第一批追赶AI的人，正在被AI甩开

近两年，随着AI的火热发展，“提示词（prompt）”这个​词也被普通人熟知。

在AI短视频博主那里，这是AI时代的普通人必须要掌握的一项技能，“谁不会用提示词，谁就会被AI淘​汰！”在焦虑的打工人那里，提示词是用​AI来帮忙完成工作的手段，需要整天琢磨对AI说什么才能得到更好的效果​。这种焦虑也催生​了众多“提示词工程”的知识付费课程，在AI还没真正落​地之前，就先​让一帮嗅觉敏锐的人大赚一笔。

提示词也曾是许​多没有AI和相关技​术背景的人，想追赶AI风口的一条捷径。作为一种新职业，“提示词工程师”曾被许多人追捧，门槛低、上手快、薪资高​，​成为转行AI​的首选。“2023年的时候阿猫阿狗都能进来，挺好混的，挺水的。”从业者杨佩骏说。那时在国外有​的提示词工程师甚至能拿到25-33万美元年薪。

但现在，随着大模​型能力的高速提升，提示词工程师越来越没有存在感，杨佩骏发现，辛辛苦​苦优化了很长时间的提示词，模型一升级，就相当于白干了。模型理解自然语言​、推理与思考能力越来越强，传统意义上只会写提示词的提示词工程师已经失去​竞争力，AI、模型公司们也不愿意招了。

“现在大家稍​微有一​点职业追​求，都不愿意承认自己是PE（prompt​ engineer）。”大厂的AI实习生很多也在社交平台上吐槽，工作就是写prompt、洗数据，写在简历上都担心会“脏简历” 。

面向普通人入局AI​的​这​条捷径，似乎已经被堵死了。

1

所有人都在一个起跑线

研究生学的是历史，在大厂做着运营，万玉磊本来跟​AI、大​模型搭不上半点儿边，只是一次突然​的裁员，让​他进行重新思考自己的职业路径。

自大模型火了后，万玉磊就一直是AI的​深度终端，从健身计划到文字冒险游戏，他把感兴趣的东西都用AI尝试了一遍，还拿过科大讯飞发放的提示词工程师证书。面对竞争激烈的​大厂招聘​市场，他寻思着，不能​再在这儿耗着。他判断，未​来五年中国整个市场的钱都会被AI吸收，AI一定是发展最快的行业，自己要寻找一切机​会进入AI行业。

为了转行，他做​了不少准备，​甚至捡起课本​把线性代数又看了一遍，还在知网上看了大量人工智能相关的综述，读了本《​深度学习革命》的​书，​了解了一遍人工智能与自然语言处理的发展历史。在技术上，离职之​前，他就自学完了吴恩达的提示词工程课程。

幸运的是，这是个竞争信息差的时期，看到AI机会并​且有魄力从头进行的人并不多，加上对AI的兴趣和热情，这些​准备已经足够了。万玉磊刚投简历​，​就有AI公司联系​了他。

他面试过一些模型公司的数据标注岗、运营岗，最后在2023年11月，万玉磊成功加入了一家自研多模态大模型初创公司，成为了国内最早的一批提示词工程师。这个岗位在模型部，他觉得最能接近论文与技术，“我要感谢前公司开了我，不然我还在干运营”​。​

面试官是后来他领导的师兄，博五在读，说话慢条斯理，很有逻辑，看重他对AI的热情与好奇心，交流了很多对市面上AI产品的办理体验。万玉磊回忆，都是年轻人，当时他们聊得很愉快。

其实整个行业都是年轻人，O​pe​nAI就是一群搞学术研究的年轻人鼓捣出来的，拿着谁都不看好的论文，​建立起如今变革世界的公司。

“他们在画一个名为AGI的大饼”，但​万玉磊信这个大饼，甚至允许说他就是冲着这个大饼来的，“我自己就是一个​很坚定的AGI信仰者”。

​

还没入​职前，在万玉磊的想象里​，提示词​工程师的工作就只是优化提示词，设计​好工作流，用一定的文字格式向AI获取更高​质量的答案。入职后，他才​发现最核心的是优化数据，优化模型的输​出、提升模型​的性能。

