prompt工程師，一個新興職業的崛起與消失
www.chinese.net.au 2026年9月26日 星期六2023 年 3 月，Anthropic 在招聘網站上掛出一個崗位，PromptEngineer，也就是提示詞工程師，如今這個崗位已經停止接受申請。
留存的頁面裡，仍能看到系統提示詞、模型行為、產品質量等工作要求。招聘停止，當然不能證明一個職業消失了，但這個名字很容易讓人想起，幾年前圍繞它發生過的那場熱鬧。
當年，Anthropic 為提示詞工程師及提示詞庫管理崗位開出的年薪達到 30 萬美元以上。
《時代》的報道還介紹了一位英語專業出身、此前做過文案的從業者。高薪和非計算機專業背景放在一起，讓很多人突然發現，進入 AI行業似乎多了一條路。
不必先花幾年學習編程，只要更懂得如何向 AI 提問，也可能獲得一份令人羨慕的工作。這種職業想象，對擔心被 AI替代的普通人尤其有吸引力。
兩年之後，微軟一項覆蓋 31 個國家 3.1 萬名員工的調查裡，這個崗位在企業未來 12 到 18個月計劃新增的職位中排倒數第二。
Indeed 上它的搜索熱度，從 2023 年 1 月每百萬次 2 次，衝到當年 4 月的 144 次，之後回落到 20 到 30次之間。
提示詞工程師從一個新興崗位，到幾乎無人問津，只用了三年時間。
到底是這門手藝不行了，還是我們一開始就誤解了它的價值？
01 提示詞工程師的事在計算機行業早已上演
在 20 世紀中期，Computer 還可以指一種職業。
坐在辦公桌前、手裡拿著紙筆、反復進行計算的人，就是Computer。那些需要大量運算的研究工作，背後往往有一群人工計算員。他們把復雜任務拆開，逐項計算，再將結果交給研究人員。
電影《隱藏人物》裡，多蘿西帶領的就是這樣一支團隊。
當多蘿西得知 NASA 要裝 IBM計算機，意識到人肉計算組的位置保不住了。她去圖書館借來一本講 Fortran的書自學，學會之後又教給西區的同事，最後成功啟動了那台機器，被提升為編程部門主管。
同一部影片裡，Katherine Johnson 在發射準備階段被告知不再需要她，被重新調回西區計算部門。
類似的變化也發生在電話接線員、打字員身上。有些操作交給機器，有些工作則隨著工具普及，逐漸由使用者自己完成。
打字員的處境尤其容易理解，辦公室仍然有大量文字需要輸入，但當其他員工都能在電腦上處理文件，專門設置一個打字崗位的必要性就降低了。
這些職業有一個共同處境。它們的一部分價值，建立在機器暫時做不到、普通使用者暫時不會做的事情上。隨著這個條件變化，原先清晰的職業邊界也會鬆動。
02 提示詞工程師是怎麼被推到高處的？
2022 年 11 月，基于 GPT-3.5 系列的 ChatGPT 發布。2023 年 3 月，GPT-4推出。人們開始發現，只要在輸入框裡打字，就能讓 AI 寫文章、整理資料、生成方案。
但能生成東西，距離能生成自己需要的東西，還有一段距離。
同樣是讓 AI寫營銷方案，有人得到幾段泛泛而談的建議，有人能得到相對完整的分析。差別出在任務有沒有說明白、資料是否充分、有沒有提供例子，以及輸出要求是否清楚。
于是，提問本身變成了一門值得研究的手藝。
市場很快形成了一套流通話術，很多類似模板是這樣的：你是某某領域的專家，你具備什麼樣的背景和知識儲備，現在你要基于什麼問題和什麼條件，給出什麼方案。
為了讓 AI 回答得像個專家，人先寫了一份相當詳細的專家崗位說明書。一些批量提示詞模板甚至被大量售賣。
這類探索確實有用。企業希望使用大模型，需要有人設計指令、準備例子、反復測試，把時好時壞的輸出調整到可用程度。誰更早摸清模型的特點，誰就可能節省大量試錯時間。
問題出在，真實需求很快被放大成了普遍機會。2023 年 年薪幾十萬美元的招聘啟事，成了這個行業最著名的一張價簽。
市場上出現了沒有技術背景也能入行的例子，跨專業轉行成功的故事被反復講。這類故事之所以有效，是因為它同時滿足兩個心理期待，新技術的門檻看起來沒那麼高，以及現有職業路徑之外確實存在捷徑。
