文 | 財天COVER 豆蔻
編輯 | 李不清
五一，打工人的節(jié)日；搞錢，打工人的標(biāo)簽。對普通人來說，到底哪些新職業(yè)還有“掘金”的空間？《財經(jīng)天下》特別策劃了“黃金打工人”專題，將目光聚焦在五大新職業(yè)群體身上。通過他們的故事，來呈現(xiàn)一些新的就業(yè)趨勢觀察。本篇講述的是，用數(shù)據(jù)標(biāo)注來“馴化”大模型的四位工程師，他們?nèi)绾螌⒂脩粜枨笈c模型嫁接起來，讓大模型變得更加聰明。
2023年初，看到國內(nèi)不斷涌現(xiàn)的大語言模型，研究生剛畢業(yè)的萬玉磊感到AI潮流勢不可當(dāng)，做出了人生最重要的選擇。
他毅然放棄了某互聯(lián)網(wǎng)大廠OCR（圖片文字識別）工程師的offer，以提示詞工程師的身份，加盟了一家多模態(tài)大模型初創(chuàng)公司。他的任務(wù)是訓(xùn)練AI，讓它更加聰明，不斷提升和人類對話的能力。
作為大模型的智能基礎(chǔ)，AI和用戶的交互能力，以及數(shù)據(jù)做得如何，直接決定了大模型的上限。DeepSeek的超強(qiáng)性能和驚人表現(xiàn)背后，便離不開它更強(qiáng)大的語義理解能力和高質(zhì)量數(shù)據(jù)的支持。業(yè)界甚至傳出，梁文鋒也親自參與了數(shù)據(jù)標(biāo)注工作。
智聯(lián)招聘數(shù)據(jù)顯示，今年2月，算法工程師、機(jī)器學(xué)習(xí)、深度學(xué)習(xí)等崗位招聘量同比大幅增加。其中，承擔(dān)“AI訓(xùn)練”的數(shù)據(jù)標(biāo)注崗位，招聘需求同比增長超50%，平均招聘月薪也突破了2萬元。
《財經(jīng)天下》注意到，近期不少大廠特別為“AI訓(xùn)練師”開出了高薪。如字節(jié)跳動給AI訓(xùn)練崗開出了月薪2萬~4萬元、15薪；小紅書也對“AI標(biāo)注產(chǎn)品”崗開出了2萬~4萬元、16薪的標(biāo)準(zhǔn)。
“有良好產(chǎn)品意識、了解模型訓(xùn)練”是這些崗位的基本要求，更令不少求職者心動的是，其中不少大廠職位還對文科生相當(dāng)友好，不同專業(yè)背景都可入行。
“AI訓(xùn)練師”的行業(yè)壁壘有多高，在AI技術(shù)的高速迭代中，其行業(yè)前景和含金量能保持多久？《財經(jīng)天下》找到了四位不同行業(yè)、年齡的“AI訓(xùn)練師”，他們對于數(shù)據(jù)標(biāo)注有著或樂觀、或焦慮的思考。
01、年薪百萬，并不罕見
“就像訓(xùn)練貓抓老鼠，你需要不斷試探模型的觸發(fā)機(jī)制?！边@個五一前兩天，在位于北京海淀五道口的辦公室里，萬玉磊向《財經(jīng)天下》描述了他們經(jīng)歷過的提示詞與大模型的早期碰撞。
在他看來，2023年前后，提示詞與大模型的碰撞還充滿“神秘”色彩。萬玉磊團(tuán)隊曾嘗試通過“情緒激勵”的方式，提升模型表現(xiàn)?！敖o予大模型小費獎勵”，或者讓工程師扮演“殘障程序員”等人格化設(shè)定，竟能讓模型輸出質(zhì)量大幅提升。
隨著DeepSeek-R1等長序列推理模型問世，思維鏈（Chain-of-Thought）技術(shù)普及讓強(qiáng)化學(xué)習(xí)技術(shù)飛速突破，給大模型投喂簡單“咒語”的方法逐漸失效，提示詞工程也朝向數(shù)據(jù)自動化的方向深化。
