_转行在大模型公司做Prompter是种怎样的体验)
作者从城市设计行业成功转行至大模型公司担任提示词工程师，详细分享了转行过程中的心路历程、学习方法以及两个行业的对比。文章介绍了prompter岗位的工作内容，分析了大模型行业的机遇与挑战，提供了学习路线和资源，为有意进入大模型领域的人士提供了实用指南和避坑经验。
2014-2019：安徽双非-城乡规划-本科
2019-2022：南京985-城市规划-硕士
工作经历
2022.07-2023.07：设计院做城市设计；
2023.08-至今：国内大模型公司prompter（提示词工程师）
01
2022年刚毕业，怀揣着理想，对城市设计行业还是有期许的，幻想着改变中国城市面貌。
当时领导跟我画的饼比我画的还要大。说好了第一年好好沉淀、认真画图，成为小组长；然后第二年，拓展技能点、学习汇报、项目管理、向上管理、甲方管理等综合技能，成为项目经理；再成长几年，成为项目负责人，拿着项目分成，去带项目，走向人生巅峰啦。
所以，领导说"小伙子啊，你要沉淀，要成长。"翻译一下就是："你要加班，要熬夜。“毕竟刚毕业，热情腾腾的，我当时就信了，跟着领导披荆斩棘、加班加点。当时的字典里充满"节后第一天送审”、"下班前发给我"这种丧心病狂的词。
我当时还傻乎乎地在小红书上分享设计方案，幻想着有朝一日成为设计院的当红炸子鸡。结果呢？我成了设计院里的大炸鸡，每天被各种图纸的deadline炸得外焦里嫩。
图 / 小红薯的一些记录（自从转行了，就没再更新了）
就这么热气腾腾（傻傻呼呼）地呆到2023年，在领略到上到“空间营造”、“在地性表达”、“场所精神”；下到“预借奖金”、“所内统筹”、“5小时会议”等等行业黑话后，我只能安慰着自己，或者催眠自己：成为大师，不就得学海无涯苦作舟吗?
可问题是，这舟是诺亚方舟呢？还是泰坦尼克号呢？
02
然后，平地一声惊雷响，2023年3月chatgpt来了。
当时的我为一个城市设计方案绞尽脑汁，ppt里堆满了"营城九法"、“山水通廊”、"特色地段"这些听起来高大上实则毫无意义的词汇和设计说明；还有除了押韵，其他都不同的城市设计七言绝句。用完chatgpt后发现，这些都不是问题了。
这玩意儿简直就是摸鱼神器啊！不对，是生产力的革命。认真学习多年的"专业能力"，居然不如一个AI。这感觉，像是大学辛辛苦苦学了三年仿宋体，最后不得不承认，你的努力没啥用。
于是，我白天依旧地画着永远不会实现的城市蓝图，晚上到点下班就偷偷跑，去自习室自学到深夜十一点多回家。当时学习资料还不像现在那么系统，资料很杂，只要和大模型沾边的资料自己都看，然后整理到自己的笔记里。
图 / 我的部分笔记
我还偷偷在公司最贵的电脑上部署了SD和本地大模型。领导有次问我干嘛，我拿出早就准备好的说辞，说：“大模型为了解放大家的生产力，可以带来更高的项目业绩。”
但事后我也反思SD文生图应用于建筑设计行业的局限性，主要卡点在于可控性，大多数图片第一眼看上去还可以，但仔细一推敲，还是很缺乏专业性。
图 / SD生图的一些尝试
6月份，我开始谋划跳槽。没有互联网经验？没关系，面试就是我的实习，把面试官当老师，把面试当免费课，靠着面试反馈来积累各类知识与经验。反正失败是常态，成功只是偶然，自己就是一个行走的"试错模型"。
7月份，攒够了经验，终于成功找到了一家大模型公司的工作。虽然当时的我对人工智能的理解可能还停留在"人工"这个层面，但是没关系，先上车再买票。
03
回顾一下自己当初的决策心路：选完赛道，便思考现阶段该选择什么职业，去参与这场革命呢？
目标是大模型赛道嘛，那时候想得比较直接，直接从招聘软件上过滤大模型初创公司和互联网公司的HC，看看目标赛道的岗位有什么要求？
大体上分为3类：
一种算法类，偏向于研究大模型，提升大模型的性能；
一种开发类，偏向于应用大模型，封装大模型的能力至软件某项功能中；
一种产品类，偏向于应用大模型，把软件设计得更加满足用户需求。
先把不能选的排除吧，算法、开发、运维、数分等职位直接略过。别人的履历都是竞赛金牌、大厂实习、手撕代码；只学过概率论、高等数学都没学过的我瑟瑟发抖（还是很想吐槽这点，大学数学不学，真的非常限制就业方向），实在是打不过，我直接略过了算法类和开发类岗位。
那接下来，只能从产品类挑选。传统的产品岗位也有很多细分，有不同功能模块的产品经理（计算机视觉、语音识别、平台、对话系统、数据分析等等）、交互设计产品经理（UI）、用户体验产品经理（UX）、解决方案产品经理（SA）等等。随着chatgpt等大模型爆火，还有一类产品经理，即prompter，提示词工程师的岗位也越来越多。
