文 | 鏡相工作室 阮怡玲

編輯 | 盧枕

近兩年，隨著AI的火熱發(fā)展，“提示詞（prompt）”這個(gè)詞也被普通人熟知。

在AI短視頻博主那里，這是AI時(shí)代的普通人必須要掌握的一項(xiàng)技能，“誰(shuí)不會(huì)用提示詞，誰(shuí)就會(huì)被AI淘汰！”在焦慮的打工人那里，提示詞是用AI來(lái)幫忙完成工作的手段，需要整天琢磨對(duì)AI說(shuō)什么才能得到更好的效果。這種焦慮也催生了眾多“提示詞工程”的知識(shí)付費(fèi)課程，在AI還沒(méi)真正落地之前，就先讓一幫嗅覺(jué)敏銳的人大賺一筆。

提示詞也曾是許多沒(méi)有AI和相關(guān)技術(shù)背景的人，想追趕AI風(fēng)口的一條捷徑。作為一種新職業(yè)，“提示詞工程師”曾被許多人追捧，門檻低、上手快、薪資高，成為轉(zhuǎn)行AI的首選。“2023年的時(shí)候阿貓阿狗都能進(jìn)來(lái)，挺好混的，挺水的?！睆臉I(yè)者楊佩駿說(shuō)。那時(shí)在國(guó)外有的提示詞工程師甚至能拿到25-33萬(wàn)美元年薪。

但現(xiàn)在，隨著大模型能力的快速提升，提示詞工程師越來(lái)越?jīng)]有存在感，楊佩駿發(fā)現(xiàn)，辛辛苦苦優(yōu)化了很長(zhǎng)時(shí)間的提示詞，模型一升級(jí)，就相當(dāng)于白干了。模型理解自然語(yǔ)言、推理與思考能力越來(lái)越強(qiáng)，傳統(tǒng)意義上只會(huì)寫提示詞的提示詞工程師已經(jīng)失去競(jìng)爭(zhēng)力，AI、模型公司們也不愿意招了。

“現(xiàn)在大家稍微有一點(diǎn)職業(yè)追求，都不愿意承認(rèn)自己是PE（prompt engineer）?！贝髲S的AI實(shí)習(xí)生很多也在社交平臺(tái)上吐槽，工作就是寫prompt、洗數(shù)據(jù)，寫在簡(jiǎn)歷上都擔(dān)心會(huì)“臟簡(jiǎn)歷” 。

面向普通人入局AI的這條捷徑，似乎已經(jīng)被堵死了。

所有人都在一個(gè)起跑線

研究生學(xué)的是歷史，在大廠做著運(yùn)營(yíng)，萬(wàn)玉磊本來(lái)跟AI、大模型搭不上半點(diǎn)兒邊，只是一次突然的裁員，讓他開(kāi)始重新思考自己的職業(yè)路徑。

自大模型火了后，萬(wàn)玉磊就一直是AI的深度用戶，從健身計(jì)劃到文字冒險(xiǎn)游戲，他把感興趣的東西都用AI嘗試了一遍，還拿過(guò)科大訊飛發(fā)放的提示詞工程師證書。面對(duì)競(jìng)爭(zhēng)激烈的大廠招聘市場(chǎng)，他尋思著，不能再在這兒耗著。他判斷，未來(lái)五年中國(guó)整個(gè)市場(chǎng)的錢都會(huì)被AI吸收，AI一定是發(fā)展最快的行業(yè)，自己要尋找一切機(jī)會(huì)進(jìn)入AI行業(yè)。

為了轉(zhuǎn)行，他做了不少準(zhǔn)備，甚至撿起課本把線性代數(shù)又看了一遍，還在知網(wǎng)上看了大量人工智能相關(guān)的綜述，讀了本《深度學(xué)習(xí)革命》的書，了解了一遍人工智能與自然語(yǔ)言處理的發(fā)展歷史。在技術(shù)上，離職之前，他就自學(xué)完了吳恩達(dá)的提示詞工程課程。

幸運(yùn)的是，這是個(gè)競(jìng)爭(zhēng)信息差的時(shí)期，看到AI機(jī)會(huì)并且有魄力從頭開(kāi)始的人并不多，加上對(duì)AI的興趣和熱情，這些準(zhǔn)備已經(jīng)足夠了。萬(wàn)玉磊剛投簡(jiǎn)歷，就有AI公司聯(lián)系了他。