但真正的需求，並沒有這麼多。
2025 年發表的一項研究，分析了從 LinkedIn 抓取的 20662 條相關招聘信息，其中提示詞工程師崗位只有 72個。雖然數據量不大，但卻提醒我們，這個職業的實際規模可能遠沒有想象中龐大。
職業的知名度，跑在了職業的規模前面。
03 提示詞工程師的隕落
坍塌來得比所有人預料的都快，而且信號來自模型公司自己。2024 年 5 月，Anthropic 推出了提示詞生成器。
用戶描述想完成的任務，Claude 就能輔助生成提示詞模板，一部分原本需要人去摸索的寫法，已經變成了產品功能。
人們還在學習怎樣把需求翻譯成 AI 容易理解的指令，AI 已經開始幫人做這層翻譯了。
對于 AI 產品而言，這其實是一條很自然的路。
如果每個用戶都必須先學習角色設定、背景描述、約束條件、範例組織，才能獲得滿意結果，那麼使用門檻依然很高。產品要走向更多人，就需要把這些準備工作盡可能接過去。
模型更好地理解自然語言，利用已有上下文，在信息不足時追問，都是在減少用戶必須提前完成的工作。用戶不必第一次就把所有要求寫成一份嚴密文件，可以在交流中逐步說清楚。
當 AI 越來越能聽懂人，專門教人怎樣對 AI 說話的工作，就更難維持原來的稀缺性。
如果說提示詞生成器減少了編寫的麻煩，那麼 Skills 進一步減少了重復交代的必要。
2025 年 10 月，Anthropic 發布 Agent Skills，將指令、腳本和資源組織成可復用的能力包。同年 12月，這套機制進一步成為開放標準。
發布當天，開發者 Simon Willison 的評價是，這件事可能比 MCP更重要，理由是寫一個技能和分享一個技能的成本極低。
兩者的差別在復用形態上最清楚。提示詞要靠人維護，每次都要重新輸入；技能可以被安裝、被版本管理、被分享，在命中場景時自動加載。提示詞只能管措辭，技能可以帶腳本、帶模板、帶參考文檔，把一整套流程固化下來。
用不了多久，人們就發現，過去那些需要反復調優的提示詞需求，很多可以直接鍊化成一個技能。
生態開放帶來的行為變化更加徹底。當大量的人把自己做好的技能上傳到公開市場之後，一個人遇到某個需求，第一反應會變成先去搜市場上有沒有做得比較成熟的方案，裝上直接用，而不是坐下來重新寫和調提示詞。
Anthropic內部有數百個技能處于活躍使用狀態，並被歸納為九大類，這個數字說明技能已經從個人的小技巧變成了常規的工程資產。
提示詞的需求並沒有消失，它換了一個容器。寫得好的人把經驗沉澱成技能，寫得不好的人直接裝別人做好的。兩條路都通向同一個結果，專門靠寫提示詞吃飯的位置被騰空了。
04 當AI越來越了解使用的人
三年多一點的時間裡，提示詞工程師這個職業從被發明、被追捧，到幾乎不再被提起。
很少有一個職業能在這麼短的時間裡經歷如此巨大的繁榮和衰落，這似乎是 AI時代的一個特點，技術迭代的速度已經快過了職業的成型速度。
用一句玩笑來形容這種速度，就是關于 AI，只要你不學習，就不用學了。
今天費力學會的操作，明天 AI 也許自己就能完成。它說出了很多人的感受，追著工具補課，有時真的像追一輛不斷加速的車。
把視線放遠一點，提示詞的退場是必然的。
人類與 AI交互最自然的表達方式，始終是自然語言。過去幾年裡，提示詞承擔的是一個翻譯層的角色，人要把自己的意圖翻譯成模型能聽懂的格式，模型才能給出想要的答案。這個中間層之所以存在，是因為模型還不夠懂人。
隨著 AI繼續進化，以及人機交互記憶的不斷積累，它會越來越了解與它對話的那個人。它會記得你上次要的風格，記得你不喜歡什麼樣的表達，記得你所在行業的常識。
當一個 AI 完全了解它的主人，主人不需要復雜的提示詞，只需要一句簡單的自然語言，AI 就能給出所需要的東西。
這可能是提示詞消失之後，人與 AI 交互的最終形態。
當機器越來越理解人，人就越來越少需要先學會機器喜歡的說話方式。 信源: 钛媒体
Previous Page
Page Top