“我們現(xiàn)在已經(jīng)在用母提示詞（預(yù)先設(shè)計好的、可復(fù)用的提示詞框架）生成上千條候選指令，通過自動評估系統(tǒng)篩選出最優(yōu)解?！比f玉磊介紹道。
在他看來，基于Transformer架構(gòu)的大模型技術(shù)革命，會將傳統(tǒng)AI領(lǐng)域的知識體系徹底顛覆。之所以選擇以提示詞工程師的身份擁抱變革：“因為提示詞是新世界的敲門磚，它用最低成本，讓普通人接觸到大模型核心能力。”
萬玉磊觀察，不少頭部企業(yè)確實正在以百萬年薪爭奪提示詞優(yōu)化專家，數(shù)據(jù)策略崗需求激增。據(jù)其透露，字節(jié)在瘋狂招各個領(lǐng)域的博士生來幫他們調(diào)數(shù)據(jù)；小紅書則嘗試組建“藝術(shù)+代碼”的跨學(xué)科人才團(tuán)隊，試圖更好地解決圖文生成的審美瓶頸。
在萬玉磊領(lǐng)導(dǎo)的7人團(tuán)隊中，5名數(shù)據(jù)標(biāo)注員都是本科應(yīng)屆生，工作要完成大量語義標(biāo)注。另外2位提示詞工程師則要兼具代碼能力與跨學(xué)科視野。不過在他看來，當(dāng)下能勝任AI訓(xùn)練的人，持續(xù)學(xué)習(xí)的能力是核心門檻。
技術(shù)人員每月都要不斷消化頂級會刊論文，這種高壓環(huán)境也催生了獨特的學(xué)習(xí)文化。每周一的論文研討會上，萬玉磊都會專門讓團(tuán)隊成員拆解一份最新的模型技術(shù)報告，互相探討?！吧现苊嬖嚂r，我們最關(guān)注候選人是否第一時間體驗過Claude 3的新版本?！?/p>
比起設(shè)計母提示詞，評估體系的數(shù)字化正在成為工作的新焦點?！霸u估標(biāo)準(zhǔn)的制定比寫提示詞更關(guān)鍵，這也決定了系統(tǒng)的進(jìn)化方向?！?/p>
“比如，我們團(tuán)隊搭建的自動化評測系統(tǒng)包含30余個量化指標(biāo)：從回答相關(guān)性、中立性到情感親和力，每個維度的權(quán)重會隨業(yè)務(wù)場景動態(tài)調(diào)整?！蹦壳埃趫F(tuán)隊中已經(jīng)有70%的工作集中到了評估模型優(yōu)化，僅有30%的工作放到了提示詞生成。
特別是當(dāng)大模型走向商業(yè)化后，大量垂類模型讓針對性的提示詞訓(xùn)練變得更加不可或缺。“B端用戶需求非常明確，用戶數(shù)據(jù)有效，提示詞也會更加明確?！?/p>
萬玉磊目前已做過電力運營、城市治理等垂直模型，在某個電網(wǎng)AI項目中，對方提供了百萬量級的故障樣本和精準(zhǔn)工況描述，這也讓提示詞的設(shè)計效率大幅提升。
與之形成鮮明對比的，是設(shè)計C端產(chǎn)品的迷茫。面對數(shù)億用戶千奇百怪的提問，萬玉磊曾因用戶需求“過度發(fā)散”而苦惱不已?！癈端的用戶場景不明確，你也不知道他到底要什么，這種提示詞做起來就會很難?！彼嘈Φ?。
雖然提示詞工程師總要跟枯燥的數(shù)據(jù)打交道，但隨著模型能力的進(jìn)化，萬玉磊也會時不時地被震撼到。尤其是DeepSeek的“頓悟時刻（AHA moment）”閃現(xiàn)，讓他印象極深。