他面試過(guò)一些模型公司的數(shù)據(jù)標(biāo)注崗、運(yùn)營(yíng)崗，最后在2023年11月，萬(wàn)玉磊成功加入了一家自研多模態(tài)大模型初創(chuàng)公司，成為了國(guó)內(nèi)最早的一批提示詞工程師。這個(gè)崗位在模型部，他覺(jué)得最能接近論文與技術(shù)，“我要感謝前公司開(kāi)了我，不然我還在干運(yùn)營(yíng)”。

面試官是后來(lái)他領(lǐng)導(dǎo)的師兄，博五在讀，說(shuō)話慢條斯理，很有邏輯，看重他對(duì)AI的熱情與好奇心，交流了很多對(duì)市面上AI產(chǎn)品的使用體驗(yàn)。萬(wàn)玉磊回憶，都是年輕人，當(dāng)時(shí)他們聊得很愉快。

其實(shí)整個(gè)行業(yè)都是年輕人，OpenAI就是一群搞學(xué)術(shù)研究的年輕人鼓搗出來(lái)的，拿著誰(shuí)都不看好的論文，建立起如今變革世界的公司。

“他們?cè)诋嬕粋€(gè)名為AGI的大餅”，但萬(wàn)玉磊信這個(gè)大餅，甚至可以說(shuō)他就是沖著這個(gè)大餅來(lái)的，“我自己就是一個(gè)很堅(jiān)定的AGI信仰者”。

還沒(méi)入職前，在萬(wàn)玉磊的想象里，提示詞工程師的工作就只是優(yōu)化提示詞，設(shè)計(jì)好工作流，用一定的文字格式向AI獲取更高質(zhì)量的答案。入職后，他才發(fā)現(xiàn)最核心的是優(yōu)化數(shù)據(jù)，優(yōu)化模型的輸出、提升模型的性能。

進(jìn)去第一個(gè)月，他被安排洗數(shù)據(jù)。洗數(shù)據(jù)這件事只要有充足的耐心就夠了，是給新員工的一個(gè)接觸最底層預(yù)訓(xùn)練過(guò)程的機(jī)會(huì)——知道模型要什么樣的數(shù)據(jù)，才能更加理解模型為什么會(huì)輸出這樣的東西，不能只洗，在洗的過(guò)程中得思考：為什么這個(gè)語(yǔ)義要這么分割？為什么這里有一個(gè)end字符？為什么我的token這么長(zhǎng)？

之后就開(kāi)始做各個(gè)項(xiàng)目，用提示詞、RAG（檢索增強(qiáng)生成技術(shù)）、Fine Tuning（微調(diào)）等手段調(diào)整模型的輸出。

AI初創(chuàng)公司，總是缺算力、缺錢、缺人。模型不斷迭代，業(yè)務(wù)不斷調(diào)整，職責(zé)也在不斷變化。第四個(gè)月，萬(wàn)玉磊就開(kāi)始擔(dān)任模型數(shù)據(jù)組的負(fù)責(zé)人，帶了一個(gè)小團(tuán)隊(duì)，現(xiàn)在7個(gè)人滿員。

雖然是文科背景，但萬(wàn)玉磊抓住了機(jī)會(huì)，他如今幾乎算是公司的“元老”了?！癆I是一個(gè)很好的機(jī)會(huì)，把所有人都拉到一個(gè)全新的起跑線?！蹦呐率怯?jì)算機(jī)本科的人，理解AI代碼其實(shí)也是從零開(kāi)始，而99%的AI知識(shí)，實(shí)際上是在網(wǎng)上對(duì)所有人開(kāi)放的。

“不管做什么，先上車再說(shuō)?！?/p>

模型進(jìn)化，淘汰一批提示詞工程師

2024年作為實(shí)習(xí)生入行AI的陳柳陽(yáng)，既做過(guò)大模型公司的提示詞工程師，也做過(guò)業(yè)務(wù)公司的AI產(chǎn)品經(jīng)理。