图 / 产品岗位与薪资
当时我的策略是，所有产品类岗位都投简历，哪家简历通过了，就面哪家。面试失败了，就复盘一下潜在的失败原因，补充相关知识后，继续面下一家。
其次，面试顺序还是有讲究的，先面小厂和一些创业公司，一半通过一半挂，有了一定的基本盘后；再面大厂，百度挂在二面、字节挂在三面，还有一些研究院也通过了，最后也很幸运地面上了一家清华系的大模型公司，担任prompt。
04
什么是prompt岗位？
具体来说：专门设计、优化和改进用于与大型语言模型互动的指令或问题。
日常工作是设计高效的提示词来引导大模型生成期望的输出；
进阶工作，则是利用结合coze、dify、清流等大模型低代码平台引导大模型生成期望的输出，这里会涉及到整体架构设计、代码能力、大模型能力边界等等；
再往上，做的也更综合一些，把控客户需求、协调团队成员、产品沟通开发、推进项目进度等等。
图/prompt低代码平台示例
也有同事会玩一些更酷的大模型，比如通过照片计算每餐的热量消耗、写爱恨情仇、恩怨纠葛，剪不断理还乱的长篇小说、大模型理财投资策略、大模型文字游戏等等潮流产品，做出的产品也非常酷炫。
就这样体验了一年多，我也是有一些感悟。
先说俗的吧，薪资方面，之前我在设计院一年15w多些，现在的一年30w少些；
再说点雅的，原来外面的世界这么丰富，压力依旧在，丰富更是有。
说到压力，主要有两种：创新压力和未来压力。
一方面，关于创新压力，毕竟大模型是刚出炉的新技术，是不成熟的。具体来说，有如下几方面：
垂直知识深度：专业领域往往需要深厚的背景知识和行业经验。即使是大模型，通常难以达到专业人员在特定领域的知识深度。
数理推算：大模型数学推理能力弱主要是其本身的transformer架构的限制，其基于token级别的从左到右的“一次性”推理机制，与人类“综合性”的逻辑推理存在一定区别，导致其生成的内容缺乏清晰的逻辑。最简单的问题，模型区分不出3.11和3.9哪个大；数不清strawberry有几个r；玩不好24点游戏等等。
模型幻觉：由于许多数据集可能已经过时或不可靠，这会导致大模型依赖于不准确或过时的信息，从而产生幻觉。因此，你可以让它写出“林黛玉倒拔垂杨柳”、“孙悟空三打黑熊精”的不符合事实性的回答。而且由于训练语料的时效性，它们是不知道前段时间中国足球踢日本0:7的。
当然，还有其他问题，比如模型的幽默性太奇怪；多模态模型的认知广度、拓展性等等问题，这些在应用场景下问题，是我们需要去优化解决。
所以，碰见一些超过大模型能力边界外的case，经常一起开碰头会，从算法、开发、产品等等角色，集思广益地解决这块问题，虽然有些问题还是难以解决。
另一部分压力，主要源于对于未来不确定性的压力。
在设计院中，你的故事剧本是早就写好的，从画图、考证、项目负责人，再一步一步往上爬，努力了十几年然后当个所长。但是大模型这条赛道太新了，发展得太快了，是一条还没有GPS导航的道路。你只能自己摸索关于对这个行业的认知。特别是那些技术术语，我每天都得偷偷问ChatGPT，也担心暴露自己是个AI界的文盲。这也倒逼自己，每天都需要学习，遗憾的是，学习的速度远远赶不上大模型更新的速度。
加上，同事都对于未来大模型的选择很多，有的准备创业、有的准备比赛、有的准备商业化等等，走的路子会很出其不意；但目前自己走的比较老套，还是考证+工作那套，希望不断考证、不断积攒、不断沉淀。这块还是缺乏更高的视角，自己也知道这点要改，但不知道怎么改，也是极其苦恼的点。
05
再说说精彩吧，我竟然发现：
原来，这个世界上真的存在周末！周末加班，竟然是可以调休的；
原来，开会是可以1个小时内结束，不需要每个会议都3个小时起步；
原来，放假前一天可以早点下班，不用每次放假前领导都喊一句我们来开个会，直到晚上10点；
原来，每年的年假是可以使用的，不用再担心同事带头内卷，5年都不休年假；
刚来的时候，晚上九点了，有的同事抱怨怎么还不下班；我就在想，怎么九点了，就可以下班了呢？；
虽说晚上偶尔也会加班到九十点，但经过设计院的毒打之后，觉得科技公司的剥削还算稍微轻点。
……
呆了一年之后，见了很多人，才更加感叹，人生真tm是旷野呀，原来有好多人都过得如此丰富。
有同事从大厂来，顶尖学府毕业，出过国，国内大厂，创过业，buffer叠满了；为了跟进大模型，卖了公司，沉淀学习。
也有不少同事工作一年后，去了大厂，薪资立涨50%，升职加薪，迎娶白富美。
