聚光灯
语言模型工程师、AI对话架构师、自然语言生成专家、对话式AI开发者、提示设计专家、语言模型调优师、对话系统工程师、AI语言工程师、NLP工程师（NLP即自然语言处理）、AI内容设计师
人工智能自20世纪50年代中期便已出现，至少作为学术研究领域存在至今。近几十年来该领域呈现爆发式增长，如今人工智能几乎渗透到所有行业领域。加州理工学院指出，从"医疗、交通、机器人、科学、教育、军事、监控、金融及其监管、农业、娱乐、零售、客户服务到制造业"，人工智能正"日益深刻地影响着我们的生活"。 这简直是轻描淡写！
随着OpenAI的ChatGPT-4、谷歌的Bard、微软的新版Bing AI以及生成式人工智能竞赛中其他竞争者的出现，这一预测已然成为现实。但这类人工智能程序究竟如何运作？它们如何"学会"交流？部分答案在于提示工程师们艰苦（且耐心）的付出！
人工智能中有一个充满活力的子领域，称为自然语言处理（NLP）。NLP本质上是教计算机如何像人类学习那样理解书面和口头信息。 提示工程师的职责就是设计文本提示，以此 训练这些卓越的人工智能模型。这些程序随后会运用人工智能的另一分支——机器学习（ML）——来分析输入内容并生成响应。机器学习中还有一个子领域称为深度学习，它通过训练神经网络来实现基于实例的学习！
关键在于，人工智能之所以能发展到如此先进的地步，全赖提示工程师及其他自然语言处理和机器学习专家们在幕后所做的耐心耕耘。因此至少目前而言，人工智能依然离不开我们！
As AI agents become more autonomous, crafting effective prompts remains valuable—but the role is evolving. Prompt Engineers increasingly focus on AI system design, workflow optimization, and aligning AI outputs with business goals. Understanding model behavior and ethical implications is key.
- 助力革命性人工智能模型的演进
- 在具有变革性的行业中工作，该行业有潜力以多种方式改善人们的生活。
- 丰厚的薪资待遇和当前强劲的就业前景
工作日程
提示工程师为全职员工，根据项目目标和时间要求可能需要加班。其工作职责在室内办公环境中履行，但可能需要前往不同地点完成现场任务。
典型职责
- 旨在提升人工智能模型性能的设计提示技术
- 开发并优化清晰、精确的提示，例如用户生成的输入和预定义的指令。
- 使用前缀调整来优化连续提示
- 将任务转换为基于提示的数据集
- 通过提示学习训练语言模型
- 提升大型语言模型（LLM）的能力（例如回答问题和解决算术问题的能力）
- 运用链式思维提示增强大型语言模型的推理能力
- 通过领域知识增强大型语言模型；提升大型语言模型的安全性
- 严格分析输出内容的准确性和相关性；修正模糊指令，并将指令变体重新输入至AI模型。
- 手动对数据集进行分类
- 筛查因提取原始未过滤数据而产生的有害响应。确定哪些输入导致了不可接受的输出。
- 使用文本到图像提示词与能够生成图像的AI模型协作
额外职责
- 与跨职能团队协作解决问题
- 排查系统故障原因
- 防范潜在的即时注入攻击
- 保持对程序的完整记录
- 及时了解行业进展与趋势
- 协助建立最佳实践知识库
- 私营企业
- 人工智能研究公司
- 大学
提示工程是一个相对新兴的职业领域，目前企业正争相寻找合格人才。然而由于该岗位炙手可热且薪资优渥，预计很快将吸引大批计算机科学背景的新人涌入。具备相关教育背景和经验基础者，可能只需数周或数月就能完成该新兴领域的培训。 但正如提示工程师罗伯·列侬向《时代》杂志所言："目前大概只有500人能胜任这类工作，所以薪资才如此疯狂。但六个月后，将有5万人能胜任这份工作。"
