機會——知道模型要什么樣的數(shù)據(jù)，才能更加理解模型為什么會輸出這樣的東西，不能只洗，在洗的過程中得思考：為什么這個語義要這么分割？為什么這里有一個end字符？為什么我的token這么長？

之后就開始做各個項目，用提示詞、RAG（檢索增強生成技術(shù)）、Fine Tuning（微調(diào)）等手段調(diào)整模型的輸出。

AI初創(chuàng)公司，總是缺算力、缺錢、缺人。模型不斷迭代，業(yè)務(wù)不斷調(diào)整，職責也在不斷變化。第四個月，萬玉磊就開始擔任模型數(shù)據(jù)組的負責人，帶了一個小團隊，現(xiàn)在7個人滿員。

雖然是文科背景，但萬玉磊抓住了機會，他如今幾乎算是公司的“元老”了。“AI是一個很好的機會，把所有人都拉到一個全新的起跑線。”哪怕是計算機本科的人，理解AI代碼其實也是從零開始，而99%的AI知識，實際上是在網(wǎng)上對所有人開放的。

“不管做什么，先上車再說。”

1

模型進化，淘汰一批提示詞工程師

2024年作為實習生入行AI的陳柳陽，既做過大模型公司的提示詞工程師，也做過業(yè)務(wù)公司的AI產(chǎn)品經(jīng)理。

2023年底，陳柳陽在中科院讀研，陸陸續(xù)續(xù)選修了python、深度學習、神經(jīng)網(wǎng)絡(luò)、大語言模型訓練等課程，開始入門AI。為了更方便地用大模型讀文獻，他自己寫了一些prompt，還發(fā)布到小紅書參加月之暗面的比賽，總贊數(shù)排名第六。盡管比賽前后兩次投月之暗面的實習都沒通過，但他找到了另一家大模型公司提示詞工程師的實習。

在面試中，除了被問“如何寫好prompt”，更多的就是被問如何當好一個產(chǎn)品經(jīng)理。印象最深刻的是，面試官拋了一個問題：你懂什么技術(shù)？陳柳陽回答，他懂Transformer，懂LSTM（長短期記憶框架），面試官要求他介紹一遍LSTM。后來他才知道，面試官其實不懂這個技術(shù)，不是在考察他是不是真的懂，而是在觀察他的表達能力，能不能對一個小白講清楚。

他總結(jié)，提示詞工程師需要的，第一就是邏輯能力，思考清楚這個東西到底怎么做；第二就是表達能力，要向AI表達清楚你的需求。

陳柳陽自己撰寫的文獻閱讀提示詞工具，還在不斷更新。圖源：受訪者。

他認為，如果想要真正地接觸AI產(chǎn)品的開發(fā)，理解AI能力的進化，AI產(chǎn)品經(jīng)理和提示詞工程師是兩個對普通人友好的職業(yè)。而從業(yè)者的普遍看法也是，如今兩者其實可以看做一個崗位，名頭不同，工作內(nèi)容類似。

據(jù)他了解，同行里計算機、金融、心理學背景的人都有，提示詞工程師其實并不特別要求技術(shù)背景。提示詞工程師只是一個與AI對話的人，沒有太高能力壁壘。提升prompt能力與編程沒關(guān)系，更需要思維的邏輯縝密性、表達能力以及對AI模型能力邊界的理解。

楊佩駿加入AI還要更早，前一份工作是與AI毫不相干的to B交付工程師，見到ChatGPT的火熱，他直接辭職出來，2023年6月份在一個大模型公司找了份“AI產(chǎn)品經(jīng)理”的工作。公司為了國際化，招了很多外語專業(yè)的人，是公司的第一批AI產(chǎn)品經(jīng)理。

名為產(chǎn)品經(jīng)理，實際上工作內(nèi)容全是prompt優(yōu)化，花30%時間寫提示詞，剩下的時間評估，是從字面意義上理解的更純粹的提示詞工程師。

