這是一個(gè)“雖遲但到”的提示工程師（Prompt Engineer）職業(yè)祛魅指南。

很多讀者可能已經(jīng)從很多地方了解到，提示工程師有多么火爆，市面上也出現(xiàn)了許多高價(jià)“賣鏟子”的培訓(xùn)班，號(hào)稱“拿百萬年薪”。

而前不久的一個(gè)親身經(jīng)歷，則讓我確信，普通人轉(zhuǎn)行“提示工程師”，毫無意義。

(相關(guān)資料圖)

事情是這樣的。

我前不久去深圳東莞的松山湖風(fēng)景區(qū)，參加了HDC.cloud 2023華為開發(fā)者大會(huì)。那里平時(shí)也有不少市民前去游玩打卡拍照，所以活動(dòng)現(xiàn)場(chǎng)的展廳和會(huì)議室，也來了很多老人和小孩看熱鬧。

在一個(gè)數(shù)字人系統(tǒng)的演示屏幕前，一個(gè)五六歲的小男孩，就在我們一群大人的旁觀下，獨(dú)立完成了“輸入指令、生成視頻、播放測(cè)試、修改內(nèi)容”的整套操作。

當(dāng)然，他第一次接觸這套系統(tǒng)，甚至可能是第一次見到數(shù)字人，寫的提示詞粗糙，生成的視頻也很短，沒什么可看性。但這個(gè)事情，給出了“一個(gè)比特的信息”，讓我們確定，通過自然語言和直觀方式與大模型進(jìn)行交互，認(rèn)知門檻和操作門檻，正在急速下降。

一個(gè)沒有受過任何訓(xùn)練的小學(xué)生，也可以輕松運(yùn)用數(shù)字人背后的文本、圖像、語音等多種模型能力，讓它執(zhí)行特定任務(wù)。

這意味著，為生成式AI寫提示詞，將是未來工作的默認(rèn)技能，就像今天絕大多數(shù)知識(shí)崗位要會(huì)使用搜索引擎，以前創(chuàng)作者都要懂怎么去圖書館查找資料一樣。

真正的“提示工程”，又需要和大模型一起，深入行業(yè)和業(yè)務(wù)場(chǎng)景，而在那里，Prompt對(duì)專家的需求度，遠(yuǎn)高過專家對(duì)Prompt的需求度。

所以，普通人轉(zhuǎn)行“提示工程師”，毫無意義，至少賺錢、穩(wěn)定、門檻低，這三重意義，那很快就不沾邊了。

高薪的虛假繁榮

作為大模型浪潮所創(chuàng)造的新職業(yè)之一，“提示工程師”之所以最出圈、最令人興奮，就在于奪人眼球的高薪。

一些招聘薪酬甚至高達(dá)335k 美元年薪（相當(dāng)于人民幣230萬），為什么呢？因?yàn)橐驗(yàn)樘崾驹~（Prompts），和大模型輸出結(jié)果的強(qiáng)相關(guān)性。

生成式AI需要提示工程師和大模型交互、對(duì)接、設(shè)計(jì)和研發(fā)提示詞，借助精準(zhǔn)的指令或提示詞，才能充分釋放大模型的生產(chǎn)力。一旦大模型出現(xiàn)“幻覺”和胡說八道，也需要提示工程師再針對(duì)性地精調(diào)和訓(xùn)練，以確保AIGC達(dá)到預(yù)期的效果。

聽起來，似乎是一項(xiàng)很有挑戰(zhàn)性的工作，但需要注意的是，這個(gè)“寫提示詞”的大量中間環(huán)節(jié)，很快會(huì)被兩股力量干掉。