关于该领域未来发展的另一项担忧在于其存在诸多不确定性。宾夕法尼亚大学沃顿商学院的伊桑·莫利克教授承认："提示工程能否长期发挥作用尚不明确，因为人工智能程序正日益擅长预测用户需求并生成提示。"
换言之，提示工程师可能仅在AI尚未摆脱辅助训练阶段、仍需人类帮助推进发展时才被需要。因此当前提示工程师在训练AI模型时需保持条理清晰与耐心，但当AI不再需要他们时，他们可能不得不牺牲自身谋生能力。
生成式人工智能早在20世纪60年代便已问世，但直到近年才凭借生成对抗网络技术跃居人工智能领域前沿——该技术赋予模型生成逼真文本、图像、音频及3D模型等的能力。近期突破性进展如生成式预训练变换器（即GPT）令公众震惊不已，引发了热烈反响……以及警觉！
随着人工智能日益成为焦点，其能力也日益凸显，企业正重新审视传统的经营模式。生成式人工智能的崛起预计将对多个职业领域产生巨大影响，包括编程等计算机科学相关岗位。人工智能能够或即将能够完成大量以往仅有人类工作者才能胜任的任务。对于人工智能无法取代的岗位，它至少会以某种形式实现增强。
即便是提示词工程师也无法免受人工智能对劳动力市场带来的颠覆性变革，因为终有一天，人工智能将能胜任提示词撰写者的工作。某种意义上，人工智能可能让其创造者失业。话虽如此，全球各地的企业和政府已开始对人工智能日益增强的威力感到忧虑，部分机构甚至要求暂停特定领域的人工智能研究。
提示：工程师们很可能从小就对技术充满热情。他们或许热衷于计算机编程，喜欢摆弄各种编程语言，甚至涉足黑客领域。与此同时，他们也可能享受分析性问题解决的乐趣，热衷阅读高阶书籍，或是沉迷于故事创作。
团队合作是该职业领域的重要组成部分，但提示工程师必须能够适应独自工作并长时间保持专注。这种能力可能源于童年时期的类似经历，比如曾连续数小时进行编程或游戏。
- 程序员通常需要计算机科学、计算机工程或相关专业的学士学位。
- 常见课程主题包括：
- 人工智能伦理
- 决策
- 深度学习
- 人机交互
- 大型语言模型
- 机器学习
- 自然语言处理
- 机器人技术
- 相关课程还可能涵盖：
- 计算机系统
- 微分与积分学
- 函数式编程
- 命令式计算
- 矩阵与线性变换
- 概率论
- 顺序数据结构与算法
- 雇主将优先考虑具备自然语言处理（NLP）、机器学习（ML）、大型语言模型（LLMs）及深度学习领域实操经验的应聘者。同时，他们可能还希望候选人掌握提示词开发、提示词脚本语言、Linux操作系统以及提示词自动化工具的相关经验。
- 请注意，招聘人员可能更关注个人的知识和技能，而非这些技能的来源（例如大学课程、认证、训练营或临时性在线课程）。
- 许多教育培训平台如雨后春笋般涌现，提供提示工程课程，例如提示工程学院 和Learn Prompting。这些平台或许能帮助学习者掌握初级、中级乃至高级技能。但请谨记：雇主可能要求验证你的知识与能力，因此请务必打印或保存所有结业证书。
- Linux可通过Codecademy等在线平台学习。有人称只需数日即可掌握基础命令，数月便能习得高级指令。
- 学生们还可以通过自学或参加课程来学习Bash、Python和Java等编程语言。
- Class Central提供一系列免费提示工程在线课程的详细信息。
- 同时不妨看看Coursera的课程，例如其约18小时的《ChatGPT提示工程》课程，或是DeepLearning.AI的《开发者ChatGPT提示工程》课程。
我们向ChatGPT寻求了更多教育类推荐。以下是它的回答：
计算语言学或自然语言处理方向的硕士学位能为提示工程提供更专业的语言相关视角；而机器学习或人工智能方向的硕士学位则能帮助深入理解自然语言生成模型的统计与数学原理。
ChatGPT还提供了以下学位建议！
