镜相作者 2025-05-29 11:03 上海
靠自学就能转行AI的路，不好走了。
文丨阮怡玲
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。
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。”
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。
1
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。
