焦点
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开发工程师、提示词设计专家、语言模型微调工程师、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年代中期以来便已存在，至少作为一门学术研究领域而言是如此。近几十年来，该领域发展迅猛，如今人工智能几乎已被应用于各个领域。从“医疗、交通、机器人技术、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”，加州理工学院指出，人工智能即将“在我们的生活中发挥越来越大的影响力”。 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AI竞赛中的其他竞争对手相继问世，这一预测正逐渐成为现实。但这类AI程序究竟是如何运作的？它们又是如何“学会”沟通的？部分原因在于提示工程师们付出的艰辛（且充满耐心）的努力！
人工智能中有一个充满活力的分支领域，称为自然语言处理（NLP）。NLP 本质上是教计算机如何像人类一样学习和理解书面及口头信息。 提示工程师的职责是设计基于文本的提示，以 帮助训练这些强大的AI模型。随后，程序会利用AI的另一项技术——机器学习（或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，它通过示例训练神经网络进行学习！
关键在于，尽管人工智能已如此先进，但这完全得益于提示工程师以及其他自然语言处理（NLP）和机器学习（ML）专家在幕后所做的耐心细致的工作。因此，至少目前而言，人工智能仍然离不开我们！
随着人工智能代理的自主性不断提升，编写有效的提示词依然具有重要价值——但这一角色正在发生演变。提示词工程师越来越关注人工智能系统的设计、工作流优化，以及确保人工智能的输出与业务目标保持一致。理解模型的行为及其伦理影响至关重要。
- 助力革命性人工智能模型的演进
- 在这样一个具有变革性的行业工作，它有望以多种方式改善人们的生活
- 丰厚的薪资和目前良好的就业前景
工作时间表
提示工程师为全职员工，根据工作目标和时间安排，可能需要加班。他们通常在室内办公室环境中工作，但工作性质可能要求他们前往不同地点完成现场任务。
主要职责
- 旨在提升人工智能模型性能的设计引导技术
- 制定并优化清晰、精准的提示，例如用户生成的输入和预定义的指令
- 使用前缀微调来优化连续提示词
- 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题的能力）
- 利用“思维链”提示来提升大型语言模型的推理能力
- 利用领域知识增强大型语言模型；提升大型语言模型的安全性
- 严格分析输出结果的准确性和相关性；修正模棱两可的提示语，并将提示语的变体重新输入到 AI 模型中
- 手动筛选数据集
- 筛查因提取未经处理的原始数据而引发的有害响应。确定哪些输入导致了不可接受的输出
- 使用文本转图像提示词，为生成图像的 AI 模型提供支持
其他职责
- 与跨职能团队合作解决问题
- 排查系统故障原因
- 防范潜在的提示符注入攻击
- 对各项程序进行详尽的记录
- 随时掌握行业最新进展和趋势
- 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较新的职业领域，目前各家公司都在争相寻找合格的人才。然而，正因为这一职位炙手可热且薪资丰厚，预计很快就会吸引大批具有计算机科学背景的新求职者。那些具备适当教育背景和经验基础的人，可能只需几周或几个月就能在这个新兴领域接受培训。 但正如提示工程师罗布·伦农（Rob Lennon）向《时代》周刊所言：“目前大概只有500人能胜任这些工作，所以薪资才如此惊人。但六个月后，将有5万人能够胜任这份工作。”
关于该领域未来发展的另一个担忧在于，其中存在诸多不确定性。宾夕法尼亚大学沃顿商学院的伊桑·莫利克教授承认：“目前尚不清楚提示词工程在长期内是否仍具重要性，因为人工智能程序在预测用户需求和生成提示词方面正变得越来越擅长。”
换句话说，提示工程师可能只在AI尚未完全脱离人工辅助、仍需人类帮助才能自主发展之前才被需要。因此，目前人们期望提示工程师在训练AI模型时能够条理清晰且富有耐心，但等到AI不再需要他们时，他们可能不得不面临失业的风险。
生成式人工智能早在20世纪60年代就已问世，但直到近年来才成为人工智能领域的焦点，这得益于生成对抗网络（GAN）的出现，该技术使模型能够生成逼真的文本、图像、音频、3D模型等。最近的突破性进展，例如生成式预训练变换器（即GPT），不仅令公众大为震惊，更引发了一阵热潮……同时也引发了警觉！
随着人工智能如今成为瞩目的焦点，其能力也日益凸显，各家公司正重新审视传统的经营模式。生成式人工智能的兴起预计将对多个职业领域产生重大影响，其中包括编程等计算机科学相关岗位。人工智能已经能够，或者很快将能够胜任大量此前只有人类员工才能处理的任务。对于那些不会被人工智能取代的岗位，人工智能至少会在某种程度上对其进行增强。
就连提示词工程师也无法幸免于人工智能对劳动力市场的全面变革，因为终有一天，人工智能将能够完成与提示词撰写者相同的任务。从某种意义上说，人工智能甚至可能让其创造者失业。话虽如此，世界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担忧，其中一些甚至要求暂停某些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。他们可能对计算机编程感兴趣，喜欢摆弄各种编程语言，甚至热衷于黑客技术。与此同时，他们可能也喜欢分析性解题、阅读专业书籍，或者创作故事。
