提示词工程师三年沉浮录：从高薪神话到被模型替代

2023 年 3 月，Anthropic 在招聘网站上挂出「Prompt Engineer（提示词工程师）」岗位，开出年薪超过 30 万美元；到 2025 年，这个岗位已经停止接受申请。同一时期，伦敦历史学会的微软一项覆盖 31 个国家、3.1 万名员工的调查显示，提示词工程师在企业未来 12 到 18 个月计划新增的职位中排名倒数第二。Indeed 上的搜索热度也从 2023 年 4 月的每百万次 144 次，回落至 20 到 30 次之间。提示词工程师这一职业从被发明、被追捧到几乎无人问津，只用了三年左右的时间。

这门手艺并非 AI 独创

在 20 世纪中期，「Computer」还指一种职业——手拿纸笔、逐项完成复杂运算的人，被称为 Computer。随着电子计算机普及，这类人肉计算岗位被机器取代，但部分人通过学习编程转入新阶段，电影《隐藏人物》中多萝西的经历就是典型。

电话接线员、打字员也经历了类似过程。这些职业的共同特征是：其价值建立在「机器暂时做不到、普通使用者暂时不会做」的事情之上。一旦工具普及、机器能力提升，原本清晰的职业边界就会松动。提示词工程师的处境与此类似。

走红：ChatGPT 之后的一门翻译手艺

2022 年 11 月 ChatGPT 发布，2023 年 3 月 GPT-4 推出。能让 AI 生成内容，与让它生成自己需要的内容之间，存在一道明显的鸿沟。同样是要求 AI 写营销方案，有人得到泛泛而谈的建议，有人得到相对完整的分析，差别在于任务是否说清楚、资料是否充分、有无示例、约束条件是否明确。

于是「如何向 AI 提问」本身变成了一门值得研究的手艺，市场上迅速出现了一套流通模板——「你是某某领域专家，具备什么背景，基于什么条件，给出什么方案」。批量提示词模板甚至被大量售卖。一批没有技术背景的人靠这套方法进入 AI 行业，跨专业转行成功的故事被反复讲述。

但实际需求远没有想象的那么大。2025 年发表的一项研究分析了从 LinkedIn 抓取的 20662 条 AI 相关招聘信息，其中提示词工程师岗位只有 72 个。职业的知名度，跑在了职业规模前面。

转折：模型自己接管了翻译层

坍塌的信号首先来自模型公司自身。2024 年 5 月，Anthropic 推出提示词生成器，用户描述任务后，Claude 可辅助生成提示词模板，原本需要人去摸索的写法变成了产品功能。

2025 年 10 月，Anthropic 发布 Agent Skills，将指令、脚本和资源组织成可复用的能力包；同年 12 月，这套机制进一步成为开放标准。开发者 Simon Willison 当天评价，这件事可能比 MCP 更重要，因为「写一个技能和分享一个技能的成本极低」。

提示词与技能的关键差别在于复用形态：

• 提示词需要人维护，每次重新输入；
• 技能可被安装、版本管理、分享，在命中场景时自动加载；
• 提示词只能管措辞，技能可带脚本、模板、参考文档，把整套流程固化。

Anthropic 内部有数百个技能处于活跃使用状态，并被归纳为九大类。当大量开发者把成熟技能上传到公开市场，用户遇到需求的第一反应便从「自己写提示词」变成「先搜现成方案」。写得好的人把经验沉淀成技能，写得不好的人直接装别人做好的——两条路都让专门靠写提示词吃饭的位置被腾空。

终局：人越来越不需要迁就机器

过去几年里，提示词承担的实际上是一个翻译层的角色：人要把自己的意图翻译成模型能听懂的格式，模型才能给出想要的答案。这个中间层之所以存在，是因为模型还不够懂人。

随着模型继续进化，以及人机交互记忆的不断积累，AI 会越来越了解与其对话的那个人——记得你偏好的风格、不喜欢的表达、所在行业的常识。当一个 AI 完全了解它的主人，主人就只需要一句简单的自然语言，不必再先学会「机器喜欢的说话方式」。

从高薪神话到被模型自身能力取代，提示词工程师的三年沉浮，是 AI 时代的一个缩影——技术迭代的速度已经快过了职业成型的速度。当机器越来越理解人，人就越来越少需要先迁就机器。