在2023年中期，大家對模型能力邊界的理解還很淺薄，楊佩駿的公司做的是套殼強化版的chatbot，一段提示詞配上一兩個工具；更多的是調(diào)研競品，研究研究競品哪里能抄，保證每個季度能做出東西交給領(lǐng)導(dǎo)。

“的確是比較機械化的工作。”楊佩駿想起當時，覺得提示詞工程師門檻太低了。

往后，模型的能力增強，更多的業(yè)務(wù)場景出現(xiàn)。給業(yè)務(wù)方提供一個接口，保證模型輸出給業(yè)務(wù)方的是穩(wěn)定的、可靠的回答，需要寫prompt，調(diào)工具，做代碼處理，工作變成一半是prompt，一半是設(shè)計、調(diào)整工作流。

但模型發(fā)展的速度實在太快，事實上，楊佩駿慢慢地發(fā)現(xiàn)，所有操作中發(fā)現(xiàn)的共性問題，最終模型側(cè)都能解決，辛辛苦苦優(yōu)化了很長時間的提示詞，模型一升級，就相當于白干了。

見證著AI技術(shù)的發(fā)展與提示詞工程技術(shù)含金量的降低，楊佩駿認為，如果提示詞工程師想有一個更長的職業(yè)發(fā)展，就要具備更多的產(chǎn)品思維。

2024年中，楊佩駿主動辭職，去了一家AI產(chǎn)品業(yè)務(wù)公司，雖然是“提示詞工程師”的職位，但劃在了產(chǎn)品序列的部門，開始接觸真正更類似AI產(chǎn)品經(jīng)理的工作，在這里，提示詞工程會出現(xiàn)在產(chǎn)品、開發(fā)、測試、運營的全流程中，但占工作內(nèi)容不到10%。

今天學點算法，明天學點產(chǎn)品，楊佩駿從一個只會寫prompt的提示詞工程師，向著真正的AI產(chǎn)品經(jīng)理轉(zhuǎn)型。

公司是做陪伴型產(chǎn)品，楊佩駿得找到產(chǎn)品中需要與AI結(jié)合的各種地方，比如在對話中，除了文字、語音輸出，是不是能讓模型自己找一些外部的新聞分享，自己生成表情包、圖片、視頻、網(wǎng)頁，讓輸出方式多種多樣。

模型在升級，提示詞工程師的工作內(nèi)容也不斷升級，沒背景的普通人想入行越來越難了。

1

優(yōu)化提示詞不再重要

從GPT3.5橫空出世到現(xiàn)在各模型百花齊放，模型能力大大提升，prompt優(yōu)化的難度降低，技術(shù)重要性也隨之降低。

“如果一個提示詞工程師只會調(diào)提示詞，是有問題的”，周子杰說。他是供應(yīng)鏈管理和金融的雙學位畢業(yè)，在多家互聯(lián)網(wǎng)大廠實習，臨畢業(yè)進了金山。當時Office出了Copilot功能，要在一個月內(nèi)從零開始做WPS AI，把他用行政崗的head count招了進去，崗位類似于Excel 產(chǎn)品經(jīng)理。2024年4月份，他跳槽到一家大模型公司做提示詞算法工程師。

據(jù)他介紹，兩年前，很多難調(diào)的模型就像是一頭難馴的“野獸”，需要結(jié)構(gòu)化輸出，瘋狂地調(diào)提示詞、不斷地迭代、想花樣，比如引用不同的格式，使用CoT（思維鏈）技術(shù)，調(diào)Instruction（任務(wù)描述）、調(diào)順序，但即便是旗艦級的模型，也最多只能將評測分數(shù)從五六十分優(yōu)化到85分，很鍛煉優(yōu)化提示詞的技術(shù)。如果想要更好的效果，需要依賴靈感的迸發(fā)，出奇招致勝。

