文 | 财天COVER 豆蔻
编辑 | 李不清
五一，打工人的节日；搞钱，打工人的标签。对普通人来说，到底哪些新职业还有“掘金”的空间？《财经天下》特别策划了“黄金打工人”专题，将目光聚焦在五大新职业群体身上。通过他们的故事，来呈现一些新的就业趋势观察。本篇讲述的是，用数据标注来“驯化”大模型的四位工程师，他们如何将用户需求与模型嫁接起来，让大模型变得更加聪明。
2023年初，看到国内不断涌现的大语言模型，研究生刚毕业的万玉磊感到AI潮流势不可当，做出了人生最重要的选择。
他毅然放弃了某互联网大厂OCR（图片文字识别）工程师的offer，以提示词工程师的身份，加盟了一家多模态大模型初创公司。他的任务是训练AI，让它更加聪明，不断提升和人类对话的能力。
作为大模型的智能基础，AI和用户的交互能力，以及数据做得如何，直接决定了大模型的上限。DeepSeek的超强性能和惊人表现背后，便离不开它更强大的语义理解能力和高质量数据的支持。业界甚至传出，梁文锋也亲自参与了数据标注工作。
智联招聘数据显示，今年2月，算法工程师、机器学习、深度学习等岗位招聘量同比大幅增加。其中，承担“AI训练”的数据标注岗位，招聘需求同比增长超50%，平均招聘月薪也突破了2万元。
《财经天下》注意到，近期不少大厂特别为“AI训练师”开出了高薪。如字节跳动给AI训练岗开出了月薪2万~4万元、15薪；小红书也对“AI标注产品”岗开出了2万~4万元、16薪的标准。
“有良好产品意识、了解模型训练”是这些岗位的基本要求，更令不少求职者心动的是，其中不少大厂职位还对文科生相当友好，不同专业背景都可入行。
“AI训练师”的行业壁垒有多高，在AI技术的高速迭代中，其行业前景和含金量能保持多久？《财经天下》找到了四位不同行业、年龄的“AI训练师”，他们对于数据标注有着或乐观、或焦虑的思考。
01、年薪百万，并不罕见
“就像训练猫抓老鼠，你需要不断试探模型的触发机制。”这个五一前两天，在位于北京海淀五道口的办公室里，万玉磊向《财经天下》描述了他们经历过的提示词与大模型的早期碰撞。
在他看来，2023年前后，提示词与大模型的碰撞还充满“神秘”色彩。万玉磊团队曾尝试通过“情绪激励”的方式，提升模型表现。“给予大模型小费奖励”，或者让工程师扮演“残障程序员”等人格化设定，竟能让模型输出质量大幅提升。
随着DeepSeek-R1等长序列推理模型问世，思维链（Chain-of-Thought）技术普及让强化学习技术飞速突破，给大模型投喂简单“咒语”的方法逐渐失效，提示词工程也朝向数据自动化的方向深化。
“我们现在已经在用母提示词（预先设计好的、可复用的提示词框架）生成上千条候选指令，通过自动评估系统筛选出最优解。”万玉磊介绍道。
在他看来，基于Transformer架构的大模型技术革命，会将传统AI领域的知识体系彻底颠覆。之所以选择以提示词工程师的身份拥抱变革：“因为提示词是新世界的敲门砖，它用最低成本，让普通人接触到大模型核心能力。”
万玉磊观察，不少头部企业确实正在以百万年薪争夺提示词优化专家，数据策略岗需求激增。据其透露，字节在疯狂招各个领域的博士生来帮他们调数据；小红书则尝试组建“艺术+代码”的跨学科人才团队，试图更好地解决图文生成的审美瓶颈。
在万玉磊领导的7人团队中，5名数据标注员都是本科应届生，工作要完成大量语义标注。另外2位提示词工程师则要兼具代码能力与跨学科视野。不过在他看来，当下能胜任AI训练的人，持续学习的能力是核心门槛。
技术人员每月都要不断消化顶级会刊论文，这种高压环境也催生了独特的学习文化。每周一的论文研讨会上，万玉磊都会专门让团队成员拆解一份最新的模型技术报告，互相探讨。“上周面试时，我们最关注候选人是否第一时间体验过Claude 3的新版本。”
比起设计母提示词，评估体系的数字化正在成为工作的新焦点。“评估标准的制定比写提示词更关键，这也决定了系统的进化方向。”
