作者 | 王一鹏

15-50k 的月薪，另外还有年终奖和其他福利，你所要做的，就是研究、分析、设计在用汉语或英语做输入的情况下，更准确地描述业务想要做的事情，听起来是不是很难以置信？

然而这就是真实出现在 BOSS 直聘上的招聘启事，其岗位名称叫做“Prompt 工程师”或“Prompt Engineer”，于 2023 年上半年在国内快速兴起，目前已有 30 家左右的公司在各大平台公开招聘该岗位。在国外，Prompt Engineer 的热度似乎更高，不仅岗位数量更多，而且年薪最高达到了七位数，在全球经济皆不景气的当下，显得独树一帜。

可是，在经济不景气的背景下，由供需主导的人才市场，是不太可能出现“头脑发热”症状的。在经过一系列研究调查，并与相关招聘单位、企业高管进行深度访谈后，我们发现，以为“Prompt 工程师”的入行门槛低，只是一种错觉。当前企业招聘的“Prompt 工程师”岗位，实际上不但对应聘者的要求很高，而且极度务实。换句话说，如果你真的成功转型成了一名全职 Prompt 工程师，那么 15k-50k 的月薪，不但不浮夸，而且恰如其分。

“魔幻”的背后是高门槛与极度务实

Prompt 工程师的主要工作，是通过带参或不带参的自然语言输入，对预训练大语言模型进行操作，并对输出结果进行调优。可以说，Prompt 工程师就是企业或组织，为了将大模型的能力带入生产环境，而特别创造的岗位职能。这一岗位的兴起，与大模型技术本身的成熟直接相关。

创客贴是国内头部的平面设计在线平台，也正在招聘 Prompt 工程师， CTO 李晋松这样描述招聘原因：“大模型能力的成熟，就像突然之间，我们手中拥有了一架强大的机器。但机器上的按钮很多，且没有说明书，需要一个同学来探索、归纳、总结其使用方法。”

当然，这里只是针对 Prompt 工程师的招聘需求而谈的，要对大模型的输出结果进行微调，方法并不只有 Prompt 一种，其完整的概括应该是：

1. 全部微调：使用新的数据集对整个模型进行微调，包括预训练的部分和新加的任务特定层。这种方法通常需要大量的数据和计算资源，并且需要更长的训练时间，但能够获得最好的性能。
2. 部分微调：只对特定的层或几个层进行微调，通常是模型的最后几层或添加的任务特定层。这种方法通常需要较少的数据和计算资源，训练时间也较短，但性能可能不如全局微调。
3. 冻结部分层：将预训练模型的前几层（如 BERT 的前若干层）冻结，只对后面的层进行微调。这种方法可以减少微调的参数量和计算量，但可能会影响性能。
4. 动态掩码微调：对于需要进行序列标注任务的预训练模型，可以使用动态掩码微调的方法，即只对标注序列的位置进行微调，对其他位置的参数进行冻结。这种方法可以减少微调的参数量，提高计算效率。
5. 半监督微调：使用少量的标注数据和大量的无标注数据对模型进行微调，以提高性能。这种方法需要使用半监督学习的技术，如自监督学习或基于对抗学习的方法。
6. Prompt 工程：更偏向应用与业务，通过修改输入给大模型的提示词，调优输出结果。

但前面五种，都需要一定的操作成本，且一般由算法工程师或所谓 AIGC 工程师来完成，最后一种是在解决大模型从生产到应用的“最后一公里”问题，目前是必备的，当下一般由算法工程师或其他技术角色兼任，或是企业招聘专人负责。

大众对 Prompt 工程师一职印象的分裂，也多半来源于此：从表面看来，Prompt 工程师是所有 IT 行业的工程师角色里，唯一写自然语言的工种，且所负责的事项，也无非是把一项任务表述得更清楚，似乎任何语言表达能力不错的人都可以做到。

事实真是如此吗？李晋松向 InfoQ 举了一个形象的例子：如果有人手动搭建了一个复杂的艺术模型，你能否通过提示词的猜测和微调，在 AIGC 工具里 100% 还原该作品？无疑相当困难。

这就是 Prompt 工程师入门的第一个难点：自然语言先天的模糊性。

人类文明的基石就是语言，但恰恰是因为语言承载了文明，同时具备了社会价值、历史价值、文化价值……所以其表意通常是模糊的、泛化的，“词义消岐”常年来就是 NLP 领域的一个固定科目。而已经习惯了自然语言表述逻辑的我们，要使用自然语言做精确的工程性描述，无疑也有点困难。