但AI模型進化到現(xiàn)在，已經(jīng)沒那么難馴服，成為了“家養(yǎng)寵物”。隨便寫一寫，評測也能有90分，輕輕松松就能提到95分，再想往上，邊際效益就遞減了，投產(chǎn)比很低，沒有必要。

2024年9月13日，自帶思維鏈的OpenAI o1 Preview模型發(fā)布，陳柳陽早起刷新聞看見，“感覺整個人都幸福了不少，覺得我馬上就不用上班了，AI發(fā)展得太快了”，能讓他寫出很多原來不敢寫、也不會寫的代碼了。

楊佩駿解釋，prompt實際上很大一部分就是人工手寫的思維鏈，強制地告訴模型第一步、第二步、第三步。但2024年，AI編程能力、數(shù)學能力、推理能力大進步，從內(nèi)置的思維鏈到外顯的思維鏈，已經(jīng)能替代很多復(fù)雜的prompt文本。

甚至楊佩駿現(xiàn)在覺得，思維鏈也不重要了，更重要的是混合推理，由模型自己判斷這個問題需不需要深度思考，避免過度思考。

周子杰從入職以來，從來沒有只做提示詞工程，從需求溝通、業(yè)務(wù)理解到產(chǎn)品設(shè)計，最后才是提示詞優(yōu)化，一般只占用不到一個小時的工作時間，如果需要SFT微調(diào)，還得協(xié)助算法工程師。

比如客戶要求為手機做一個智能助手，首先需要明確響應(yīng)時間、翻譯、計算等業(yè)務(wù)要求，接著第一步是模型選型，判斷模型的性能是否能夠勝任，像是智能助手就要求模型的首響比較快，在2秒以下；第二步是方案選型，是用RAG（檢索增強生成技術(shù)）、MCP（模型上下文協(xié)議），還是Function Call（模型函數(shù)調(diào)用）？選擇標準一方面是根據(jù)具體的業(yè)務(wù)需求，另一方面是做實驗評測模型使用該方案的效果。最后一步才是提示詞優(yōu)化，快速地分析badcase錯誤的原因，做調(diào)參。

而在此之前，需要先構(gòu)建評測集、評測指標和評測體系。他認為，這才是提示詞工程師的核心價值，是對業(yè)務(wù)的理解。

同時，大模型提示詞工程師面向B端時也像一個技術(shù)咨詢師，需要幫助很多業(yè)務(wù)公司搞不定的問題，今天是醫(yī)療行業(yè)，明天是建筑行業(yè)，后天是金融行業(yè)；今年主要業(yè)務(wù)是互聯(lián)網(wǎng)，明年可能是政府端。每做一個項目，每想一個解決方案，都得單獨去調(diào)研。“今年的知識，明年就不能用了。”

需要明確的是，提示詞工程仍然很重要，這是面對垂直領(lǐng)域，成本最低、見效最快、泛化性很強的滿足業(yè)務(wù)要求的方式。

比如讓模型預(yù)報天氣，可能一個氣象平臺說降雨量500毫米，另一個平臺說300毫米，就可以通過提示詞引導(dǎo)模型的輸出，如果使用微調(diào)的手段，需要整體重新微調(diào)，成本太高，也沒必要。

但如果設(shè)立一個只寫prompt的職業(yè)，“可能不太能撐得起來”。周子杰認為網(wǎng)上有關(guān)提示詞工程師的宣傳，更多是以賣課為目標，與現(xiàn)實有偏差，國內(nèi)對這個專門崗位的需求可能并不大，反而AI產(chǎn)品經(jīng)理更有市場。

如今，AI已經(jīng)不是兩年前幾乎沒有門檻的行業(yè)了。對創(chuàng)業(yè)者來說，AI技術(shù)縮短了站穩(wěn)腳跟的窗口期，要一個月就見成效；對大模型公司來說，單子被搶是常有的事，“即使我的效果不如你，但是我比你更便宜”。