- 计算机科学学士学位：“为开发高效自然语言生成模型奠定坚实基础，涵盖编程语言、算法及数据结构等核心领域。”
- 计算语言学学士学位：“提供对提示工程中语言相关方面的更深入理解，包括句法、语义和话语。”
- 计算语言学硕士学位：“专注于自然语言的研究及其计算机处理方式。”
- 自然语言处理硕士学位：“专注于开发处理人类语言的算法和模型。”
- 人工智能硕士学位课程：“ 涵盖智能系统相关领域的广泛主题，包括机器学习、自然语言处理和机器人技术。”
- 数据科学硕士学位： “为统计建模、机器学习和数据分析提供 坚实基础，这些知识均与提示工程密切相关。”
- 语言学硕士学位：“提供 对语言结构和使用方式的深刻理解，这是开发高效自然语言生成模型的基础。”
- 认知科学硕士学位：“专注于 人类认知的研究，以及如何运用计算技术对其建模。”
- 人机交互硕士学位：“专注于设计和开发直观易用的用户界面，这对提示工程应用至关重要。”
- 决定你是否要攻读计算机科学、计算机工程或相关领域的学位……重点放在人工智能方向！
- 除专业方向和人工智能侧重点外，还需考察学校在提示工程领域的具体课程设置。
- 请考虑学费、折扣以及本地奖学金机会（除联邦援助外）的费用。
- 在决定选择校内、在线或混合课程时，请考虑您的日程安排和时间灵活性。促工专业非常适合在线学习！
- 注册大量数学课程（微积分、代数、离散数学和统计学）、计算机科学、编程、英语及修辞学
- 在Coursera、Udemy、微软、DeepLearning.AI、Prompt Engineering Institute 和Learn Prompting平台上学习在线提示工程课程。
- 通过与自然语言处理、机器学习、大型语言模型和/或编程相关的兼职工作，获得实际经验。
- 开始撰写你的简历，并在学习和积累工作经验的过程中不断完善它。
- 提前查看职位招聘信息，了解普遍要求。由于这是个新兴职业领域，你可能会发现不同雇主对人才的需求各不相同。
- 请求与在职的提示工程师进行一次信息性访谈
- 列出可能作为未来工作推荐人的联系人名单（包括电子邮箱地址或电话号码）
- 持续精进你的技能。研读与提示工程、自然语言处理、机器学习、大型语言模型、Linux在人工智能中的应用以及相关编程语言相关的书籍、网络文章和视频教程。
- 加入在线论坛，向经验丰富的AI专业人士提问并学习
- 在人工智能社群中建立你的社交资本
- 与专业组织互动，学习、分享、结交朋友并拓展人脉。可考虑加入的组织包括：
- 尝试完成计算机科学或相关专业的学位，重点学习人工智能。
- 在申请前尽可能多地积累自然语言处理、人工智能、大型语言模型等领域的实践经验。
- 若大学课程未能提供足够的相关课程，可通过选修与提示工程相关的专项课程来增强简历竞争力。
- 请记住，语言工程师还应精通语言艺术，因此请展示您任何与写作或英语教学相关的经验。
- 查看Indeed、Simply Hired、Glassdoor和Craigslist等招聘网站。请仔细关注所列的教育背景和工作经验要求。
- 查看在线Prompt Engineer简历模板，并预习可能的面试问题
- 在简历中加入与职位相关的关键词，这样才能通过求职者追踪系统软件的筛选。关键词可能包括：Python、Java、GPT、DALL-E、Midjourney、Bing AI、NLP、大型语言模型知识、数据收集与分析、机器学习模型、图像合成、研究等。
- 向在职的Prompt工程师请教求职技巧
- 与你的学术顾问、教授和讲师以及学校的就业指导中心沟通寻求帮助。
- 让你的社交圈知道你正在求职！多数工作机会仍通过人脉获得，所以开始动用你的社交资本吧！
- 在申请表上填写个人推荐人信息前，请提前征询这些人士是否愿意撰写推荐信或接受潜在雇主的电话联系。
我们请谷歌的Bard提供一些额外的求职建议。以下是它的回答：