第二个难点在于普通人对垂直领域的专用术语，是存在语言匮乏现象的——任何一个场景都有大量的专用术语，用白话很难替代。比如在平面设计行业，伦布朗光、径向、层次等级、Ascender、Descender、互补色……致使所谓的 Prompt 工程师至少应该成为某个领域的业务专家。

针对以上两个难点的考察，李晋松在采访中提到，目前招聘企业都非常务实，基本上需要面试者实机演示 Prompt 输入的微调和输出结果。

InfoQ 同时也采访了珠海太乙人工智能技术合伙人 & 项目总监、极客时间 21 天 AIGC 行动营讲师尹会生，他从另一个角度聊到这个问题：“IT 领域大部分岗位的入门难度是逐渐上升的。比如运维工程师，早期是研发工程师兼职转任，熟悉资源、环境就好了，慢慢地，运维工程师要开始会编程语言、脚本语言，比如 Shell、Python，门槛开始升高。到了今天，运维工程师的门槛已经相当高，需要了解容器、监控技术等。所以相对来说，现在的 Prompt 工程师入门门槛，可能是历史最低值，是入行的好时机。”

两个角度相结合，我们或许可以得出一个复合结论：Prompt 工程师并非一个“麻瓜”可以随便上手的工作，且未来可能越来越难。

尹会生同时谈到另外一个思考：当下的 Prompt 工程师最好来自于技术行业，是某一领域的技术人员。因为 Prompt 工程师很可能是 AI 技术专家身旁的“副驾”或合作者，与之协作的都是资深技术人员。如果 Prompt 工程师本身不懂技术，那么也就无法顺畅协作。

Prompt 工程师还应该与时俱进，根据 InfoQ 写作社区的一位算法工程师小伙伴汀的分享：Prompt 工程师目前也要关注和解决与大模型相关的风险和安全问题，因此需要了解对抗性 Prompt 的理念和方法，与此类似的新 Prompt 思想还包括 Active-Prompt、GraphPrompts、Multimodal CoT Prompting 等，其背后是大量的学术论文支撑，需要认真理解。

图 Active-Prompt 示意图

此外，站在企业的角度，所有受访嘉宾一致同意，Prompt 工程师的一大价值，应该是能归纳总结 Prompt 的相关经验、实践、思路，把项目做成产品、平台和能力，赋能企业。而这在大部分团队内，针对普通工程师而言，算作是一项进阶能力，明显更为合理。

于是，当我们将以上所有要求汇总，得出的岗位画像是这样的：

Prompt 工程师最好是一个 AI 领域研发出身，有充足的 Prompt 实践经验和理论知识，十分了解公司业务和所在行业、能持续学习大模型相关前沿技术，并将其沉淀为团队能力乃至平台、产品的复合型人才。

根据极客邦科技双数研究院在 2021 年对数字化转型进程中的“业务架构师”的研究表明，既懂技术又懂业务并能将二者合二为一的人，往往是行业内最稀缺的人才。

这样看来，50k 的月薪好像也没有多离谱。

岗位变迁：注定流行，但难说长青

这一岗位长期的发展情况，也是广大开发者所关注的问题——甚至可以说，这比工作难度大、面试通过率低，更让人担心。

道理很简单，对于 Prompt 工程师这一岗位的发展前景，行业里天然存在一个悖论：

AI 的发展，本质上是以劳动力替代为目标的，也就是将越来越多的工作交给机器，以达成企业降本提效的诉求。而 Prompt 工程师本身是大模型技术在某一发展阶段的特定产物，因受交互方式限制，所以不得不专人专岗。况且对于企业而言，这本身就是人力成本的二次增加；裁撤数名业务人员，换来数名 Prompt 工程师，账未必算得过来。

简单来说，就是大模型技术发展的主要目标之一，是降低人力成本，其中也包括所谓的 Prompt 工程师。

而最近技术圈的新闻似乎也在印证这一点：6 月 13 日，阿里云机器学习 PAI 团队在 InfoQ 写作社区发文称，推出自研 Prompt 美化器 BeautifulPrompt，服务 Stable Diffusion。其原理是当用户输入了一个极其简单的 Prompt，该工具可以将其扩写成一个经过语言模型优化过的、细节描述详细的 Prompt，再吐给 Stable Diffusion。

