圖檔來源@視覺中國
文 | 腦極體
這是一個“雖遲但到”的提示工程師（Prompt Engineer）職業驅魅指南。
很多讀者可能已經從很多地方了解到，提示工程師有多麼火爆，市面上也出現了許多高價“賣鏟子”的教育訓練班，号稱“拿百萬年薪”。
而前不久的一個親身經曆，則讓我确信，普通人轉行“提示工程師”，毫無意義。
事情是這樣的。
我前不久去深圳東莞的松山湖風景區，參加了HDC.cloud 2023華為開發者大會。那裡平時也有不少市民前去遊玩打卡拍照，是以活動現場的展廳和會議室，也來了很多老人和小孩看熱鬧。
在一個數字人系統的示範螢幕前，一個五六歲的小男孩，就在我們一群大人的旁觀下，獨立完成了“輸入指令、生成視訊、播放測試、修改内容”的整套操作。
當然，他第一次接觸這套系統，甚至可能是第一次見到數字人，寫的提示詞粗糙，生成的視訊也很短，沒什麼可看性。但這個事情，給出了“一個比特的資訊”，讓我們确定，通過自然語言和直覺方式與大模型進行互動，認知門檻和操作門檻，正在急速下降。
一個沒有受過任何訓練的國小生，也可以輕松運用數字人背後的文本、圖像、語音等多種模型能力，讓它執行特定任務。
這意味着，為生成式AI寫提示詞，将是未來工作的預設技能，就像今天絕大多數知識崗位要會使用搜尋引擎，以前創作者都要懂怎麼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，深入行業和業務場景，而在那裡，Prompt對專家的需求度，遠高過專家對Prompt的需求度。
是以，普通人轉行“提示工程師”，毫無意義，至少賺錢、穩定、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造的新職業之一，“提示工程師”之是以最出圈、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335k 美元年薪（相當于人民币230萬），為什麼呢？因為因為提示詞（Prompts），和大模型輸出結果的強相關性。
生成式AI需要提示工程師和大模型互動、對接、設計和研發提示詞，借助精準的指令或提示詞，才能充分釋放大模型的生産力。一旦大模型出現“幻覺”和胡說八道，也需要提示工程師再針對性地精調和訓練，以確定AIGC達到預期的效果。
聽起來，似乎是一項很有挑戰性的工作，但需要注意的是，這個“寫提示詞”的大量中間環節，很快會被兩股力量幹掉。
一股力量，就是大模型本身。
大模型的本質，就是将智力工作（寫PPT繪畫寫報告等）自動化、工業化，而“寫提示詞”包括的一系列特殊技能，比如模型功能了解、任務了解、程式設計、互動創意、測試評估、改進調整，這些中間環節，現階段可能還需要專門學習、投入大量人力、智力資源來完成，但很快會被廢棄，或者封裝成開箱即用的插件/應用。
随着大模型變得越來越好，已經出現一大堆插件工具，将“寫提示詞”這一智力勞動，推進到工業化、自動化階段。除了前面提到的數字人系統，目前FusionAI也推出了提示詞自動生成工具，Stable Diffusion也支援“拖拉拽”選風格，不需要使用者自己琢磨，DALL-E 2也有非常精細的Prompt指導手冊。是以，這項技能會被大模型變得越來越低門檻。
另一股力量，是開源開放。
開源模式，可以說是對創新的毫無保留，這對降低提示工程的複雜度和難度，起到了非常積極的作用。目前用大模型的門檻已經下降到，隻需要一台筆記本電腦甚至一個手機，各個細分領域的從業者都可以探索、創造好用的Prompt，并通過開源社群、社交媒體等管道開放出去。一些高容錯率的場景，比如AI繪畫、情感問答，免費優質的Prompt一搜一大把，很難形成付費；而低容錯率的場景，比如蛋白質預測與生成，需要深入的業務了解和廣泛的技術知識Prompt也不是幾周、幾個月的教育訓練就能寫出來并work的。
電梯剛出現的時候，大部分人不會用、不敢用，還誕生了一個工種叫“電梯操作員”，專門隻幫人按電梯。但現在，電梯操作簡單到小朋友都會按，我們隻會在兩種情況見到“電梯操作員”，一種是特殊作業場景，比如醫院、高校，替人按電梯隻是一份重複且乏味的工作，收入也比較慘淡；另一種則是高端服務場景，比如五星酒店、進階會館，靠為高淨值人群提供服務溢價，大約類似于到煙草集團給“煙草行業大模型”寫提示詞，确實能實作高薪，但崗位十分稀缺，成功競争上崗的注定隻是少數人。
一邊是AI大模型的“大力出奇迹”，一邊是開源生态的“人多力量大”，是以，留給 “提示工程師”的高薪崗位，真的沒有想象的那麼多。
負擔重重的穩定
有些人并不是一門心思想賺錢，而是對現有的工作感到非常不安全，想轉行到欣欣向榮的AI行業。而算法工程師、産品經理等，都有學曆、技術背景、工作經驗等的嚴苛要求，與之相比，“提示工程師”往往不要求有正式的技術學位，對工作年限和經驗的要求也相對寬松。
