随着人工智能技术的飞速发展，提示词工程作为AI领域的新兴职业，正逐渐走进人们的视野。在这场技术革命中，万玉磊，一位拥有跨学科背景的提示词工程师，以其独特的视角和丰富的实践经验，为我们揭示了这一职业的内涵与挑战。他的故事不仅是个人职业发展的缩影，也是AI时代下，技术与应用不断融合、创新的真实写照。

智子引擎，作为国内多模态大模型研究的先行者，其自研的多模态大模型“元乘象ChatImg”在业界引起了广泛关注。这些成果不仅展示了智子引擎在AI领域的技术实力，也体现了提示词工程师在模型研发和应用落地中的关键作用。万玉磊在智子引擎的经历，正是在这样的背景下，通过他的努力和创新，将提示词工程的理论与实践相结合，推动了AI技术的进步。

在本文中，我们将深入探讨提示词工程的重要性，以及它如何成为连接AI技术与实际应用的桥梁。万玉磊将分享他如何从一个对AI充满好奇的探索者，成长为智子引擎的提示词工程师，以及他对于AI产品经理角色的深刻理解。同时，我们也将一窥Chatimg这一多模态大模型的神秘面纱，以及提示词工程师在提升模型能力中的关键作用。

采访：中国工人杂志记者 马梦婕 

回答：智子引擎提示词工程师 万玉磊 

以下是对话实录，经过了节选整理。

问：为什么会将提示词工程师这一新兴职业作为进入AI领域的首选呢？可以借鉴产品经理的经验吗？

万玉磊：这其实是两个问题，对吧？我想从我是怎么开始接触到提示词工程开始聊起。

简单介绍一下我的背景吧，我的本科是某个理工类的211，硕士念的是某个文科方向的211。过去在滴滴做过司乘体系的运营工作。

可以说我有一丢丢的代码能力，但是做研发很明显是不够专业的。那么我想进入这个行业要怎么办呢？运营的话，其实会比较卷，现在有太多大厂一两年经历、刚被裁员出来的优秀人才了，我是根本竞争不过的。

恰巧我自己是一个非常爱折腾的人，特别爱研究新玩意儿。从22年底ChatGPT3.5出来以后，我就第一时间上手折腾大模型，从那个时候我开始系统接触到使用GPT的技巧————提示词工程。

后来就读了OpenAI的开发文档，学了最早的一套网络上关于Prompt工程的课程————吴恩达提示词教程。加入了一些开源的人工智能社区，慢慢的积攒了许多关提示词工程的知识。加上国内这边一些相关的限制放开，有一些大模型开始通过网信办的备案上线了，许多公司通过初期的摸索，大概知道了这样一个新兴岗位是干什么的，能做什么，开多少薪资合适。市场上有大量该岗位的HC放出来了，于是这个时候，我开始在各大招聘平台投提示词工程师的简历。

这个是我以提示词工程师开始进入ai行业的简单经历。

我们接下来再来谈是否可以借鉴产品经理的话题。

首先我觉得ai时代的产品经理和移动互联网时代的产品经理完全不一样了。

现在ai的产品经理更像是张小龙曾经说过的古典产品经理，而不是大厂里分的很细的那种PM。

那这个ai时代的产品经理到底需要什么样的能力呢？

模型有很多幻觉，幻觉导致了大家还是得做很多验证工作。

这一波产品经理需要往回倒。

产品经理Day one是宝洁定义出来的职位，这个职位需要同时负责品牌、渠道、定价、供应链所有的问题。所以有了一个职位叫产品经理。

但是在过去移动互联网时代的产品经理是高度分工化和职能化的，反而不像最初的产品经理了。

但是今天，AI产品经理的话，可能又得重新回到day1的产品经理去。

他第一需要很懂技术的边界在哪（通过prompt去验证），第二需要对成本有理解（卡很贵，算力很贵推理很贵，想供应链问题），第三还需要很懂市场（从市场角度察觉用户需求，再和研发进行沟通转化成产品）。