还有一个还在读大学的实习生，在过年期间推出了一款大模型游戏，抓住了一大波流量，把自己的创业团队卖了几百万，直接财富小自由。
当然，也不是所有人都那么幸运，有老师做了法律大模型，至今每月活跃用户不超过30位。这让我想起了以前画的图纸，估计看过的人差不多这个数字。
跌跌撞撞地摸爬滚打了一年多的时间，有时候会回想：一年后、十年后、三十年后的我会不会后悔这次选择？
我想答案是走一步看一步，毕竟是自己选择的路，最终解释权在自己手里。在一开始使用中，自己真实地感受到大模型可以帮我写代码、改稿子、出主意、闲聊等等，真正地感受到自己的生产力提升。原本要写三天的设计说明，半天就能写完，半天再改改就可以交差。
正是因为这点，我相信大模型是第四次科技革命的星星之火，智能会如同煤炭、石油、电力一样，终将会带来持续的社会演化，大模型的未来还会很久。这是我选择这条赛道的初心。
以上，是关于自己从设计院转行至大模型一年的一些故事，虽说没那么精彩，但如果可以为有兴趣转行【大模型赛道】的朋友们，提供一些“避坑指南”，那就是极好的。
最后
我在一线科技企业深耕十二载，见证过太多因技术卡位而跃迁的案例。那些率先拥抱 AI 的同事，早已在效率与薪资上形成代际优势，我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在大模型的学习中的很多困惑。
我整理出这套 AI 大模型突围资料包：
- ✅AI大模型学习路线图
- ✅Agent行业报告
- ✅100集大模型视频教程
- ✅大模型书籍PDF
- ✅DeepSeek教程
- ✅AI产品经理入门资料
完整的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇
为什么说现在普通人就业/升职加薪的首选是AI大模型？
人工智能技术的爆发式增长，正以不可逆转之势重塑就业市场版图。从DeepSeek等国产大模型引发的科技圈热议，到全国两会关于AI产业发展的政策聚焦，再到招聘会上排起的长队，AI的热度已从技术领域渗透到就业市场的每一个角落。
智联招聘的最新数据给出了最直观的印证：2025年2月，AI领域求职人数同比增幅突破200%，远超其他行业平均水平；整个人工智能行业的求职增速达到33.4%，位居各行业榜首，其中人工智能工程师岗位的求职热度更是飙升69.6%。
AI产业的快速扩张，也让人才供需矛盾愈发突出。麦肯锡报告明确预测，到2030年中国AI专业人才需求将达600万人，人才缺口可能高达400万人，这一缺口不仅存在于核心技术领域，更蔓延至产业应用的各个环节。
资料包有什么？
①从入门到精通的全套视频教程⑤⑥
包含提示词工程、RAG、Agent等技术点
② AI大模型学习路线图（还有视频解说）
全过程AI大模型学习路线
③学习电子书籍和技术文档
市面上的大模型书籍确实太多了，这些是我精选出来的
④各大厂大模型面试题目详解
⑤ 这些资料真的有用吗?
这份资料由我和鲁为民博士共同整理，鲁为民博士先后获得了北京清华大学学士和美国加州理工学院博士学位，在包括IEEE Transactions等学术期刊和诸多国际会议上发表了超过50篇学术论文、取得了多项美国和中国发明专利，同时还斩获了吴文俊人工智能科学技术奖。目前我正在和鲁博士共同进行人工智能的研究。
所有的视频教程由智泊AI老师录制，且资料与智泊AI共享，相互补充。这份学习大礼包应该算是现在最全面的大模型学习资料了。
资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。
智泊AI始终秉持着“让每个人平等享受到优质教育资源”的育人理念，通过动态追踪大模型开发、数据标注伦理等前沿技术趋势，构建起"前沿课程+智能实训+精准就业"的高效培养体系。
课堂上不光教理论，还带着学员做了十多个真实项目。学员要亲自上手搞数据清洗、模型调优这些硬核操作，把课本知识变成真本事！
如果说你是以下人群中的其中一类，都可以来智泊AI学习人工智能，找到高薪工作，一次小小的“投资”换来的是终身受益！
应届毕业生：无工作经验但想要系统学习AI大模型技术，期待通过实战项目掌握核心技术。
零基础转型：非技术背景但关注AI应用场景，计划通过低代码工具实现“AI+行业”跨界。
业务赋能 突破瓶颈：传统开发者（Java/前端等）学习Transformer架构与LangChain框架，向AI全栈工程师转型。
👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓**