很多擔心現有工作崗位被AI取代的人，就希望做“提示工程師”。畢竟連OpenAI首席執行官Sam Altman都說了，提示工程（Prompt Engineering）最終可能會變得不那麼重要，但就目前而言，它仍然是一種驚人的高杠杆技能。
但他沒有提到的是，IT行業有一個預設的潛規則：所有的軟體都是負債（Technical debt）。任何新興的熱門軟體、技術應用、開發語言，都是一種技術債務，會不斷經曆重大更新，很多軟體可能會被停用，一些代碼會被重寫，公司或業務發生變化時，可能就換成了完全不同的技術。這也是為什麼程式員會有35歲危機，一方面是職場内卷的結果，另一個原因也是源于随着從業年份增長，技術人員也會背上更多“技術債務”，如果不能及時清零、與時俱進、終身學習，跟不上最新的技術趨勢，壓力越來越沉重。
提示工程是一門較新的學科，無論是底層的大模型，還是應用層的提示詞開發和優化，都有非常多的變數，技術創新疊代會非常快。
計算機專業的從業者，憑借紮實的專業基礎、内化的開發意識和審美，或許能夠很快遷移到新的技術工具上，跟上變化。
而普通人因為恐懼AI威脅而盲目轉行，在短時期内隻能掌握一點皮毛，也不一定是發自内心的熱愛，一旦技術發生較大的變化，可能投入的學習成本、時間成本、機會成本都會湮滅。是以想當提示工程師的人們，真的做好了“任他雨打風吹，我自巋然不動”的心理準備嗎？
真實的入行門檻
當然，時代給普通人的上升機會本就稀少，通過容易上手的“寫提示詞”技能作為“跳闆”，進入行業之後再提升自己，“提示工程師”是非常好的路徑。
從可能會被消滅的“寫提示詞”型工程師，轉變成真正掌握了算法優化、開發、落地部署的“提示工程”，那才是成功的轉型。
那麼，實際操作中，提示工程究竟需要哪些能力呢？
首當其沖的，還是AI技術。
脈脈人才智庫的一項調查顯示，目前AIGC熱招的崗位以技術崗位為主，算法工程師、自然語言處理、圖像識别等研發人才；而供給端，熱投的崗位則以AI産品經理類、營運類等非技術崗位居多。
人才供需結構的失衡，也說明壁壘較高的技術崗位，對于算法、程式設計功底、學術研究成果等要求，并沒有放松多少，隻有少部分人能夠勝任。具體到提示工程師，就業市場還沒有非常形成明确的标準和規範，是以由技術人員來内部轉崗/兼任/探索，恐怕會成為大多數企業的選擇。
其次就是要“懂行”。
提示工程要在業務中發揮大模型的生産力價值，這就需要對AI和Prompt有深入了解，同時對業務場景、企業需求、發展戰略等很了解，可以将專業術語，直接而精确地用産品邏輯與數學邏輯表達出來，形成更具體的提示工程應用，比如細分到金融文本解析、論文摘要生成、客服話術品質控制等，才能保證輸出結果是有業務價值的最佳方案。
也就是說，即使沒有計算機或深度學習的學曆背景，作為行業專家，也能與算法工程師等配合做好提示工程，未來也可以轉型成為AI産品經理。那麼問題來了，普通人是否把自己正在幹或者真正感興趣的職業，做精做好，做到專家級别呢？
幻想在另一個賽道重新開始、白手起家、降維打擊，那是爽文，不是現實。
同時還要提醒的是，提示工程師的職業風險，也是現實存在的。
衆所周知，大模型有不守規矩、胡說八道的“幻覺”問題，可能産生僞造、色情等有害内容，要讓大模型的服務可靠可信，必須有人來把關和驗證，提示工程師就是AIGC的“守門員”。而很多開源大模型是“不承諾任何責任”的，因為免費開放，是以一旦模型出現問題，比如有後門、遭到攻擊等，就很難追責。
怎麼辦呢？隻能是“誰用誰負責”。萬一出現了有害内容或不可靠的結果，提示工程師自然也要承擔連帶責任。
有個段子說，AI取代不了會計，因為AI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，取代會計坐牢啊（并不是說真的會坐牢！）。
去年年底，Meta宣布AI部門拆散重組，原因是不應該有獨立的AI部門，AI應該融入到各個業務線當中去。當時，一些AI概念股也開始低迷，在高歌猛進期投身工業界的AI科學家，不少又重返學界。沒想到年初ChatGPT炸裂登場，又為AI續了一命。
提到這段并不久遠的曆史，是希望大衆别隻看到AI“吃肉”，也得看到“挨打”的一面。AI産業程序中，也存在較大的變數和不确定性，崗位随時會有調整和變化。
大模型熱度催生的提示工程師職業，究竟是昙花一現，還是長期需求，抑或會融合到算法工程師的技能體系内，還是未知數。
唯一可以确定的是，就像AI Exchange的創始人Rachel Woods所說，未來的真正工作技能，是“AI素養”。随着Prompt工具的平民化，每個人都能掌握這一技能。
而盲目轉行，恐怕還沒站上風口、長出翅膀，就要面臨風停的考驗。