一股力量，就是大模型本身。

大模型的本質(zhì)，就是將智力工作（寫PPT繪畫寫報(bào)告等）自動(dòng)化、工業(yè)化，而“寫提示詞”包括的一系列特殊技能，比如模型功能理解、任務(wù)理解、編程、交互創(chuàng)意、測(cè)試評(píng)估、改進(jìn)調(diào)整，這些中間環(huán)節(jié)，現(xiàn)階段可能還需要專門學(xué)習(xí)、投入大量人力、智力資源來完成，但很快會(huì)被廢棄，或者封裝成開箱即用的插件/應(yīng)用。

隨著大模型變得越來越好，已經(jīng)出現(xiàn)一大堆插件工具，將“寫提示詞”這一智力勞動(dòng)，推進(jìn)到工業(yè)化、自動(dòng)化階段。除了前面提到的數(shù)字人系統(tǒng)，目前FusionAI也推出了提示詞自動(dòng)生成工具，Stable Diffusion也支持“拖拉拽”選風(fēng)格，不需要用戶自己琢磨，DALL-E 2也有非常精細(xì)的Prompt指導(dǎo)手冊(cè)。所以，這項(xiàng)技能會(huì)被大模型變得越來越低門檻。

（詳細(xì)的AIGC教程）

另一股力量，是開源開放。

開源模式，可以說是對(duì)創(chuàng)新的毫無保留，這對(duì)降低提示工程的復(fù)雜度和難度，起到了非常積極的作用。目前用大模型的門檻已經(jīng)下降到，只需要一臺(tái)筆記本電腦甚至一個(gè)手機(jī)，各個(gè)細(xì)分領(lǐng)域的從業(yè)者都可以探索、創(chuàng)造好用的Prompt，并通過開源社區(qū)、社交媒體等渠道開放出去。一些高容錯(cuò)率的場(chǎng)景，比如AI繪畫、情感問答，免費(fèi)優(yōu)質(zhì)的Prompt一搜一大把，很難形成付費(fèi)；而低容錯(cuò)率的場(chǎng)景，比如蛋白質(zhì)預(yù)測(cè)與生成，需要深入的業(yè)務(wù)理解和廣泛的技術(shù)知識(shí)Prompt也不是幾周、幾個(gè)月的培訓(xùn)就能寫出來并work的。

電梯剛出現(xiàn)的時(shí)候，大部分人不會(huì)用、不敢用，還誕生了一個(gè)工種叫“電梯操作員”，專門只幫人按電梯。但現(xiàn)在，電梯操作簡(jiǎn)單到小朋友都會(huì)按，我們只會(huì)在兩種情況見到“電梯操作員”，一種是特殊作業(yè)場(chǎng)景，比如醫(yī)院、高校，替人按電梯只是一份重復(fù)且乏味的工作，收入也比較慘淡；另一種則是高端服務(wù)場(chǎng)景，比如五星酒店、高級(jí)會(huì)館，靠為高凈值人群提供服務(wù)溢價(jià)，大約類似于到煙草集團(tuán)給“煙草行業(yè)大模型”寫提示詞，確實(shí)能實(shí)現(xiàn)高薪，但崗位十分稀缺，成功競(jìng)爭(zhēng)上崗的注定只是少數(shù)人。

一邊是AI大模型的“大力出奇跡”，一邊是開源生態(tài)的“人多力量大”，所以，留給 “提示工程師”的高薪崗位，真的沒有想象的那么多。

負(fù)擔(dān)重重的穩(wěn)定

有些人并不是一門心思想賺錢，而是對(duì)現(xiàn)有的工作感到非常不安全，想轉(zhuǎn)行到欣欣向榮的AI行業(yè)。而算法工程師、產(chǎn)品經(jīng)理等，都有學(xué)歷、技術(shù)背景、工作經(jīng)驗(yàn)等的嚴(yán)苛要求，與之相比，“提示工程師”往往不要求有正式的技術(shù)學(xué)位，對(duì)工作年限和經(jīng)驗(yàn)的要求也相對(duì)寬松。