“比如，我们团队搭建的自动化评测系统包含30余个量化指标：从回答相关性、中立性到情感亲和力，每个维度的权重会随业务场景动态调整。”目前，他所在团队中已经有70%的工作集中到了评估模型优化，仅有30%的工作放到了提示词生成。
特别是当大模型走向商业化后，大量垂类模型让针对性的提示词训练变得更加不可或缺。“B端用户需求非常明确，用户数据有效，提示词也会更加明确。”
万玉磊目前已做过电力运营、城市治理等垂直模型，在某个电网AI项目中，对方提供了百万量级的故障样本和精准工况描述，这也让提示词的设计效率大幅提升。
与之形成鲜明对比的，是设计C端产品的迷茫。面对数亿用户千奇百怪的提问，万玉磊曾因用户需求“过度发散”而苦恼不已。“C端的用户场景不明确，你也不知道他到底要什么，这种提示词做起来就会很难。”他苦笑道。
虽然提示词工程师总要跟枯燥的数据打交道，但随着模型能力的进化，万玉磊也会时不时地被震撼到。尤其是DeepSeek的“顿悟时刻（AHA moment）”闪现，让他印象极深。
在DeepSeek的论文中提到，模型让作者“见证了强化学习的力量和美感”。在开发DeepSeek-R1-Zero的中间版本时，模型曾学会了以人类的语气进行反思，领悟到了训练数据里完全没有的东西。
“我们正在经历技术史上的‘乱纪元’。”万玉磊用《三体》中的故事比喻当前行业态势：当大模型每月突破一个技术里程碑，传统的职业规划已失去意义，唯有构建“终身学习”的能力，才能保持竞争力。
02、行业需要工程师变成产品经理
2022年11月，ChatGPT横空出世时，张远辰还在准备研究生备考。
2023年初，一位专栏作者与New Bing（微软基于GPT-4模型的AI搜索引擎）进行了数轮对话，意外发现New Bing不仅会表达感情，还会PUA甚至威胁人类，看起来似乎拥有了“自我意识”。这让张远辰大为震撼，“我第一次真切感受到AI的拟人化潜力，甚至产生过退学、投身AI行业的想法。”
不久后，张远辰通过实习进入了AI领域，首份工作便是用封装提示词实现产品化。比如，根据用户输入的书名和字数，生成读后感。这也让张远辰第一次意识到，提示词对于模型质量提升的关键作用。
“特别是模型能力较弱时，提示词工程与模型训练同等重要。一份完整的结构化提示词属于核心资产，可以拿到网上去做售卖。”
张远辰暗下决心，将毕业后的求职目标对准大厂。但当时间拨到2025年，在面试字节、阿里等公司的过程中，张远辰发现，大厂对提示词工程师的需求每年都在变化。
“2023年，大厂会选择直接招一些AI产品经理来做相关的探索，对于提示词没有太重视。到2024年初，专门的提示词工程师已经出现，大模型行业开始细致分工。”
而到了2025年，DeepSeek让普通用户通过自然语言就能玩转AI。“大厂也更倾向于将提示词能力视为产品经理、研发等岗位的基础技能，而非独立岗位。”这也让张远辰意识到，提示词工程师正在向通用技能迁移，甚至可能逐渐 “消失”，其职责会被其他岗位吸收。
张远辰结合自身和周围的情况粗略判断，2024年，大厂给1~3年经验从业者的薪资约在月薪2.2万~3.5万元之间。
但她也表示，对于提示词工程师高薪、高学历的标签要理性看待。单纯的提示词撰写，已经难以构成长期壁垒。提示词工程师水平的高低，本质取决于能否直击问题本质、识别模型输出的价值。
“提示词工程师的工作并非单纯的提示词撰写技巧，而是对用户需求的洞察、跨领域知识储备，以及利用模型特性创新解决方案的能力。”张远辰说。
在她看来，提示词工程师的岗位职能正在迁移，发展路径更可能朝向AI产品经理——理解用户需求、拆解任务流程，这都和产品经理的核心能力高度重合。
而面对全新领域的提示词需求，张远辰表示并无标准的调研流程，而是更多依赖于实践验证。
令她印象深刻的是，2024年上半年 ，她在参与一部AI小说写作时，需要将小说拆解为题目、提纲、大纲、正文等多个环节。每个环节的提示词都要抽象提炼为前文已生成过的内容（如题目、文风要求），才能确保上下文连贯。