团队合作是这一职业领域的重要组成部分，但Prompt工程师必须能够适应独自工作，并保持长时间的专注。这种能力可能源于童年时期的类似经历，比如连续数小时进行编程或游戏。
- 提示工程师通常需要拥有计算机科学、计算机工程或相关专业的学士学位
- 课程常见主题包括：
- 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
- 序列数据结构与算法
- 雇主将寻找在自然语言处理（NLP）、机器学习（ML）、大型语言模型（LLMs）和深度学习领域已具备丰富经验的应聘者。他们可能还希望候选人具备提示词开发、提示词脚本语言、Linux 操作系统以及提示词自动化工具方面的经验
- 请注意，招聘人员可能更看重求职者的知识和技能，而非这些技能的来源（例如大学课程、认证、编程训练营或临时性在线课程）
- 许多教育和培训网站如雨后春笋般涌现，提供提示工程课程，例如“提示工程学院”（Prompt Engineering Institute）和“学习提示工程”（Learn Prompting）。这些平台对于学习初级、中级甚至高级技能可能非常有用。但请记住，雇主可能会要求您提供知识和能力的证明，因此请打印或保存任何结业证书。
- 可以通过Codecademy和其他在线平台学习Linux。有人说，掌握基本命令只需几天时间，而学习高级命令则需要几个月。
- 学生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提供了关于一系列免费 Prompt Engineering 在线课程的详细信息
- 您还可以关注Coursera提供的课程，例如其时长约18小时的《ChatGPT提示词工程》课程，或是DeepLearning.AI的《面向开发者的ChatGPT提示词工程》课程
我们向ChatGPT寻求了一些额外的教育建议。以下是它的回答：
“攻读计算语言学或自然语言处理（NLP）方向的硕士学位，有助于更深入地专注于提示工程中与语言相关的方面。而攻读机器学习或人工智能方向的硕士学位，则有助于更深入地理解自然语言生成（NLG）模型背后的统计学和数学原理。”
ChatGPT 还提供了以下学位建议！
- 计算机科学学士学位：“为学习编程语言、算法和数据结构打下坚实基础，这些知识是开发高效自然语言生成（NLG）模型的基础。”
- 计算语言学学士学位：“帮助学生更深入地理解提示工程中与语言相关的方面，包括句法、语义和语篇。”
- 计算语言学硕士：“专门研究自然语言及其如何被计算机处理。”
- 自然语言处理硕士学位：“专注于开发用于处理人类语言的算法和模型。”
- 人工智能硕士学位：“涵盖 与智能系统相关的广泛主题，包括机器学习、自然语言处理和机器人技术。”
- 数据科学硕士项目：“为学生打下 扎实的统计建模、机器学习和数据分析基础，这些知识均与提示工程密切相关。”
- 语言学硕士：“帮助 学生深入理解语言结构与用法，这是开发高效自然语言生成（NLG）模型的基础。”
- 认知科学硕士：“专注于 人类认知的研究，以及如何利用计算技术对其进行建模。”
- 人机交互硕士学位：“专注于设计和开发直观且易于使用的用户界面，这对即时工程应用至关重要。”
- 请决定您是想攻读计算机科学、计算机工程还是相关专业的学位……重点在于人工智能！
- 除了专业方向和人工智能的侧重之外，还应关注学校在提示工程方面的具体课程设置
- 请考虑学费、折扣以及当地的奖学金机会（除联邦助学金外）
- 在决定报名参加校内课程、在线课程还是混合式课程时，请考虑您的日程安排和时间灵活性。Prompt Engineering 非常适合在线学习！
- 报名参加丰富的数学（微积分、代数、离散数学和统计学）、计算机科学、编程、英语和修辞学课程
- 在Coursera、Udemy、Microsoft、DeepLearning.AI、Prompt Engineering Institute 和Learn Prompting上学习在线提示工程课程
- 通过与自然语言处理（NLP）、机器学习（ML）、大型语言模型（LLMs）和/或编程相关的兼职工作，积累实际工作经验
- 开始撰写简历，并在学习和工作过程中不断完善它
- 提前浏览招聘信息，了解平均要求。由于这是一个相对较新的职业领域，你可能会发现不同雇主对候选人的要求各不相同
- 请求与一位在职的提示工程师进行一次信息性访谈
- 列出你的联系人名单（包括电子邮箱地址或电话号码），这些人未来可能担任你的工作推荐人
- 不断精进你的技能。阅读与提示工程、自然语言处理（NLP）、机器学习（ML）、大型语言模型（LLMs）、基于Linux的AI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，提出问题并向经验丰富的人工智能专业人士请教
- 在人工智能群组中积累人脉
- 加入专业组织，以学习新知、分享经验、结交朋友并拓展人脉。值得考虑加入的组织包括：
- 尽量攻读计算机科学或相关专业的学位，并侧重于人工智能领域
- 在申请之前，请尽可能多地积累NLP、AI、LLM等领域的实际操作经验
- 如果你的大学课程中相关课程不够多，不妨选修一些与提示工程相关的短期课程，以此丰富你的简历