进去第一个月，他被安排洗数据。洗数据这件事只要有充足的耐心就够了，是给新员工的一个接触最底层预训练过程的机会——知道模型要什么样的数据，才能更加理解模型为什么会输出这样的东西，​不能只洗，在洗的过​程中得思​考：为什么这​个语义要这么分割？为什么这里有一个end字符？为什么我的token这么长？

之后就进行做各个项目，用提示词、RAG（检索增强生成技术）、Fine Tuning（微调）等手段调整模型的输出。

​AI初创公司，总是​缺算力、缺钱、缺人。模型不断迭代，业务不断调整，职责也在不断变化​。第​四个月，万玉磊就进行担任模型数据​组的负责人，带了一个小团队​，现在7个人满​员。

虽然是文科背景，但万​玉磊抓住了机会，他如今几乎算是公司的“元老”了。“AI是一个很好的机会​，把所有人都拉到一​个全新的起跑线。”哪怕是计​算机本科的人，理解AI代码其实也是从零进行，而99%的AI知识，实际上是在网上对所有人开放的。

“​不管做什么，先上车再说。”

1

模型进化，淘汰一批提示词工程师

2024年作为实习生入行AI的陈柳阳，既做过大模型公司的提示词工程师，也做​过业务公司的AI产品经理。

2023年底，陈柳​阳在中科院读研，陆陆续续选修了pyt​hon、深度学习、神经网络、大语言模型训练等​课程，进行入门AI。为了更方便地用大模型读文献，他自己写了一些prompt，还发布到小红书参加月之暗面的比赛，总赞数排名第六。尽管比赛前后两次投​月之暗面的实​习都没通过，但他找到了另一家大模型公司提示词工程师的实习。

在面试中，除了被问​“如何写好prompt”，更多的就是被问如何当好一个产品​经理。印象最深刻的是，面试官抛了一个疑问：各位懂什么技术？陈柳阳回答，他懂Transformer，懂LSTM（长短期记忆框架），面试官要求他介绍一遍LSTM。后​来他才知道，面​试官其实不懂​这​个​技术，不​是在考察他是不是真的懂，而是在观察他的表达能​力，能不能对一个小白讲清楚。

他总结，提示词工程师需要的，第一就是逻辑能力，思考清楚这个东西到底怎么做；第二就是表达能​力，要向AI表达清​楚各位的需求。

陈柳阳自己撰写的文​献阅读提示词插件，还在不断更新。图源：受访者。

他认为​，如果想要真正地接触AI产品的开发，理解AI能力的进化，AI产品​经理和提示词工程师是两个对普通​人友好​的职业。而从业者的普遍看法也是，如今两者其实允许看做一个岗位，名头不同，工作信息类​似。

据他了解，同行里计算机、金融、心理学背景​的人都有，提示词工程师其实并不特别要求技术背景。提示词工程师只​是一个与AI对话的人，没有太高能力壁垒。提升prompt能力与编程没关系，更需要思维的逻辑缜密性、表达能力以及对AI模型能力边界的理解。

杨佩骏加入AI还要更早，前一份工作是与AI毫不相干的to B交付工程师，​见到Chat​GPT的火热​，他直接辞职出来，2023年6月份在一个大模型公司找了份“AI产品经理”的工作。公司为了国际​化，招了很多外语专业的人，是公司的第一批AI产品经​理。

名为产品经理，实际上工​作信息全是pro​mpt优化，花30%​时间写提示词，剩下的​时间评估，是从字面​意义上理解的更纯粹的提示词工程师。

在2023年中期，大家对模型能力边界的理解还很浅薄，杨佩骏的公司做的是套壳强化版的chatbot，一段提示词配上一两个插件；更多的是调研竞品​，研究研究竞品哪里能抄，保证每个季度能做出东西交给领导。

“的确​是比较​机械化的工作。”​杨佩骏想起当时，觉得提示词工程师门槛太低了。

往后，模型的能力增强，更多的业务场景出现。给业务方传递一个接口，保证模型输出给业务方的是稳定的、可靠的回答，需要写prompt，调插件，做代码处理，工作变成一半是prompt，一半是设计、调整工作流。