2023年底，陳柳陽(yáng)在中科院讀研，陸陸續(xù)續(xù)選修了python、深度學(xué)習(xí)、神經(jīng)網(wǎng)絡(luò)、大語(yǔ)言模型訓(xùn)練等課程，開(kāi)始入門AI。為了更方便地用大模型讀文獻(xiàn)，他自己寫了一些prompt，還發(fā)布到小紅書參加月之暗面的比賽，總贊數(shù)排名第六。盡管比賽前后兩次投月之暗面的實(shí)習(xí)都沒(méi)通過(guò)，但他找到了另一家大模型公司提示詞工程師的實(shí)習(xí)。

在面試中，除了被問(wèn)“如何寫好prompt”，更多的就是被問(wèn)如何當(dāng)好一個(gè)產(chǎn)品經(jīng)理。印象最深刻的是，面試官拋了一個(gè)問(wèn)題：你懂什么技術(shù)？陳柳陽(yáng)回答，他懂Transformer，懂LSTM（長(zhǎng)短期記憶框架），面試官要求他介紹一遍L(zhǎng)STM。后來(lái)他才知道，面試官其實(shí)不懂這個(gè)技術(shù)，不是在考察他是不是真的懂，而是在觀察他的表達(dá)能力，能不能對(duì)一個(gè)小白講清楚。

他總結(jié)，提示詞工程師需要的，第一就是邏輯能力，思考清楚這個(gè)東西到底怎么做；第二就是表達(dá)能力，要向AI表達(dá)清楚你的需求。

他認(rèn)為，如果想要真正地接觸AI產(chǎn)品的開(kāi)發(fā)，理解AI能力的進(jìn)化，AI產(chǎn)品經(jīng)理和提示詞工程師是兩個(gè)對(duì)普通人友好的職業(yè)。而從業(yè)者的普遍看法也是，如今兩者其實(shí)可以看做一個(gè)崗位，名頭不同，工作內(nèi)容類似。

據(jù)他了解，同行里計(jì)算機(jī)、金融、心理學(xué)背景的人都有，提示詞工程師其實(shí)并不特別要求技術(shù)背景。提示詞工程師只是一個(gè)與AI對(duì)話的人，沒(méi)有太高能力壁壘。提升prompt能力與編程沒(méi)關(guān)系，更需要思維的邏輯縝密性、表達(dá)能力以及對(duì)AI模型能力邊界的理解。

楊佩駿加入AI還要更早，前一份工作是與AI毫不相干的to B交付工程師，見(jiàn)到ChatGPT的火熱，他直接辭職出來(lái)，2023年6月份在一個(gè)大模型公司找了份“AI產(chǎn)品經(jīng)理”的工作。公司為了國(guó)際化，招了很多外語(yǔ)專業(yè)的人，是公司的第一批AI產(chǎn)品經(jīng)理。

名為產(chǎn)品經(jīng)理，實(shí)際上工作內(nèi)容全是prompt優(yōu)化，花30%時(shí)間寫提示詞，剩下的時(shí)間評(píng)估，是從字面意義上理解的更純粹的提示詞工程師。

在2023年中期，大家對(duì)模型能力邊界的理解還很淺薄，楊佩駿的公司做的是套殼強(qiáng)化版的chatbot，一段提示詞配上一兩個(gè)工具；更多的是調(diào)研競(jìng)品，研究研究競(jìng)品哪里能抄，保證每個(gè)季度能做出東西交給領(lǐng)導(dǎo)。

“的確是比較機(jī)械化的工作?！睏钆弪E想起當(dāng)時(shí)，覺(jué)得提示詞工程師門檻太低了。

往后，模型的能力增強(qiáng)，更多的業(yè)務(wù)場(chǎng)景出現(xiàn)。給業(yè)務(wù)方提供一個(gè)接口，保證模型輸出給業(yè)務(wù)方的是穩(wěn)定的、可靠的回答，需要寫prompt，調(diào)工具，做代碼處理，工作變成一半是prompt，一半是設(shè)計(jì)、調(diào)整工作流。

但模型發(fā)展的速度實(shí)在太快，事實(shí)上，楊佩駿慢慢地發(fā)現(xiàn)，所有操作中發(fā)現(xiàn)的共性問(wèn)題，最終模型側(cè)都能解決，辛辛苦苦優(yōu)化了很長(zhǎng)時(shí)間的提示詞，模型一升級(jí)，就相當(dāng)于白干了。

見(jiàn)證著AI技術(shù)的發(fā)展與提示詞工程技術(shù)含金量的降低，楊佩駿認(rèn)為，如果提示詞工程師想有一個(gè)更長(zhǎng)的職業(yè)發(fā)展，就要具備更多的產(chǎn)品思維。