- 请记住，提示工程师还应精通语言艺术，因此请展示您在写作或英语教学方面可能拥有的任何工作经验
- 浏览Indeed、Simply Hired、Glassdoor和 Craigslist等招聘网站。请仔细查看其中列出的教育背景和工作经验要求
- 查看在线的Prompt Engineer简历模板，并了解可能的面试问题
- 请在简历中加入与工作相关的关键词，以便通过求职者跟踪系统（ATS）的筛选。关键词可以包括：Python、Java、GPT、DALL-E、Midjourney、Bing AI、自然语言处理（NLP）、大型语言模型（LLM）知识、数据收集与分析、机器学习模型、图像合成、研究等。
- 向在职的提示工程师请教求职建议
- 请向你的学术顾问、教授和讲师以及学校的职业指导中心寻求帮助
- 让你的社交圈知道你正在找工作吧！大多数工作机会依然是通过熟人获得的，所以赶紧利用你的社交资源吧！
- 在申请表中填写个人推荐人信息之前，请先征得这些人的同意，确认他们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提供了一些额外的求职建议。以下是它的回答：
- 了解大型语言模型（LLM）的基础知识。大型语言模型是提示工程的基础，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大型语言模型。
- 多练习撰写提示语。掌握撰写有效提示语的最佳方法就是多加练习。撰写提示语的方法多种多样，因此请找到适合自己的方法，并尝试不同的技巧。
- 建立个人作品集。一旦你创作了一些有效的提示语，就把它们整理成一份作品集，以便向潜在雇主展示。这将使他们对你具备的技能和能力有清晰的了解。
- 与该领域的人士建立联系。参加各类会议、聚会及其他活动，结识从事提示词工程的人士。这是深入了解该领域并建立人脉的绝佳途径，这些人脉未来或许能为你带来工作机会。
- 要坚持不懈。 即时工程师的就业市场 竞争激烈，所以如果没能立刻找到理想的工作，也请不要放弃。继续磨练技能、丰富作品集、拓展人脉，最终你一定会遇到合适的机会。
- 请注重提升你的软技能。除了技术能力外，雇主还希望招聘那些富有创造力、善于协作且能够跳出固有思维模式的工程师。
- 保持学习热情。提示工程领域正在迅速发展，因此保持学习新知识的热情并紧跟最新趋势至关重要。
- 成为您所使用的人工智能模型、软件和编程语言方面的专家
- 彻底排查问题，并不断优化输出结果
- 别忘了，谷歌的母公司Alphabet“市值蒸发了1000亿美元……原因在于其新推出的聊天机器人在宣传视频中提供了不准确的信息，而公司活动也未能令人眼前一亮。”这下，恐怕有人因此错失了晋升的机会！
- 请遵循相关流程并详细记录，以确保您的提示内容一致且准确
- 证明你值得信赖，能够独立工作
- 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。如果他们建议你去考个证书，那就赶紧去考（不过先问问公司是否愿意承担费用）
- 向比你更有经验的同事多学习。不过，不要走捷径或养成坏习惯。务必按照雇主的要求遵守相关流程。
- 在团队中高效协作，并专注于解决问题
- 通过以身作则，展现领导力
- 耐心且全面地培训新员工。解答他们的疑问，并激励他们积极学习新知识
- 请持续关注专业组织，及时了解最新进展。人工智能发展日新月异，每天都有新的突破。
- 请注意关于人工智能呈指数级增长的种种担忧，其中包括对技术奇点的担忧——这是一种预期的未来事件，届时“计算机程序将变得如此先进，以至于人工智能（AI）超越人类智能，可能抹去人类与计算机之间的界限”。
提示工程目前是一门热门职业，但这一趋势可能不会永远持续下去。其潜在的薪资水平如同磁石般，吸引着大批渴望搭上这趟“顺风车”的新生。与此同时，人工智能技术持续进步，未来或许能够自主生成提示。如果真到了那一步，那些急于学习提示工程技能的人，可能会发现自己失去了就业机会。 虽然我们无法预测未来，但如果你有兴趣探索类似的职业，建议考虑以下方向：
- 大数据工程师/架构师
- 商业智能开发人员
- 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
- 数据库管理员和架构师
- 数据科学家
- 信息安全分析师
- 数学家和统计学家
- 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
新闻动态
精选职位
在线课程与工具
预期年薪
新员工的起薪约为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。
预期年薪
新员工的起薪约为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约11.9万美元。
预期年薪
新员工的起薪约为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。
预期年薪
新员工的起薪约为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。
预期年薪
新员工的起薪约为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。
预期年薪
新员工的起薪约为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。