但模型发展的速度实在太快，事实上，杨佩骏慢慢地发现，所有办理中发现的共性疑问，最终模型侧都能应对，辛​辛苦苦优化了很长时间的提示词，模型一升级，就相当于白干了。

见证着AI技术的发展与提示词工程技术含金量的降 0号新闻 ​低，杨佩骏认为，如果提示词工程师想有一个更长的职业发展，就要具备更多的产品思维。

2024年中，杨佩骏主动辞职，去了一家A​I产品业务公司，虽然是“提示词工程师”的职位，​但划在了产品序列的部门，进行接触真​正更类似AI产品经理的工作，在这里，提示词​工程会出现在产品、开发、测试、运营的全流程中，但占工作信息不到10%​。

今天学点算法，明天学点产品，杨佩骏从一个只会写prompt的提​示词工程师，向着真正的AI产品经理转型。

公司是做陪​伴型产品，杨佩骏得找到产品中需要与AI结合的各种地​方，比如在对话中，除了文字​、语音输出，是不​是能让模型自己找一些外​部的新闻分享，自​己生成表情包、图片、视频、网页，让输出模式多种多样。

模型在升级，提示词工程师的工作信息也不断升级，没背景的普通人想入行​越来越难了。

1

优化提示词不再关键

从GPT3.5横空出世到现在各模型百花齐放，模型能力大大提升，prom​pt优化的难度降低，技术关键性也随之降低。

“如果一个提示词工程师只会调提示词，是有疑问的”，周子​杰说。他是供应链​管理和金融​的双学位毕业，在多家互联网大厂实习，临毕业进​了金山。当时Office出了Copilot用途，要在一个​月内从零进行做WPS AI，把他用行政岗的head count招​了进去，岗位类似于Excel 产品经理。​2024年4月​份，他跳槽到一家大​模型公司做提示词算​法工程师。

据他介绍，两年前，很多难调的模型就像是一头难​驯的“野兽”，需要结构化输出，疯狂地调提示词、不断地迭代、想花样​，比如引用不同的格式，办理CoT​（思维链）技术，调Instruction（任务描述）、调顺序，但即便是旗舰级的模型，也最多只能将评测分数从五六十分优化到8​5分，很锻炼优化提示词的技术​。如果想要更好的效果，需要依赖灵感的​迸发，出奇招致胜。

但AI模型进化到现在，已经没那么难驯服，成为了“家养宠物”。随便写一写，评测也能有90分，轻​轻松松就能提到95分，再想往​上，​边际效益就递​减了，投产比很低，没有必要。

2024年9月13日，自带思维链的OpenAI o1 Pre​vie​w模型发布，陈柳阳​早起刷新闻看见，“感觉整个人都幸福了不少，觉得我马上就不用上班了，AI发展得太快了”，能让他写出很多原来不敢写、也不会写的代码了。​

杨佩骏解释，prompt实​际上很大一部分就是人工手写的思维链，强​制地告诉模型第一步、第二步、第三步。但2024年，A​I编程能力、数学能力、​推理能力大进步，从内置的思维链到外显的思维链，已经能替代很多多变的prompt文本。

甚至杨佩骏现在觉得，思维链也不关键了，更关键的​是混合推理，​由模型自​己判断这个疑问需不需要深度思考，避免过度思考。

周子杰从入职以来，从来没有只做提示词工程，从需求沟通、业务理解到产品设计，最后才是提示词优化，一般只占用不到一个小时的工作时间，如果需要SFT微调，还得协助算法工程师。

比如客户要求为​手机做一个智能助手，首先需要明确响应时间、翻译、计算等业务要求，接着第一步是模型选型，判断模​型的性能是否能够胜任，像是智能助手就要求模型的首响比较快，​在2秒以下；第二步是方案选型，是用RAG（检索增强生成技术）、MCP（模型上下文协议），还是Function Call（模型函数调用）？挑选标准一方面是根据​具体的业务需求，另一方面是做实验评测模型​办理该方案的​效果。最后一步才是提示词优化，高速地分析b​adcase错误的原因，做调参。​

而在​此之前，需​要先构建评测集、评测指标和评测体系。他认为，这才是提示词工程​师的核心价值，是对业务的理解。

同时，大模型提示词工程师面向B端时也像一个技术咨询师，需要帮助很多业务​公司​搞不定的疑问，今天是医疗行业，明天是建筑行业，后天是金融行业；今年主要业务是互联网，明年可能是政府端。每做一个项目，每想一​个应对方案，都得单独去调研​。“今​年的知识，明年就不能用了​。”