很多擔(dān)心現(xiàn)有工作崗位被AI取代的人，就希望做“提示工程師”。畢竟連OpenAI首席執(zhí)行官Sam Altman都說了，提示工程（Prompt Engineering）最終可能會(huì)變得不那么重要，但就目前而言，它仍然是一種驚人的高杠桿技能。

但他沒有提到的是，IT行業(yè)有一個(gè)默認(rèn)的潛規(guī)則：所有的軟件都是負(fù)債（Technical debt）。任何新興的熱門軟件、技術(shù)應(yīng)用、開發(fā)語言，都是一種技術(shù)債務(wù)，會(huì)不斷經(jīng)歷重大升級(jí)，很多軟件可能會(huì)被停用，一些代碼會(huì)被重寫，公司或業(yè)務(wù)發(fā)生變化時(shí)，可能就換成了完全不同的技術(shù)。這也是為什么程序員會(huì)有35歲危機(jī)，一方面是職場(chǎng)內(nèi)卷的結(jié)果，另一個(gè)原因也是源于隨著從業(yè)年份增長，技術(shù)人員也會(huì)背上更多“技術(shù)債務(wù)”，如果不能及時(shí)清零、與時(shí)俱進(jìn)、終身學(xué)習(xí)，跟不上最新的技術(shù)趨勢(shì)，壓力越來越沉重。

提示工程是一門較新的學(xué)科，無論是底層的大模型，還是應(yīng)用層的提示詞開發(fā)和優(yōu)化，都有非常多的變數(shù)，技術(shù)創(chuàng)新迭代會(huì)非?？?。

計(jì)算機(jī)專業(yè)的從業(yè)者，憑借扎實(shí)的專業(yè)基礎(chǔ)、內(nèi)化的開發(fā)意識(shí)和審美，或許能夠很快遷移到新的技術(shù)工具上，跟上變化。

而普通人因?yàn)榭謶諥I威脅而盲目轉(zhuǎn)行，在短時(shí)期內(nèi)只能掌握一點(diǎn)皮毛，也不一定是發(fā)自內(nèi)心的熱愛，一旦技術(shù)發(fā)生較大的變化，可能投入的學(xué)習(xí)成本、時(shí)間成本、機(jī)會(huì)成本都會(huì)湮滅。所以想當(dāng)提示工程師的人們，真的做好了“任他雨打風(fēng)吹，我自巋然不動(dòng)”的心理準(zhǔn)備嗎？

真實(shí)的入行門檻

當(dāng)然，時(shí)代給普通人的上升機(jī)會(huì)本就稀少，通過容易上手的“寫提示詞”技能作為“跳板”，進(jìn)入行業(yè)之后再提升自己，“提示工程師”是非常好的路徑。

從可能會(huì)被消滅的“寫提示詞”型工程師，轉(zhuǎn)變成真正掌握了算法優(yōu)化、開發(fā)、落地部署的“提示工程”，那才是成功的轉(zhuǎn)型。

那么，實(shí)際操作中，提示工程究竟需要哪些能力呢？

首當(dāng)其沖的，還是AI技術(shù)。

脈脈人才智庫的一項(xiàng)調(diào)查顯示，目前AIGC熱招的崗位以技術(shù)崗位為主，算法工程師、自然語言處理、圖像識(shí)別等研發(fā)人才；而供給端，熱投的崗位則以AI產(chǎn)品經(jīng)理類、運(yùn)營類等非技術(shù)崗位居多。

人才供需結(jié)構(gòu)的失衡，也說明壁壘較高的技術(shù)崗位，對(duì)于算法、編程功底、學(xué)術(shù)研究成果等要求，并沒有放松多少，只有少部分人能夠勝任。具體到提示工程師，就業(yè)市場(chǎng)還沒有非常形成明確的標(biāo)準(zhǔn)和規(guī)范，所以由技術(shù)人員來內(nèi)部轉(zhuǎn)崗/兼任/探索，恐怕會(huì)成為大多數(shù)企業(yè)的選擇。