在DeepSeek的論文中提到，模型讓作者“見證了強(qiáng)化學(xué)習(xí)的力量和美感”。在開發(fā)DeepSeek-R1-Zero的中間版本時，模型曾學(xué)會了以人類的語氣進(jìn)行反思，領(lǐng)悟到了訓(xùn)練數(shù)據(jù)里完全沒有的東西。
“我們正在經(jīng)歷技術(shù)史上的‘亂紀(jì)元’。”萬玉磊用《三體》中的故事比喻當(dāng)前行業(yè)態(tài)勢：當(dāng)大模型每月突破一個技術(shù)里程碑，傳統(tǒng)的職業(yè)規(guī)劃已失去意義，唯有構(gòu)建“終身學(xué)習(xí)”的能力，才能保持競爭力。
02、行業(yè)需要工程師變成產(chǎn)品經(jīng)理
2022年11月，ChatGPT橫空出世時，張遠(yuǎn)辰還在準(zhǔn)備研究生備考。
2023年初，一位專欄作者與New Bing（微軟基于GPT-4模型的AI搜索引擎）進(jìn)行了數(shù)輪對話，意外發(fā)現(xiàn)New Bing不僅會表達(dá)感情，還會PUA甚至威脅人類，看起來似乎擁有了“自我意識”。這讓張遠(yuǎn)辰大為震撼，“我第一次真切感受到AI的擬人化潛力，甚至產(chǎn)生過退學(xué)、投身AI行業(yè)的想法?！?/p>
不久后，張遠(yuǎn)辰通過實習(xí)進(jìn)入了AI領(lǐng)域，首份工作便是用封裝提示詞實現(xiàn)產(chǎn)品化。比如，根據(jù)用戶輸入的書名和字?jǐn)?shù)，生成讀后感。這也讓張遠(yuǎn)辰第一次意識到，提示詞對于模型質(zhì)量提升的關(guān)鍵作用。
“特別是模型能力較弱時，提示詞工程與模型訓(xùn)練同等重要。一份完整的結(jié)構(gòu)化提示詞屬于核心資產(chǎn)，可以拿到網(wǎng)上去做售賣?！?/p>
張遠(yuǎn)辰暗下決心，將畢業(yè)后的求職目標(biāo)對準(zhǔn)大廠。但當(dāng)時間撥到2025年，在面試字節(jié)、阿里等公司的過程中，張遠(yuǎn)辰發(fā)現(xiàn)，大廠對提示詞工程師的需求每年都在變化。
“2023年，大廠會選擇直接招一些AI產(chǎn)品經(jīng)理來做相關(guān)的探索，對于提示詞沒有太重視。到2024年初，專門的提示詞工程師已經(jīng)出現(xiàn)，大模型行業(yè)開始細(xì)致分工?！?/p>
而到了2025年，DeepSeek讓普通用戶通過自然語言就能玩轉(zhuǎn)AI?！按髲S也更傾向于將提示詞能力視為產(chǎn)品經(jīng)理、研發(fā)等崗位的基礎(chǔ)技能，而非獨立崗位?！边@也讓張遠(yuǎn)辰意識到，提示詞工程師正在向通用技能遷移，甚至可能逐漸 “消失”，其職責(zé)會被其他崗位吸收。
張遠(yuǎn)辰結(jié)合自身和周圍的情況粗略判斷，2024年，大廠給1~3年經(jīng)驗從業(yè)者的薪資約在月薪2.2萬~3.5萬元之間。
但她也表示，對于提示詞工程師高薪、高學(xué)歷的標(biāo)簽要理性看待。單純的提示詞撰寫，已經(jīng)難以構(gòu)成長期壁壘。提示詞工程師水平的高低，本質(zhì)取決于能否直擊問題本質(zhì)、識別模型輸出的價值。