2024年中，楊佩駿主動(dòng)辭職，去了一家AI產(chǎn)品業(yè)務(wù)公司，雖然是“提示詞工程師”的職位，但劃在了產(chǎn)品序列的部門，開(kāi)始接觸真正更類似AI產(chǎn)品經(jīng)理的工作，在這里，提示詞工程會(huì)出現(xiàn)在產(chǎn)品、開(kāi)發(fā)、測(cè)試、運(yùn)營(yíng)的全流程中，但占工作內(nèi)容不到10%。

今天學(xué)點(diǎn)算法，明天學(xué)點(diǎn)產(chǎn)品，楊佩駿從一個(gè)只會(huì)寫prompt的提示詞工程師，向著真正的AI產(chǎn)品經(jīng)理轉(zhuǎn)型。

公司是做陪伴型產(chǎn)品，楊佩駿得找到產(chǎn)品中需要與AI結(jié)合的各種地方，比如在對(duì)話中，除了文字、語(yǔ)音輸出，是不是能讓模型自己找一些外部的新聞分享，自己生成表情包、圖片、視頻、網(wǎng)頁(yè)，讓輸出方式多種多樣。

模型在升級(jí)，提示詞工程師的工作內(nèi)容也不斷升級(jí)，沒(méi)背景的普通人想入行越來(lái)越難了。

優(yōu)化提示詞不再重要

從GPT3.5橫空出世到現(xiàn)在各模型百花齊放，模型能力大大提升，prompt優(yōu)化的難度降低，技術(shù)重要性也隨之降低。

“如果一個(gè)提示詞工程師只會(huì)調(diào)提示詞，是有問(wèn)題的”，周子杰說(shuō)。他是供應(yīng)鏈管理和金融的雙學(xué)位畢業(yè)，在多家互聯(lián)網(wǎng)大廠實(shí)習(xí)，臨畢業(yè)進(jìn)了金山。當(dāng)時(shí)Office出了Copilot功能，要在一個(gè)月內(nèi)從零開(kāi)始做WPS AI，把他用行政崗的head count招了進(jìn)去，崗位類似于Excel 產(chǎn)品經(jīng)理。2024年4月份，他跳槽到一家大模型公司做提示詞算法工程師。

據(jù)他介紹，兩年前，很多難調(diào)的模型就像是一頭難馴的“野獸”，需要結(jié)構(gòu)化輸出，瘋狂地調(diào)提示詞、不斷地迭代、想花樣，比如引用不同的格式，使用CoT（思維鏈）技術(shù)，調(diào)Instruction（任務(wù)描述）、調(diào)順序，但即便是旗艦級(jí)的模型，也最多只能將評(píng)測(cè)分?jǐn)?shù)從五六十分優(yōu)化到85分，很鍛煉優(yōu)化提示詞的技術(shù)。如果想要更好的效果，需要依賴靈感的迸發(fā)，出奇招致勝。

但AI模型進(jìn)化到現(xiàn)在，已經(jīng)沒(méi)那么難馴服，成為了“家養(yǎng)寵物”。隨便寫一寫，評(píng)測(cè)也能有90分，輕輕松松就能提到95分，再想往上，邊際效益就遞減了，投產(chǎn)比很低，沒(méi)有必要。

2024年9月13日，自帶思維鏈的OpenAI o1 Preview模型發(fā)布，陳柳陽(yáng)早起刷新聞看見(jiàn)，“感覺(jué)整個(gè)人都幸福了不少，覺(jué)得我馬上就不用上班了，AI發(fā)展得太快了”，能讓他寫出很多原來(lái)不敢寫、也不會(huì)寫的代碼了。

楊佩駿解釋，prompt實(shí)際上很大一部分就是人工手寫的思維鏈，強(qiáng)制地告訴模型第一步、第二步、第三步。但2024年，AI編程能力、數(shù)學(xué)能力、推理能力大進(jìn)步，從內(nèi)置的思維鏈到外顯的思維鏈，已經(jīng)能替代很多復(fù)雜的prompt文本。

甚至楊佩駿現(xiàn)在覺(jué)得，思維鏈也不重要了，更重要的是混合推理，由模型自己判斷這個(gè)問(wèn)題需不需要深度思考，避免過(guò)度思考。