BeautifulPrompt 整体架构

虽然工具效果还未受到行业内的广泛检验，但可以看出，围绕“Prompt 工程师”开展的优化动作早就已经开始了。

需要特别注意的是，这并不意味着这一岗位的寿命已经进入倒计时，开始优化和优化成功，到底还是两个概念。

以“云计算工程师”为例，该职位伴随着云计算的崛起而出现，高光时期曾登上人社部新兴岗位名单。尽管云计算产业秉持着“云服务应该像自来水一样，让客户对基础设施完全无感”的理念，十数年间持续优化产品体验。可在今日的招聘平台，我们依然能见到“云计算工程师”的招聘启事。

另外一个例证来自“数据分析师”。让大数据的能力普惠各行各业，让只有数据科学家才能使用的产品退出舞台，多年来都是众多大数据从业者努力的方向。但经过了二十年的大数据基建和产品研发，“数据分析师”仍然是一个庞大的从业群体。

张晋松和尹会生两位专家都赞同“Prompt 工程师”会成为 AI 行业接下来一段时间的常见岗位，相关热度会越来越高。未来，会不会有新技术代替人类优化提示词，人类与 AI 大模型的交互方式会不会发生改变，还是个未知数。张晋松提到：“技术发展的每一个阶段，都有特定的岗位设计。早期人们甚至需要打字员，现在则不需要。AIGC 现阶段的主要交互方式就是 Prompt，企业应该大胆地开始招聘，不要因为未来某一天的变化而放弃当下的发展机遇。”

两位专家同时默契地指出，即便未来大模型不再需要人工调优 Prompt，也只是该岗位的消亡，并不代表对应的工程师会失业。张晋松作为实际的企业招聘者，对此已有规划和安排：“我们更倾向于选择一些在 AI 技术、产品维度有一定知识储备的同学，假设真的有一天，技术把 Prompt 工程师这一岗位取缔了，他还可以转型成为 AI 产品经理或 AI 研发工程师。”

尹会生则简洁地告诉 InfoQ：“我认为，真正取代碳基生物的，永远是另一个碳基生物。”

要不要转行做 Prompt 工程师？

关于“要不要转行做 Prompt 工程师”这一问题，尹会生的回答是：

“我举双手双脚赞成”，他说：“当下是入行最好的时间，后面的门槛会越来越高。而且未来被淘汰的人，一定是拒绝了解、学习使用 AI 这种先进工具的人。”

唯一要注意的是，当下行业还属于懵懂期，各家企业基本都对 Prompt 工程师的绩效设定、量化考核没有太明确、成型的想法。这就导致一旦企业增长放缓，高层考虑降低人力成本，说不清自身价值的 Prompt 工程师就可能会被优先裁撤。

所以努力学习 Prompt 知识，积累 Prompt 实践经验，优先谋求内部转岗或兼任尝试，可能是更稳妥的选择。当然，如果对自身的能力有信心，和用人单位也充分对齐了期望、达成了共识，快人一步，全职转型 Prompt 工程师，也未尝不可。不偏听冲动，才是 AIGC 大潮下的唯一致胜秘诀。

本文受访嘉宾：

1. 李晋松，创客贴 CTO，互联网创业者和资深技术专家，创业经历有老虎地图、拉勾网，曾任职搜狗、360 AI 研究院、核桃编程、作业帮、创客贴等历任资深技术专家、 技术总监、技术负责人、副总经理等职务。
2. 尹会生，珠海太乙人工智能技术合伙人 & 项目总监，前游戏公司技术总监，前新浪网技术经理。已经在极客时间开设了两门视频课程《零基础学 Python》《Linux 实战技能 100 讲》，一门专栏课程《Python 自动化办公实战课》，一个行动营《21 天 AIGC 行动营》，累计学习人数达到 18 万余人。

文中关于 Prompt 工程未来技术趋势的参考：

BeautifulPrompt：PAI 推出自研 Prompt 美化器，赋能 AIGC 一键出美图。

作者：汀，一名算法工程师，主要在自然语言处理，强化学习以及机器学习领域耕深推理。欢迎大家关注 id 汀丶人工智能一起 AI 学习。

AIGC 课程推荐

极客时间《AI 大模型应用开发 · 实战营》首发，作者是深耕 AI 领域多年的技术专家彭靖田。

课程 8 周全程直播授课，覆盖硬件选型、大模型理论、 LangChain 开发框架剖析和落地实践，全程紧贴实际生产环境。现在市面上流行实用的，比如 AutoGPT 数字员工、翻译助手、智能销售顾问等经典项目，课程中都会带你动手实践。

不容错过的历史机遇，帮助你掌握利用大模型开发相关的 AI 应用的能力！

本文转载来源：

https://www.infoq.cn/article/7FGafFFFYkbMxW11u0BT