所以现在又回来了，重新又回到了宝洁定义的产品经理。

总结一下就是，prompt工程是ai产品经理必不可少的能力之一，通过这种工程手段，你对场景进行了实际验证，才知道大模型能做到什么地步。prompt工程师其实现在就是在做ai产品经理的一部分活，这个也是我未来的职业发展方向吧。

我想这个关于产品经理的历史回顾应该能够解答你的疑惑。

问：智子引擎在2023年最大的成果是推出了首个图文对话大模型Chatimg，你目前主要的工作是提升模型图像识别的能力吗？需要让它进行深度学习吗？

万玉磊：可以这么说。

提示词工程是大模型实际应用里，提升能力的主要手段之一。我的工作就是提升我们模型在现场实际应用的能力。

至于你说的是否需要让它进行深度学习。深度学习这个话题有点大。可以说整个大模型领域的所有训练阶段都是在深度学习，不管是模型预训练还是模型微调。

我这边主要还掌握的一种技术手段就是微调。我们团队主要通过这两种手段提升大模型的能力。

我猜你说的深度学习是指模型预训练，用海量数据进行学习的那个阶段。这个是我们模型部的同学在做的事情。

问：提示词工程师是如何进行日常工作的？和数据标注、基于人类反馈的强化学习有什么异同之处？

万玉磊：哈哈，这个其实主要工作是高度结合你的业务场景的。你首先要知道你解决的是什么问题，知道你的用户需求是什么，你才能去针对性的写prompt。写了以后，我们还需要去大量的验证这个prompt是不是效果最佳？有没有产生模型幻觉？大家都知道大模型现在是个黑箱，我们只能通过不断的应用来逐渐摸索它的能力边界。

数据标注是微调手段的前期准备，你要进行fine—tuning对不对？那你就需要对大量数据进行处理，处理成大模型能够理解的数据。这个过程叫做数据标注。这个工作我们团队本身也是在做的。优质的数据集非常重要。

至于你说的基于人类反馈的强化学习，这个Reinforcement Learning from Human Feedback，简称RLHF，是模型预训练、诞生阶段的事情，是一个和人类语义对齐的工作，你可以先简单理解成让模型讲礼貌，和人类价值观对齐。目前还不在我的工作范畴之内。哈哈，这个你应该采访我们模型部的同学。

我这边比较偏向应用。只是我们会在应用中不断提升我们的模型能力。

问：提示词工程师最早是在国外兴起，就你目前的了解来看，这一职业在国内外存在哪些差异？

万玉磊：这个问题要回答的话，首先我没有过在国外工作的经历，所以一定和你只能是泛泛而谈。

首先要分成to B的还是to C的，产品形态不同，你需要写的提示词也完全不同。

以我们公司举例，我们目前在行业应用里是比较领先的，现在主要精力是放在toB端的，所以我写的提示词需要解决的问题就是一些实际行业中的问题，主要是效率提升，节省人力，更像是通过ai提优。

toC这边我在国内没有看到什么特别好的应用，你说文心一言，现在手机上也有app对不对？可是他们解决了什么用户具体问题没有？好像也没有。

国外的话，有一个叫character AI的网站，这个是2023年ai领域全球流量仅次于chatGPT的超级应用，就是让ai扮演各种角色陪伴用户进行对话。用户可以创建属于自己的角色陪伴自己。我猜测早期他们的提示词工程师，很大一部分就是根据用户的简单输入，在后台进行提示词优化，转化为最适合GPT4的提示词。至于现在肯定是早就智能化了，有那种专门让ai撰写提示词的提示词，GPTs商店上有很多，你可以看看。

所以你说国内外是否存在差异，那我觉得差异太大了，你的模型基座是什么，你的用户场景是什么，决定了你写提示词的方式。

非要说最明显的差异，那就是国外很多ai应用公司底层都是接的GPT4的api，他们的提示词是针对ChatGPT进行提优的。国内有很多模型，比如我们是自研多模态大模型，那么实际应用的提示词，撰写方法也会不完全一样。

