五一，是打工人的节日，搞钱，是打工人的标签。对于普通人而言，究竟哪些新职业存在“掘金”空间呢？《财经天下》特别策划了“黄金打工人”专题，把目光聚焦于五大新职业群体。借助他们的故事，呈现一些新的就业趋势观察。本篇讲述的是四位用数据标注来“驯化”大模型的工程师，他们把用户需求与模型嫁接起来，从而让大模型变得更加聪明 。
2023年初，国内不断有大语言模型涌现出来，万玉磊研究生刚毕业，他感到AI潮流势不可当，于是做出了人生最重要的选择。
他决然放弃了某互联网大厂图片文字识别工程师的录用通知，以提示词工程师的身份，加入了一家多模态大模型初创公司。他的工作是训练人工智能，使其变得更加智能，持续提高与人类对话的能力。
AI与用户的交互能力，作为大模型的智能基础，其做得如何，直接决定大模型的上限，数据方面做得如何，同样直接决定大模型的上限。DeepSeek有超强性能和惊人表现，其背后离不开更强大的语义理解能力的支持，也离不开高质量数据的支持。业界甚至传出，数据标注工作梁文锋也亲自参与了。
智联招聘的数据表明，在今年2月，算法工程师岗位的招聘量同比大幅上升，机器学习岗位的招聘量同比大幅上升，深度学习等岗位的招聘量同比大幅上升。其中，数据标注岗位承担着“AI训练”的工作，该岗位的招聘需求同比增长超过50%，其平均招聘月薪也突破了2万元。
《财经天下》留意到，近期许多大厂专门为“AI训练师”提供了高薪待遇。比如字节跳动为AI训练岗给出了月薪2万至4万元，且有15薪；小红书也针对“AI标注产品”岗制定了2万至4万元、16薪的标准 。
这些岗位有基本要求，即要有良好产品意识，要了解模型训练。更让不少求职者心动的是，其中不少大厂职位对文科生相当友好，不同专业背景的人都可入行。
“AI训练师”行业壁垒的高度如何，在AI技术快速迭代过程中，其行业前景能维持多久，含金量又能保持多久？《财经天下》寻访到四位来自不同行业、不同年龄的“AI训练师”，他们对数据标注持有或乐观、或焦虑的看法。
01、年薪百万，并不罕见
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，就如同训练猫抓老鼠一样，需要不断试探模型的触发机制。
在他看来，2023年前后，提示词与大模型的碰撞带有“神秘”色彩。万玉磊团队曾尝试采用“情绪激励”的方式来提升模型表现。“给予大模型小费奖励”，或者让工程师进行“残障程序员”等人格化设定，结果模型输出质量大幅提升 。
随着DeepSeek-R1等长序列推理模型出现，思维链（Chain-of-Thought）技术得到普及，强化学习技术实现飞速突破，给大模型投喂简单“咒语”的方法渐渐失效，提示词工程朝着数据自动化的方向深入发展。
我们现在已经在用母提示词生成上千条候选指令，这些母提示词是预先设计好的、可复用的提示词框架，之后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，会彻底颠覆传统AI领域的知识体系。他选择以提示词工程师的身份拥抱变革，是因为提示词是新世界的敲门砖，它能让普通人以最低成本接触到大模型核心能力 。
万玉磊观察到，不少头部企业确实正在以百万年薪争夺提示词优化专家，数据策略岗的需求急剧增加。据他透露，字节正在大量招聘各个领域的博士生来帮助他们调整数据，小红书则尝试组建“艺术+代码”的跨学科人才团队，想要更好地解决图文生成的审美瓶颈。
万玉磊领导着一个7人团队，其中5名数据标注员都是本科应届生，他们的工作是完成大量语义标注，另外2位提示词工程师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。
技术人员每个月都需持续深入理解顶级会刊论文，这样的高压环境促使形成了独特的学习文化。在每周一的论文研讨会上，万玉磊会特意安排团队成员剖析一份最新的模型技术报告，并相互进行探讨。“上周面试时，我们最为看重候选人有没有第一时间体验过Claude 3的新版本。”
评估体系的数字化正逐渐成为工作的新焦点，相较于设计母提示词而言 。评估标准的制定比写提示词更关键 ，它决定了系统的进化方向 。