“提示詞工程師的工作并非單純的提示詞撰寫技巧，而是對用戶需求的洞察、跨領(lǐng)域知識儲備，以及利用模型特性創(chuàng)新解決方案的能力。”張遠(yuǎn)辰說。
在她看來，提示詞工程師的崗位職能正在遷移，發(fā)展路徑更可能朝向AI產(chǎn)品經(jīng)理——理解用戶需求、拆解任務(wù)流程，這都和產(chǎn)品經(jīng)理的核心能力高度重合。
而面對全新領(lǐng)域的提示詞需求，張遠(yuǎn)辰表示并無標(biāo)準(zhǔn)的調(diào)研流程，而是更多依賴于實踐驗證。
令她印象深刻的是，2024年上半年 ，她在參與一部AI小說寫作時，需要將小說拆解為題目、提綱、大綱、正文等多個環(huán)節(jié)。每個環(huán)節(jié)的提示詞都要抽象提煉為前文已生成過的內(nèi)容（如題目、文風(fēng)要求），才能確保上下文連貫。
雖然聽著簡單，但實際處理過程中難題不斷，如模型輸出格式錯誤、模型崩塌（重復(fù)輸出單個字符）和截斷（內(nèi)容未完成即終止）等。
光是解決格式問題，張遠(yuǎn)辰就測試了20多個模型。她也因此發(fā)現(xiàn)，DeepSeek雖然能穩(wěn)定輸出格式，但對于中文網(wǎng)文的風(fēng)格支持不足。最終，她是通過流程切分（如將2萬字的小說拆分為10個2000字左右的段落生成），才降低了模型處理壓力。
張遠(yuǎn)辰事后總結(jié)道，提示詞的設(shè)計往往充斥著很多不確定性，“有效定義AI的工作流程，比提示詞設(shè)計本身更有用”。這也讓她將職業(yè)規(guī)劃開始沿著AI產(chǎn)品經(jīng)理的方向深化：“AI終將成為工具，而把握用戶痛點、設(shè)計出真正解決問題的產(chǎn)品，才是核心競爭力?！?/p>
03、離職率高，分化明顯
2020年，于洪未曾預(yù)料到，她會在幾年后站在AI浪潮的十字路口，重新思考職業(yè)的意義。作為一名金融行業(yè)數(shù)據(jù)分析師，于洪曾在投行與咨詢公司深耕量化分析領(lǐng)域，卻在AI技術(shù)迭代中感受到了前所未有的危機(jī)。
“ChatGPT剛開始連基礎(chǔ)爬蟲都寫不好，現(xiàn)在它已經(jīng)能處理完整的機(jī)器學(xué)習(xí)項目。我的工作中80%的內(nèi)容，都可能被AI替代?！?/p>
于洪坦言，這種焦慮驅(qū)使她開始探索轉(zhuǎn)型路徑，而招聘網(wǎng)站上鋪天蓋地的“AI訓(xùn)練師”崗位，引起了她的注意。
起初，螞蟻金服等大廠對于“AI訓(xùn)練師”的要求是，不僅要有頂尖學(xué)歷，還要有CFA（特許金融分析師）持證。這讓于洪誤以為，這是一個與金融業(yè)務(wù)深度結(jié)合的復(fù)合型技術(shù)崗。但在多方打聽后，于洪發(fā)現(xiàn)提示詞訓(xùn)練本質(zhì)是“數(shù)據(jù)標(biāo)注”，與金融知識幾乎無關(guān)。
“即便是名校畢業(yè)生，進(jìn)去后也只是按機(jī)器規(guī)則打分，沒有主觀判斷的空間?！备钏馔獾氖?，不少從事該崗位的從業(yè)者竟來自牛津、劍橋等頂級學(xué)府。