其次就是要“懂行”。

提示工程要在業(yè)務(wù)中發(fā)揮大模型的生產(chǎn)力價(jià)值，這就需要對(duì)AI和Prompt有深入了解，同時(shí)對(duì)業(yè)務(wù)場(chǎng)景、企業(yè)需求、發(fā)展戰(zhàn)略等很了解，可以將專業(yè)術(shù)語，直接而精確地用產(chǎn)品邏輯與數(shù)學(xué)邏輯表達(dá)出來，形成更具體的提示工程應(yīng)用，比如細(xì)分到金融文本解析、論文摘要生成、客服話術(shù)質(zhì)量控制等，才能保證輸出結(jié)果是有業(yè)務(wù)價(jià)值的最佳方案。

也就是說，即使沒有計(jì)算機(jī)或深度學(xué)習(xí)的學(xué)歷背景，作為行業(yè)專家，也能與算法工程師等配合做好提示工程，未來也可以轉(zhuǎn)型成為AI產(chǎn)品經(jīng)理。那么問題來了，普通人是否把自己正在干或者真正感興趣的職業(yè)，做精做好，做到專家級(jí)別呢？

幻想在另一個(gè)賽道重新開始、白手起家、降維打擊，那是爽文，不是現(xiàn)實(shí)。

同時(shí)還要提醒的是，提示工程師的職業(yè)風(fēng)險(xiǎn)，也是現(xiàn)實(shí)存在的。

眾所周知，大模型有不守規(guī)矩、胡說八道的“幻覺”問題，可能產(chǎn)生偽造、色情等有害內(nèi)容，要讓大模型的服務(wù)可靠可信，必須有人來把關(guān)和驗(yàn)證，提示工程師就是AIGC的“守門員”。而很多開源大模型是“不承諾任何責(zé)任”的，因?yàn)槊赓M(fèi)開放，所以一旦模型出現(xiàn)問題，比如有后門、遭到攻擊等，就很難追責(zé)。

怎么辦呢？只能是“誰用誰負(fù)責(zé)”。萬一出現(xiàn)了有害內(nèi)容或不可靠的結(jié)果，提示工程師自然也要承擔(dān)連帶責(zé)任。

有個(gè)段子說，AI取代不了會(huì)計(jì)，因?yàn)锳I不能坐牢。解決思路這不就來了，那就是由同樣是人的提示工程師，取代會(huì)計(jì)坐牢?。ú⒉皇钦f真的會(huì)坐牢?。?。

去年年底，Meta宣布AI部門拆散重組，原因是不應(yīng)該有獨(dú)立的AI部門，AI應(yīng)該融入到各個(gè)業(yè)務(wù)線當(dāng)中去。當(dāng)時(shí)，一些AI概念股也開始低迷，在高歌猛進(jìn)期投身工業(yè)界的AI科學(xué)家，不少又重返學(xué)界。沒想到年初ChatGPT炸裂登場(chǎng)，又為AI續(xù)了一命。

提到這段并不久遠(yuǎn)的歷史，是希望大眾別只看到AI“吃肉”，也得看到“挨打”的一面。AI產(chǎn)業(yè)進(jìn)程中，也存在較大的變數(shù)和不確定性，崗位隨時(shí)會(huì)有調(diào)整和變化。

大模型熱度催生的提示工程師職業(yè)，究竟是曇花一現(xiàn)，還是長期需求，抑或會(huì)融合到算法工程師的技能體系內(nèi)，還是未知數(shù)。

唯一可以確定的是，就像AI Exchange的創(chuàng)始人Rachel Woods所說，未來的真正工作技能，是“AI素養(yǎng)”。隨著Prompt工具的平民化，每個(gè)人都能掌握這一技能。

而盲目轉(zhuǎn)行，恐怕還沒站上風(fēng)口、長出翅膀，就要面臨風(fēng)停的考驗(yàn)。

標(biāo)簽：