周子杰從入職以來(lái)，從來(lái)沒(méi)有只做提示詞工程，從需求溝通、業(yè)務(wù)理解到產(chǎn)品設(shè)計(jì)，最后才是提示詞優(yōu)化，一般只占用不到一個(gè)小時(shí)的工作時(shí)間，如果需要SFT微調(diào)，還得協(xié)助算法工程師。

比如客戶要求為手機(jī)做一個(gè)智能助手，首先需要明確響應(yīng)時(shí)間、翻譯、計(jì)算等業(yè)務(wù)要求，接著第一步是模型選型，判斷模型的性能是否能夠勝任，像是智能助手就要求模型的首響比較快，在2秒以下；第二步是方案選型，是用RAG（檢索增強(qiáng)生成技術(shù)）、MCP（模型上下文協(xié)議），還是Function Call（模型函數(shù)調(diào)用）？選擇標(biāo)準(zhǔn)一方面是根據(jù)具體的業(yè)務(wù)需求，另一方面是做實(shí)驗(yàn)評(píng)測(cè)模型使用該方案的效果。最后一步才是提示詞優(yōu)化，快速地分析badcase錯(cuò)誤的原因，做調(diào)參。

而在此之前，需要先構(gòu)建評(píng)測(cè)集、評(píng)測(cè)指標(biāo)和評(píng)測(cè)體系。他認(rèn)為，這才是提示詞工程師的核心價(jià)值，是對(duì)業(yè)務(wù)的理解。

同時(shí)，大模型提示詞工程師面向B端時(shí)也像一個(gè)技術(shù)咨詢師，需要幫助很多業(yè)務(wù)公司搞不定的問(wèn)題，今天是醫(yī)療行業(yè)，明天是建筑行業(yè)，后天是金融行業(yè)；今年主要業(yè)務(wù)是互聯(lián)網(wǎng)，明年可能是政府端。每做一個(gè)項(xiàng)目，每想一個(gè)解決方案，都得單獨(dú)去調(diào)研?！敖衲甑闹R(shí)，明年就不能用了。”

需要明確的是，提示詞工程仍然很重要，這是面對(duì)垂直領(lǐng)域，成本最低、見(jiàn)效最快、泛化性很強(qiáng)的滿足業(yè)務(wù)要求的方式。

比如讓模型預(yù)報(bào)天氣，可能一個(gè)氣象平臺(tái)說(shuō)降雨量500毫米，另一個(gè)平臺(tái)說(shuō)300毫米，就可以通過(guò)提示詞引導(dǎo)模型的輸出，如果使用微調(diào)的手段，需要整體重新微調(diào)，成本太高，也沒(méi)必要。

但如果設(shè)立一個(gè)只寫prompt的職業(yè)，“可能不太能撐得起來(lái)”。周子杰認(rèn)為網(wǎng)上有關(guān)提示詞工程師的宣傳，更多是以賣課為目標(biāo)，與現(xiàn)實(shí)有偏差，國(guó)內(nèi)對(duì)這個(gè)專門崗位的需求可能并不大，反而AI產(chǎn)品經(jīng)理更有市場(chǎng)。

如今，AI已經(jīng)不是兩年前幾乎沒(méi)有門檻的行業(yè)了。對(duì)創(chuàng)業(yè)者來(lái)說(shuō)，AI技術(shù)縮短了站穩(wěn)腳跟的窗口期，要一個(gè)月就見(jiàn)成效；對(duì)大模型公司來(lái)說(shuō)，單子被搶是常有的事，“即使我的效果不如你，但是我比你更便宜”。

自然，入行AI也要看經(jīng)驗(yàn)了。行業(yè)變化很快，哪怕算法崗也不安定，周子杰曾經(jīng)見(jiàn)過(guò)公司裁了NLP（自然語(yǔ)言處理）的人，留著CV（計(jì)算機(jī)視覺(jué)）的人做NLP。

行業(yè)不安定，他自己的心也不安定，在遇到AI機(jī)會(huì)之前，他一直處于漂泊的狀態(tài)中，沒(méi)有安全感：畢業(yè)前拿到美團(tuán)offer，但5月份卻通知事業(yè)部沒(méi)了，offer取消了；只能通過(guò)社招去外企，又遭遇上中國(guó)區(qū)裁員，拿到2N賠償金；接著和朋友一起創(chuàng)業(yè)做AI社交，沒(méi)找到合理的商業(yè)化路徑，沒(méi)錢黃了。