自然，入行AI也要看經(jīng)驗了。行業(yè)變化很快，哪怕算法崗也不安定，周子杰曾經(jīng)見過公司裁了NLP（自然語言處理）的人，留著CV（計算機視覺）的人做NLP。

行業(yè)不安定，他自己的心也不安定，在遇到AI機會之前，他一直處于漂泊的狀態(tài)中，沒有安全感：畢業(yè)前拿到美團offer，但5月份卻通知事業(yè)部沒了，offer取消了；只能通過社招去外企，又遭遇上中國區(qū)裁員，拿到2N賠償金；接著和朋友一起創(chuàng)業(yè)做AI社交，沒找到合理的商業(yè)化路徑，沒錢黃了。

1

AI飛速往前，沒什么是安全的

今年春節(jié)，DeepSeek橫空出世，把不再需要復(fù)雜提示詞的消息傳到了所有人的耳中。對于用戶來說，提示詞可以簡化了，但對幕后的AI從業(yè)者卻沒那么簡單。萬玉磊覺得雖然普遍難度降低了，但工作量沒有減少，“提示詞從始至終極其重要，而且解決的問題越來越多”。

今年的關(guān)鍵詞是“Agent”，前段時間爆火的Manus就是一個典型代表。萬玉磊介紹，Agent實際上就是工作流的串聯(lián)，每個模型都有非常細致的工作流，需要更細致的提示詞，要求提示詞工程師更加深入業(yè)務(wù)。

提示詞優(yōu)化工程還出現(xiàn)了新的難點。如今多模態(tài)的趨勢顯著，要做到AI生圖、生音頻、生視頻，就需要理解圖、音頻、視頻，對提示詞的要求提高。因為大參數(shù)的多模態(tài)模型里，文本模型可能只占幾B的參數(shù)量，對文本的理解能力自然下降，更難調(diào)，時間占比可能會提升到1/4。另一方面，AI應(yīng)用場景越來越多，端側(cè)模型需求也在上升。

過去古典的產(chǎn)品經(jīng)理把業(yè)務(wù)邏輯轉(zhuǎn)換成研發(fā)的邏輯，如今提示詞工程師要把業(yè)務(wù)的邏輯轉(zhuǎn)化成模型的邏輯，作為橋梁跨過中間的gap，責任重大。

AI行業(yè)還處在很早期的階段，不像移動互聯(lián)網(wǎng)那樣高度分工，光產(chǎn)品經(jīng)理就有幾十種。現(xiàn)在的AI產(chǎn)品經(jīng)理，70%是提示詞工程師，20%是數(shù)據(jù)標注，10%是算法工程師。另外，萬玉磊覺得，這也可能因為模型就是一個“萬物合而為一”的東西，所有的數(shù)據(jù)、資料融合在一起，來解決所有的問題。

萬玉磊很支持外行人、文科生入局AI——做AI的人，文科絕對不能差。AI是需要文科生的，如今AI工作流里如何評估模型的輸出是一件很困難的事情，模型是一個黑箱，無法理解，所以要用很多方法去驗證和評估它的能力——這就需要保持語言的敏感度，給模型的輸出主觀打分。

如今，AI人才市場上職位空缺仍然很多，不僅是優(yōu)秀的人才被所有公司爭搶，基層也有大量空崗。“太缺人了”，陳柳陽幫前公司在朋友圈發(fā)了很多招人廣告，動不動就拉著同學問：“你懂AI，要不要過來實習？”

他很推薦年輕人進入AI行業(yè)，“這個行業(yè)可能是時代給我們?yōu)閿?shù)不多的一個機會了，進去后說不定有可能會財務(wù)自由。”但他也提示，這份工作需要真的對AI感興趣，驅(qū)使自己持續(xù)關(guān)注AI的動態(tài)，學習AI知識和技術(shù)。

畢竟，在一個滾滾向前快速發(fā)展的潮流面前，沒有什么是安全的、不會被取代的。

（應(yīng)受訪者要求，周子杰、楊佩駿為化名。）

點個愛心，再走 吧