- 学习大型语言模型（LLMs）的基础知识。LLMs是提示工程的基础，因此深入理解其工作原理至关重要。网上和图书馆中都有大量资源可供学习LLMs相关知识。
- 练习创建提示语。掌握有效提示语创作的最佳途径就是实践。提示语的创作方式多种多样，因此请找到适合自己的方法，并尝试运用不同的技巧。
- 建立作品集。当你创作出一系列有效的文案后，将其汇编成作品集，以便向潜在雇主展示。这将使他们充分了解你的技能和能力。
- 与该领域人士建立联系。参加各类会议、聚会及其他活动，结识从事提示工程领域工作的人士。这是深入了解该领域并建立人脉的绝佳途径，这些联系可能为你带来就业机会。
- 保持坚持。 速记工程师的就业市场竞争 激烈，因此即使未能立即获得理想职位也请不要放弃。持续精进技能、完善作品集、拓展人脉，终将迎来属于你的机遇。
- 注重培养软技能。除了专业技术能力外，雇主同样期待工程师具备敏捷思维、创新意识、协作精神以及跳出框框思考的能力。
- 保持学习态度。提示工程领域正快速发展，因此保持学习新知识的意愿并紧跟最新趋势至关重要。
- 成为您所使用的人工智能模型、软件和编程语言的专家
- 彻底排查问题并不断优化输出
- 请记住，谷歌母公司Alphabet曾因新聊天机器人在宣传视频中传播不实信息，且公司活动未能令人眼前一亮，导致市值蒸发1000亿美元。此事过后，恐怕有人因此错失了晋升机会！
- 遵循并仔细记录操作流程，以确保您的提示信息保持一致且准确无误。
- 证明你能够独立工作且值得信赖
- 询问你的主管，你应该提升哪些技能才能为公司创造更多价值。如果他们建议考取某项认证，那就赶紧去考（但先问清楚公司是否愿意承担费用）。
- 向经验更丰富的同事学习一切可学之物。但切勿走捷径或养成不良习惯，务必遵循雇主规定的操作流程。
- 在团队中高效协作，专注于解决问题
- 通过树立榜样，展现领导力，引导他人效仿。
- 耐心且全面地培训新员工。解答他们的疑问，并激励他们持续学习新知识。
- 保持与专业组织的联系，及时了解最新突破。人工智能正日新月异地发展，每天都有新领域被开拓。
- 需警惕关于人工智能指数级增长的担忧，包括对技术奇点的忧虑——这一预期的未来事件将"涉及计算机程序发展到如此先进的程度，以致人工智能（AI）超越人类智能，可能抹去人类与计算机之间的界限"。
提示工程学目前是热门职业，但这种趋势未必能持续下去。其潜在薪资范围如同磁石般吸引着大批渴望搭上顺风车的新生代学生。与此同时，人工智能持续进步，终将具备自主生成提示的能力。若真如此，那些匆忙学习提示技能的人可能面临失业风险。 未来虽难预料，但若您有意探索相关职业，建议考虑以下方向：
- 大数据工程师/架构师
- 商业智能开发工程师
- 计算机与信息研究科学家
- 计算机与信息系统经理
- 计算机硬件工程师
- 计算机网络架构师
- 计算机程序员
- 计算机支持专员
- 计算机系统分析师
- 数据库管理员与架构师
- 数据科学家
- 信息安全分析师
- 数学家与统计学家
- 机器学习工程师
- 机器人工程师
- 软件工程师
- 软件架构师
- 网页开发人员
新闻源
精选职位
在线课程与工具
年薪预期
新员工起薪约为6.7万美元。年薪中位数为11.9万美元。经验丰富的员工年薪可达17.1万美元左右。
年薪预期
新员工起薪约为6.5万美元。年薪中位数为10万美元。经验丰富的员工年薪可达11.9万美元左右。
年薪预期
新员工起薪约为13.1万美元。年薪中位数为17.5万美元。经验丰富的员工年薪可达21.5万美元左右。
年薪预期
新员工起薪约为6.8万美元。年薪中位数为10.8万美元。经验丰富的员工年薪可达16万美元左右。
年薪预期
新员工起薪约为6.8万美元。年薪中位数为10.5万美元。经验丰富的员工年薪可达14.1万美元左右。
年薪预期
新员工起薪约为5.4万美元。年薪中位数为10.2万美元。经验丰富的员工年薪可达13.8万美元左右。