例如，我们团队构建的自动化评测系统涵盖30多个量化指标，这些指标包括回答相关性、中立性以及情感亲和力，而且每个维度的权重会依据业务场景进行动态调整。目前，他所在团队里已有70%的工作聚焦于评估模型优化，仅有30%的工作用于提示词生成。
特别是在大模型迈向商业化之后，大量垂类模型使得针对性的提示词训练变得愈发不可或缺，B端用户需求极为明确，用户数据有效，提示词也会更为明确。
万玉磊目前已经做过电力运营、城市治理等垂直模型，在某个电网AI项目里，对方提供了百万量级的故障样本，还提供了精准工况描述，这使得提示词的设计效率得到大幅提升。
与之形成鲜明对比的，是设计C端产品时的迷茫。面对数亿用户提出的千奇百怪的问题，万玉磊曾因用户需求“过度发散”而苦恼万分。他苦笑着说，“C端的用户场景不明确，你也不清楚他到底想要什么，做这种提示词就会非常困难。”
提示词工程师常常要与枯燥的数据打交道，不过随着模型能力的不断进化，万玉磊也会不时地受到震撼。特别是DeepSeek出现“顿悟时刻”的时候，给他留下了极为深刻的印象。
在DeepSeek的论文里提及，模型使作者“目睹了强化学习的力量与美感”。在开发DeepSeek-R1-Zero的中间版本之际，模型曾学会以人类的口吻进行反思，领会到了训练数据中全然不存在的事物。
万玉磊用《三体》中的故事比喻当前行业态势，称我们正在经历技术史上的“乱纪元”，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，GPT突然出现，那时张远辰正在准备研究生考试 。
2023年初 一位专栏作者与New Bing进行了数轮对话 New Bing是微软基于GPT-4模型的AI搜索引擎 这位专栏作者意外发现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 张远辰表示“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，张远辰借助实习进入了AI领域，他的首份工作是通过封装提示词来实现产品化，比如，依据用户输入的书名和字数生成读后感，这使张远辰首次意识到提示词对模型质量提升具有关键作用。
特别是在模型能力比较弱的时候，提示词工程和模型训练有着同样重要的地位。一份完整的结构化提示词是核心资产，能够拿到网上售卖。
张远辰暗暗下定决心，要把毕业后的求职目标定在大厂上。可是当时间来到2025年，在面试字节、阿里等公司时，张远辰发觉，大厂对提示词工程师的需求每年都有变化。
2023年，大厂会选择直接招聘一些AI产品经理来进行相关探索，当时对提示词不太重视，到2024年初，专门的提示词工程师已然出现，大模型行业开始进行细致分工。
到了2025年，DeepSeek能让普通用户通过自然语言玩转AI 。大厂更倾向于把提示词能力当作产品经理、研发等岗位的基础技能，而非独立岗位 。这让张远辰意识到，提示词工程师正朝着通用技能迁移，甚至可能渐渐“消失”，其职责会被其他岗位吸纳 。
张远辰根据自身以及周围的状况进行了粗略判断，在2024年的时候，大厂给有1至3年经验的从业者的薪资，大概在月薪2.2万到3.5万元的范围之内。
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 。提示词工程师水平的高低，本质取决于能否识别模型输出的价值 。
张远辰说，提示词工程师的工作不只是撰写提示词的技巧，更是对用户需求的洞察，是跨领域知识的储备，还是利用模型特性创新解决方案的能力。
在她看来，提示词工程师的岗位职能正在发生迁移，其发展路径更有可能朝着AI产品经理的方向，要理解用户需求，要拆解任务流程，而这些都与产品经理的核心能力高度重合。
面对全新领域的提示词需求，张远辰称没有标准的调研流程，更多是依靠实践验证。
令她印象深刻的是，2024年上半年 ，她参与了一部AI小说写作。写作时，需要将小说拆解为多个环节，包括题目、提纲、大纲、正文等。每个环节的提示词都要进行抽象提炼，以确保上下文连贯。这些提示词要以前文已生成过的内容为基础，比如题目、文风要求等 。
虽然听起来容易，不过在实际处理进程中困难重重，像是模型输出格式有误，模型出现崩塌情况（重复输出单个字符），还有截断现象（内容未完成就终止）等等。