AI飛速往前，沒(méi)什么是安全的

今年春節(jié)，DeepSeek橫空出世，把不再需要復(fù)雜提示詞的消息傳到了所有人的耳中。對(duì)于用戶來(lái)說(shuō)，提示詞可以簡(jiǎn)化了，但對(duì)幕后的AI從業(yè)者卻沒(méi)那么簡(jiǎn)單。萬(wàn)玉磊覺(jué)得雖然普遍難度降低了，但工作量沒(méi)有減少，“提示詞從始至終極其重要，而且解決的問(wèn)題越來(lái)越多”。

今年的關(guān)鍵詞是“Agent”，前段時(shí)間爆火的Manus就是一個(gè)典型代表。萬(wàn)玉磊介紹，Agent實(shí)際上就是工作流的串聯(lián)，每個(gè)模型都有非常細(xì)致的工作流，需要更細(xì)致的提示詞，要求提示詞工程師更加深入業(yè)務(wù)。

提示詞優(yōu)化工程還出現(xiàn)了新的難點(diǎn)。如今多模態(tài)的趨勢(shì)顯著，要做到AI生圖、生音頻、生視頻，就需要理解圖、音頻、視頻，對(duì)提示詞的要求提高。因?yàn)榇髤?shù)的多模態(tài)模型里，文本模型可能只占幾B的參數(shù)量，對(duì)文本的理解能力自然下降，更難調(diào)，時(shí)間占比可能會(huì)提升到1/4。另一方面，AI應(yīng)用場(chǎng)景越來(lái)越多，端側(cè)模型需求也在上升。

過(guò)去古典的產(chǎn)品經(jīng)理把業(yè)務(wù)邏輯轉(zhuǎn)換成研發(fā)的邏輯，如今提示詞工程師要把業(yè)務(wù)的邏輯轉(zhuǎn)化成模型的邏輯，作為橋梁跨過(guò)中間的gap，責(zé)任重大。

AI行業(yè)還處在很早期的階段，不像移動(dòng)互聯(lián)網(wǎng)那樣高度分工，光產(chǎn)品經(jīng)理就有幾十種。現(xiàn)在的AI產(chǎn)品經(jīng)理，70%是提示詞工程師，20%是數(shù)據(jù)標(biāo)注，10%是算法工程師。另外，萬(wàn)玉磊覺(jué)得，這也可能因?yàn)槟Ｐ途褪且粋€(gè)“萬(wàn)物合而為一”的東西，所有的數(shù)據(jù)、資料融合在一起，來(lái)解決所有的問(wèn)題。

萬(wàn)玉磊很支持外行人、文科生入局AI——做AI的人，文科絕對(duì)不能差。AI是需要文科生的，如今AI工作流里如何評(píng)估模型的輸出是一件很困難的事情，模型是一個(gè)黑箱，無(wú)法理解，所以要用很多方法去驗(yàn)證和評(píng)估它的能力——這就需要保持語(yǔ)言的敏感度，給模型的輸出主觀打分。

如今，AI人才市場(chǎng)上職位空缺仍然很多，不僅是優(yōu)秀的人才被所有公司爭(zhēng)搶，基層也有大量空崗?！疤比肆恕保惲?yáng)幫前公司在朋友圈發(fā)了很多招人廣告，動(dòng)不動(dòng)就拉著同學(xué)問(wèn)：“你懂AI，要不要過(guò)來(lái)實(shí)習(xí)？”

他很推薦年輕人進(jìn)入AI行業(yè)，“這個(gè)行業(yè)可能是時(shí)代給我們?yōu)閿?shù)不多的一個(gè)機(jī)會(huì)了，進(jìn)去后說(shuō)不定有可能會(huì)財(cái)務(wù)自由。”但他也提示，這份工作需要真的對(duì)AI感興趣，驅(qū)使自己持續(xù)關(guān)注AI的動(dòng)態(tài)，學(xué)習(xí)AI知識(shí)和技術(shù)。

畢竟，在一個(gè)滾滾向前快速發(fā)展的潮流面前，沒(méi)有什么是安全的、不會(huì)被取代的。

（應(yīng)受訪者要求，周子杰、楊佩駿為化名）