大模型背后的「内容工程师」：被招进硅谷的前记者们

内容工程师这一新兴岗位正在 AI 公司内部快速扩张，他们大多由前记者、编辑和影视从业者转型而来，把「什么才是好的对话」翻译成可量化、可训练的技术标准。近期 36 氪《硅谷101》播客邀请了两位从新闻业转向 AI 行业的资深从业者——前媒体人东尼与 NBCUniversal AI 战略总监 Bianca Consunji，深入聊了聊这个岗位的工作内容与方法论。

从新闻业到 AI 公司的新岗位

Meta、OpenAI 等大模型厂商近年来设立了一个全新岗位 Content Engineering（内容工程师）。Meta 的招聘启事把它定义为：定义「好内容」的标准、具备出色的品味与写作能力、能写出「让用户感到愉快、惊喜、眼前一亮的回复」。

东尼在节目中直言：「我们设计的是人类的观感。」他认为该岗位的工作对象既不是模型本身，也不是行文风格，而是用户与 AI 对话时的整体感受。Bianca 则补充道：「一个好的剧本、一篇好的文章，你都是可以把它拆开分析、判断高下的，只是说大家习惯凭感觉去读。」

内容工程师的核心工作集中在三件事：

撰写 system prompt 等提示词；
把抽象的「好」拆解为可量化的属性并逐项打分；
训练模型调整语气、风格、事实性等多维度的输出。

如何把「好」翻译成工程语言

Bianca 以客服机器人为例解释：同样是底层模型，面向不同产品——智能体、情感陪伴、客服——需要完全不同的对话设计。她给出了一组关于「什么是好回答」的对比：

不及格回答：直接给出「Taylor Swift 会在麦迪逊广场花园结婚，伴娘名单如下」——事实真假无人知晓；
较优回答：「我们不知道她是否真的要结婚，但目前有很多猜测认为她的婚礼可能会在麦迪逊广场花园举行」——承认信息的不确定性，并补充来源归属。

她总结称，决定回答质量的三个维度是：事实性、语气、以及真正理解用户意图，而不仅仅是字面问题。Bianca 进一步建议用户尽量用语音而非文字与 AI 交互，「这样其实 AI 更能捕捉很细微的差别」，因为口头表达更接近真实采访，思考过程未被过度编辑。

跨语言、跨文化的语境补全

东尼强调，生成式 AI 出现之后，国际化不再是简单的翻译，而是要根据不同语境进行再创作。例如「Meryl Streep just won an Oscar」在不同地区需要找到对应的本土类比（如中国的「斯琴高娃」与「金鸡奖」），这一工作最适合由娱乐行业的资深记者完成，因为他们长期积累的「垂直小模型」是 AI 自身难以学到的。

他还提到今年 ICLR 大会的一篇最佳论文：研究把复杂指令拆碎后逐条喂给 AI，与一次性给出完整指令相比，质量会大幅下降——当 context 不够时，AI 会「脑补」，错误像滚雪球般累积。他将自己 2018 年关于微博评论区「无语境下相互脑补」的研究与之类比，认为人文社科与 AI 领域的发现越来越接近。

新闻采访技能的「平移」

两位嘉宾都认为，新闻工作者的多项核心能力可以「完全平移」到 AI 产品设计中，包括：

与假想读者/用户保持「拉扯」，平衡客观与表达；
在对话中实时引导话题，类似 AI 对话设计中的直觉判断；
提问与追问的能力，包括发现对方岔出的有趣支点。

Bianca 总结称，AI 让人重新认识到「思考的速度」和「行动的速度」是两件不同的事——与其给 AI 喂更多材料，不如先把脑子里的上下文、背景与真实意图完整地告诉它，让模型的能力被充分调用。这一观点，也正是内容工程师这一岗位存在的原因。