问：要做好一名提示词工程师需要学习哪些技能？入行一个多月来你学习了哪些知识？

万玉磊：我觉得首先要理解大模型基础的技术原理吧，了解这个东西是怎来的，基于什么样的数据训练的，他的数据是什么格式的。比如ChatGPT自己内部处理的数据格式就是markdown语法的，那么你写的提示词就也是markdown那种结构化表达，效果就非常显著。这方面最好的教程就是openai官方的开发文档，写的非常清楚，直接去读一遍就好了。

我的话，入行的几个月以来，首先是在原本的提示词领域里，时刻关注ai业界的最新动态，出现了什么新的技术第一时间跟进。至少要知道头部的微软、谷歌他们的动态，国内智谱、百川有什么新的发布。另一方面其实是在学习行业垂直领域的一些知识吧，ai时代越来越需要人成为一个博物学家，需要你有很多跨行业跨领域的知识，这样你能够know why，就知道know how，才能更好的结合业务场景去写提示词。最后其实就是咱们先前说的，本质上还是在做ai产品经理的事情。所以我也在学习产品经理相关的知识，不过产品经理是实践出来的嘛，工具比如Axure这种很，学一学就会用就好了。比较有挑战性的是对用户需求的提炼、对市场的了解，怎么和研发去沟通等等。

Back to the future  我想我现在正在努力成为一个古典产品经理，但它又是全新的ai时代的产品经理。所以我说，back to the future。

问：Chatimg属于基础模型吗？做提示词工程师的话是否还需要学习行业模型？数据是否比较难获得？

万玉磊：我猜你想问的应该是我们公司的模型是不是通用基础大模型。我可以很明确的回答你，是，而且我们是多模态的大模型。2024年人工智能领域的关键词，一定会有多模态。我们差不多就是多模态领域里最好的国产大模型了，而且我们是自研，这点我觉得是非常了不起的。

过去我和我们的CEO高总聊天的时候，最后就谈到，我们公司的愿景、还是要迈向AGI。

我想任何一个做底层大模型的公司，有点伟大理想的，都不会放弃AGI的长远目标的。

至于你说的行业模型，我们会依据不同的行业数据进行训练，算是一个模型能力不断成长的过程吧！未来应该会是通用的。数据确实是一个很关键的问题，优质的行业数据未来是有可能构成护城河的。确实很难获取的，因为数据会很敏感，我们也需要和客户签保密协议，你看我连具体行业信息都不能告诉你对不对？（笑）。

问：提示词工程师这一职位在大模型趋于成熟稳定后是否还会长期存在？你对这一职业是怎么看待的？

万玉磊：你说的趋于成熟，具体是指到什么地步呢？现在我们还处于ai早期发展阶段，现在ai可能一年一个样，有点类似早年pc刚诞生的阶段，未来会变得很快。不过提示词工程还是很重要啊，必须要有人知道know how。未来可能随着大模型能力的提升，我们不需要写那样复杂的结构化提示词了，这个岗位会逐步回归成ai产品经理的一项核心技能。

还有一种成熟，就是AGI到来了。那就不是担心prompt工程师还存不存在的问题了，那个时候，可能连程序员的工作都被彻底取代了，产品经理存不存在都不好说（笑）那一定是一个天翻地覆的变化，我能做的就是做好一切准备，有勇气的人率先拥抱整个世界。

怎么看待的话，我觉得至少是，年轻人当前进入ai行业的一个很好的基础岗位吧，毕竟它很重要、很关键，不管你是做底层大模型，还是做ai应用的公司，你都少不了这个岗位。在这个过程中，你就会逐渐接触到当前的人工智能技术是什么样的，为什么ChatGPT是以对话这种产品形式出现在世界上。

现在年轻人找工作很难，对吧，那不如积极拥抱新变化，来人工智能领域闯一闯吧，提示词工程会是你的一把进入ai大门的好钥匙。