可以說，數(shù)據(jù)標(biāo)注崗因大廠光環(huán)吸引著眾多求職者們。特別是它基礎(chǔ)月薪過萬，也面對文科專業(yè)招聘，更讓不少名校畢業(yè)生一度將其視為“人生奔頭”。
于洪表示，不少企業(yè)正在自建標(biāo)注團(tuán)隊，但工作的高重復(fù)性讓這一行離職率驚人?！霸S多大廠的數(shù)據(jù)標(biāo)注崗都是外包性質(zhì)的，許多人心理落差太大，干一兩個月就走了。”
在技術(shù)沖擊、行業(yè)震蕩的雙重壓力下，于洪開始重新評估自己的職業(yè)護(hù)城河。她曾親歷AI工具從“初級輔助”到“威脅替代”的轉(zhuǎn)折：早期使用ChatGPT時，于洪曾經(jīng)借助信息差，高效完成工作，享受過“拿著工資摸魚”的一小段紅利時光。
但隨著DeepSeek的崛起，老板們對開源工具的接受度提升，人力成本壓縮成為必然。“當(dāng)AI能獨立完成數(shù)據(jù)清洗、分析甚至生成報告時，我的角色將只剩下審核與糾錯?！?/p>
在技術(shù)洪流中，于洪試圖尋找新錨點。她坦言曾考慮轉(zhuǎn)向AI算法領(lǐng)域，但與資深工程師的交流讓她望而卻步。思來想去，于洪最終決定回歸學(xué)術(shù)路徑，計劃攻讀計算社會科學(xué)方向的博士，研究大語言模型與社會科學(xué)、金融分析的交叉應(yīng)用。
“未來的機(jī)會或許會出現(xiàn)在技術(shù)與業(yè)務(wù)的結(jié)合點，比如提升AI對網(wǎng)絡(luò)話語、金融文本的解析能力?！?/p>
目前，她的工作依舊每天與爬蟲和文本情緒識別模型打交道。而對于AI技術(shù)的未來，于洪表現(xiàn)出了矛盾心態(tài)，她計劃在歐洲攻讀博士并尋求工作簽證，努力朝學(xué)術(shù)領(lǐng)域發(fā)展。
和于洪類似，身處數(shù)據(jù)標(biāo)注崗的王晨，也遇到了作為“AI數(shù)據(jù)打工人”的職場焦慮。2022年，王晨加入了一家創(chuàng)業(yè)公司，投身于智能體研發(fā)的數(shù)據(jù)標(biāo)注。
王晨表示，當(dāng)下AI訓(xùn)練師的專業(yè)門檻已發(fā)生質(zhì)的躍遷。人才需求向垂直領(lǐng)域拓展，薪資梯度也呈現(xiàn)出結(jié)構(gòu)化差異。醫(yī)療、法律等專業(yè)領(lǐng)域的AI訓(xùn)練師年薪可達(dá)20萬以上，相較去年薪資漲幅達(dá)30%以上。
“不過，醫(yī)療領(lǐng)域標(biāo)注崗位要求執(zhí)業(yè)醫(yī)師資質(zhì)，影像類項目需要醫(yī)學(xué)碩士背景，美學(xué)設(shè)計相關(guān)崗位更看重從業(yè)者的專業(yè)審美積淀?！?/p>
伴隨高薪而來的是更嚴(yán)峻的挑戰(zhàn)。王晨透露，某大廠曾為特定項目半年燒掉了500萬元標(biāo)注預(yù)算，卻在完成后立即解散團(tuán)隊，“這種不確定性也在倒逼從業(yè)者構(gòu)建核心競爭力”。
每次面試新人時，王晨都會建議新人選擇垂直賽道深耕，將數(shù)據(jù)標(biāo)注視為理解AI底層邏輯的入口，逐步向產(chǎn)品設(shè)計、質(zhì)量評估等上游環(huán)節(jié)拓展。但他自己還沒有徹底想清楚，他只是感覺，無論如何都不能輕易下了AI這趟高速列車。
（文中王晨、于洪為化名）