为解决格式问题，张远辰测试了20多个模型。她由此发现，DeepSeek虽能稳定输出格式，却对中文网文风格支持不足。最终，她通过流程切分，比如把2万字的小说拆分成10个2000字左右的段落来生成，降低了模型处理压力。
张远辰事后进行总结，提示词的设计常常充满诸多不确定性，“有效定义AI的工作流程，比提示词设计本身更具作用”。这使得她把职业规划朝着AI产品经理的方向深入发展：“AI最终会成为工具，而抓住用户痛点、设计出切实解决问题的产品，才是核心竞争力。”
03、离职率高，分化明显
2020年，于洪没有预料到，几年后她会站在AI浪潮的十字路口，重新思考职业的意义。于洪是一名金融行业数据分析师，她曾在投行与咨询公司深耕量化分析领域，然而在AI技术迭代中，她感受到了前所未有的危机。
GPT最初连基础爬虫都写得不好，如今它已能够处理完整的机器学习项目，我工作中80%的内容，都有可能被AI替代。
于洪坦率地说，这种焦虑促使她开始探寻转型的途径，招聘网站上数量众多的“AI训练师”岗位，引起了她的留意。
起初，蚂蚁金服等大厂对“AI训练师”有要求，要求不仅要有顶尖学历，还要持有CFA（特许金融分析师）证书，这使于洪误以为这是一个与金融业务深度融合的复合型技术岗位，然而在多方打听后，于洪发现提示词训练本质是“数据标注”，和金融知识几乎没有关联。
就算是名校毕业的学生，进入之后也只是依照机器规则来打分，不存在主观判断的余地。更让她感到意外的是，许多从事这个岗位的从业者竟然来自牛津、剑桥等顶尖学府。
可以说，数据标注岗吸引了众多求职者，因为它有大厂光环。特别是它基础月薪过万，而且面向文科专业招聘，这使得不少名校毕业生一度将其视为“人生奔头”。
于洪称，不少企业在自行组建标注团队，然而工作的重复性过高，致使这一行业的离职率极为惊人，“很多大厂的数据标注岗位属于外包性质，不少人心理落差显著，工作一两个月便会离职。”
在技术冲击和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GPT时，于洪曾借助信息差高效完成工作，还享受过“拿着工资摸鱼”的一小段红利时光。
但随着DeepSeek开始兴起，老板们对开源工具的接受程度提高，人力成本的压缩成为了必然趋势。“当AI能够独立完成数据清洗、分析，甚至生成报告时，我的角色将只剩下审核与纠错。”
在技术洪流当中，于洪尝试去寻找新的锚点，她表示自己曾经考虑过转向AI算法领域，然而与资深工程师的交流使她心生退意，经过反复思考，于洪最后决定回归学术路径，打算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。
未来的机会可能会出现在技术和业务的结合之处，例如提高AI对网络话语的解析能力，提高AI对金融文本的解析能力。
目前，她的工作仍然是每天和爬虫以及文本情绪识别模型打交道。至于AI技术的未来，于洪呈现出矛盾心态，她打算在欧洲攻读博士，还要寻求工作签证，努力朝着学术领域发展。
王晨身处数据标注岗，和于洪情况类似，他也遭遇了“AI数据打工人”的职场焦虑。2022年，王晨加入了一家创业公司，开始投身于智能体研发的数据标注工作。
王晨称，如今AI训练师的专业门槛有了质的提升，人才需求朝着垂直领域延伸，薪资梯度也出现了结构化差别，医疗、法律等专业领域的AI训练师，年薪能达到20万以上，和去年相比，薪资涨幅超过30% 。
不过，医疗领域标注的岗位要求具备执业医师资质，影像类项目要求有医学硕士背景，美学设计相关岗位则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 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”
每次面试新人的时候，王晨都会建议新人选择垂直赛道进行深耕，把数据标注当作理解AI底层逻辑的入口，然后逐步朝着产品设计、质量评估等上游环节去拓展。不过他自己还没有完全想明白，他仅仅是感觉，不管怎样都不能轻易离开AI这趟高速列车。
（文中王晨、于洪为化名）
作者是豆蔻，编辑是李不清，图片来源为视觉中国，本内容来自财经天下WEEKLY 。