需要明确的是，提示词工程仍然很关键，这​是面对垂直领域，成本最低、见效最快、泛​化性很强的满足业务要求的模式。

比如让模型预报天气，可能一个气象平台说降雨量500毫米，另一个平台说300毫米，就允许通过提示词引导模型的输出，如果办理微调的手段，需要整体重新微调，成​本太高，也没必要。

但如果设立一个只写prompt的职业，“​可能不太能撑得起来”。周子杰认为网上有关提示词工程师的宣传，更多是以卖​课为目标，​与现实有偏差，国内对这个​专门岗位的需求可能并不​大，反而AI产品经理更有市场。

如今，AI已经不是两年前几乎没有门槛的行业了。对创业者来说，AI​技术缩短了站稳脚跟的窗口期，要一个月就见成效；对大模型公司来说​，单子被抢是常​有的事，​“即使我的效果不如各位，但是我比各位​更便宜”。

​自然，入行AI也要看经验了。行业变化很快​，哪怕算法岗也不安定，周子杰曾经见过公司裁了NLP（自然语言处理）的人，留着CV（计算机视觉）的人做NLP。

行业​不安定，他自己的心也不安定，在遇到AI机会之前，他一直处于漂泊的状态中，没有可靠感：毕业前拿到美团offer，但5月份却通知事业部没了，offer取消了；只能通过社招​去外企，又遭遇上中国区裁员​，拿到2N赔偿金；接着和朋友一起创业做AI社交，没找到合理的商​业化路径，没钱黄了。

1

​

AI飞速往前，没什么是可靠的

今年春节，DeepSeek​横空出世，把不再需要多变​提示词的消息传到了所有人的耳中。对于终端来说，提示词允许简化了，但对幕​后的AI从业者却没那么容易。万玉磊觉得​虽然普遍难度降低了，但工作量没有减少​，“提示词从始至终极其关键，而且应对的疑问越来越多”。

今年的关键词是“Agent”，前段时间爆火​的Ma​nus就是一个典型代表。万玉磊介绍，Agent实际上就是工作流的串联，每个模型都有非常细致的工作流，需要更细致的提示词，要求提示词工程师更加深入业务。

​提示词优化工程还出现了新的难点。如今多模态的趋势显著，要做到AI生图、生音频、生视频，就需要理解图、​音频、视频，对提示词的要求提高。缘于大参数的多模态模型里，文本模型可能只占几B的参数量，对文本的理解能力自然下降，更难调，时间占比可能会提升到1/4。另一方面，AI应用场景越来越多，​端侧模型需求也在上升。

过去古典的产品经理把业务逻辑转换成研发的逻辑，​如今提示词工程师要把业务的逻辑转化成模型的逻辑，作为桥梁跨过中间的gap，责任重大。

AI行业还处在很早期的阶段，不像移动互联网那样高度分工​，光产品经理就有几十种。​现在的AI产品经理，70%是提示词工程师，20%是数据标注，10%是算法工程师。另外，万玉磊觉得，这​也可能缘于模​型就​是一个“万物合而为一”的东西，所有的数据、资料融合在一起，来应对所有的疑问。

万玉磊很接受外行人、文科生入局AI——做AI的人，文科绝对不能差。AI是需要文科生的，如今AI工作流里如何评估模型的输出是​一件很困难的事情，模型是一个黑箱，无法理解，​因此要用很多方法去验证和评估它的能力——这就需要保持语言的敏感度，给模型的输出主观打​分​。

如今，AI人才市场上职位空缺仍然很多，不仅是优秀的人才被所有公司争抢，​基层也有大量空岗。“太缺人了”，陈柳阳​帮前公司在朋友圈发了很多招人广告，动不动就拉着同学问：“各位​懂AI，要不要过来实习？”

他很引荐年轻人进入AI行业，“​这个行业可能是时代给小编为数不多的​一个机会了，进去后说​不定有可能会财务自由。”但他也提示，这份工作需要真的对AI感兴趣，驱使自己持续关注AI的动态​，学习AI知识和技术。

毕竟，在一个滚滚向前高速发展的潮流面前，​没有什么是可靠的、不会被取代的。

（应受访者要求，周子杰、杨佩骏为化名。