文 | 镜相工作室，作者丨阮怡玲，编辑丨卢枕
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，随着大模型能力的快速提升，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。
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，让他开始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 的深度用户，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开始的人并不多，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 产品的使用体验。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，OpenAI 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，甚至可以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？
之后就开始做各个项目，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，万玉磊就开始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 代码其实也是从零开始，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。」
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 python、深度学习、神经网络、大语言模型训练等课程，开始入门 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，面试官抛了一个问题：你懂什么技术？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 表达清楚你的需求。
● 陈柳阳自己撰写的文献阅读提示词工具，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，如今两者其实可以看做一个岗位，名头不同，工作内容类似。
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 ChatGPT 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，实际上工作内容全是 prompt 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工具；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。给业务方提供一个接口，保证模型输出给业务方的是稳定的、可靠的回答，需要写 prompt，调工具，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，所有操作中发现的共性问题，最终模型侧都能解决，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 AI 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，开始接触真正更类似 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，但占工作内容不到 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，让输出方式多种多样。
模型在升级，提示词工程师的工作内容也不断升级，没背景的普通人想入行越来越难了。
优化提示词不再重要
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，prompt 优化的难度降低，技术重要性也随之降低。
「如果一个提示词工程师只会调提示词，是有问题的」，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 功能，要在一个月内从零开始做 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，使用 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 85 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 Preview 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，AI 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，已经能替代很多复杂的 prompt 文本。
甚至杨佩骏现在觉得，思维链也不重要了，更重要的是混合推理，由模型自己判断这个问题需不需要深度思考，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）？选择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使用该方案的效果。最后一步才是提示词优化，快速地分析 badcase 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问题，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，每想一个解决方案，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，提示词工程仍然很重要，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方式。
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，就可以通过提示词引导模型的输出，如果使用微调的手段，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，「即使我的效果不如你，但是我比你更便宜」。
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，没有安全感：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。
AI 飞速往前，没什么是安全的
今年春节，DeepSeek 横空出世，把不再需要复杂提示词的消息传到了所有人的耳中。对于用户来说，提示词可以简化了，但对幕后的 AI 从业者却没那么简单。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重要，而且解决的问题越来越多」。
今年的关键词是 「Agent」，前段时间爆火的 Manus 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。因为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，这也可能因为模型就是一个 「万物合而为一」 的东西，所有的数据、资料融合在一起，来解决所有的问题。
万玉磊很支持外行人、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，所以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：「你懂 AI，要不要过来实习？」
他很推荐年轻人进入 AI 行业，「这个行业可能是时代给我们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，在一个滚滚向前快速发展的潮流面前，没有什么是安全的、不会被取代的。
（应受访者要求，周子杰、杨佩骏为化名。）