虽然听着简单，但实际处理过程中难题不断，如模型输出格式错误、模型崩塌（重复输出单个字符）和截断（内容未完成即终止）等。
光是解决格式问题，张远辰就测试了20多个模型。她也因此发现，DeepSeek虽然能稳定输出格式，但对于中文网文的风格支持不足。最终，她是通过流程切分（如将2万字的小说拆分为10个2000字左右的段落生成），才降低了模型处理压力。
张远辰事后总结道，提示词的设计往往充斥着很多不确定性，“有效定义AI的工作流程，比提示词设计本身更有用”。这也让她将职业规划开始沿着AI产品经理的方向深化：“AI终将成为工具，而把握用户痛点、设计出真正解决问题的产品，才是核心竞争力。”
03、离职率高，分化明显
2020年，于洪未曾预料到，她会在几年后站在AI浪潮的十字路口，重新思考职业的意义。作为一名金融行业数据分析师，于洪曾在投行与咨询公司深耕量化分析领域，却在AI技术迭代中感受到了前所未有的危机。
“ChatGPT刚开始连基础爬虫都写不好，现在它已经能处理完整的机器学习项目。我的工作中80%的内容，都可能被AI替代。”
于洪坦言，这种焦虑驱使她开始探索转型路径，而招聘网站上铺天盖地的“AI训练师”岗位，引起了她的注意。
起初，蚂蚁金服等大厂对于“AI训练师”的要求是，不仅要有顶尖学历，还要有CFA（特许金融分析师）持证。这让于洪误以为，这是一个与金融业务深度结合的复合型技术岗。但在多方打听后，于洪发现提示词训练本质是“数据标注”，与金融知识几乎无关。
“即便是名校毕业生，进去后也只是按机器规则打分，没有主观判断的空间。”更令她意外的是，不少从事该岗位的从业者竟来自牛津、剑桥等顶级学府。
可以说，数据标注岗因大厂光环吸引着众多求职者们。特别是它基础月薪过万，也面对文科专业招聘，更让不少名校毕业生一度将其视为“人生奔头”。
于洪表示，不少企业正在自建标注团队，但工作的高重复性让这一行离职率惊人。“许多大厂的数据标注岗都是外包性质的，许多人心理落差太大，干一两个月就走了。”
在技术冲击、行业震荡的双重压力下，于洪开始重新评估自己的职业护城河。她曾亲历AI工具从“初级辅助”到“威胁替代”的转折：早期使用ChatGPT时，于洪曾经借助信息差，高效完成工作，享受过“拿着工资摸鱼”的一小段红利时光。
但随着DeepSeek的崛起，老板们对开源工具的接受度提升，人力成本压缩成为必然。“当AI能独立完成数据清洗、分析甚至生成报告时，我的角色将只剩下审核与纠错。”
在技术洪流中，于洪试图寻找新锚点。她坦言曾考虑转向AI算法领域，但与资深工程师的交流让她望而却步。思来想去，于洪最终决定回归学术路径，计划攻读计算社会科学方向的博士，研究大语言模型与社会科学、金融分析的交叉应用。
“未来的机会或许会出现在技术与业务的结合点，比如提升AI对网络话语、金融文本的解析能力。”
目前，她的工作依旧每天与爬虫和文本情绪识别模型打交道。而对于AI技术的未来，于洪表现出了矛盾心态，她计划在欧洲攻读博士并寻求工作签证，努力朝学术领域发展。
和于洪类似，身处数据标注岗的王晨，也遇到了作为“AI数据打工人”的职场焦虑。2022年，王晨加入了一家创业公司，投身于智能体研发的数据标注。
王晨表示，当下AI训练师的专业门槛已发生质的跃迁。人才需求向垂直领域拓展，薪资梯度也呈现出结构化差异。医疗、法律等专业领域的AI训练师年薪可达20万以上，相较去年薪资涨幅达30%以上。
“不过，医疗领域标注岗位要求执业医师资质，影像类项目需要医学硕士背景，美学设计相关岗位更看重从业者的专业审美积淀。”
伴随高薪而来的是更严峻的挑战。王晨透露，某大厂曾为特定项目半年烧掉了500万元标注预算，却在完成后立即解散团队，“这种不确定性也在倒逼从业者构建核心竞争力”。
每次面试新人时，王晨都会建议新人选择垂直赛道深耕，将数据标注视为理解AI底层逻辑的入口，逐步向产品设计、质量评估等上游环节拓展。但他自己还没有彻底想清楚，他只是感觉，无论如何都不能轻易下了AI这趟高速列车。
（文中王晨、于洪为化名）
还没有评论，来说两句吧...