提示词工程师怎么入行？测试岗转过来的我给你四步实在路线

提示词工程师这活，拆开看一点也不神秘：让模型在你那个具体业务里，稳定输出能用的结果。我们组的prompt归我管，不是因为我会什么玄学咒语，是我从测试岗转过来，习惯拿用例说话，模型输出的对错我一眼能断。

这篇不聊年薪百万的故事，讲三件事：这岗位实际干什么、怎么一步步练到能上岗、哪些坑我替你踩过了。结论先放这里——入行最短的路，是拿一个真实业务把prompt调到能上线，教程背得再熟也替代不了这一步。

提示词工程师每天到底在干什么

日常就三件事：把业务需求翻译成指令、搭评测集验证效果、上线后盯badcase做迭代。玄学成分很少，工程成分占大头。

拿我们组举例。产品要在客服系统里做工单自动分类，十来个类别，要求模型吐JSON。我一周里大半时间耗在系统提示词上：类别定义怎么写才不模糊、输出格式怎么锁死、碰到不认识的工单走哪个兜底分支。改完不是拍脑袋说效果好，是跑一遍一百八十条标注用例，看准确率掉没掉。

说白了，这岗位像给模型写需求文档，外加做回归测试。写prompt只占三成时间，剩下七成在验证、记录、回滚。你做过测试或者后端的话，这些活儿会很眼熟。

从测试岗转过来，我走的四步

四步路线：补模型常识、把测试功底做成评测集、进真实业务迭代一版上线、把过程整理成案例。顺序别乱，跳步的人容易卡死在第三步。

第二步是我这种测试出身的人最占便宜的地方。写用例、定断言、跑回归，这套东西原样搬过来就行，被测对象从代码换成了模型而已。我用pytest搭了个极简框架，prompt文件放进git，每次改动提交后自动跑一遍评测，准确率变化直接看diff。后来这玩意成了组里的公共基建，谁改prompt都得先过这关。

第三步的数字我留着：工单分类项目，prompt改了十四版，准确率从71%干到93%。听着不难？中间有两天在原地打转。涨不动的时候，问题往往不在prompt本身，是类别定义有重叠，得回头跟产品掰扯清楚。

调prompt的真实手感：一次翻车记录

调prompt七成功夫花在回归上：一处改动救活A类用例，转头把B类打崩是常态，没有评测集等于闭眼开车。

今年8月那次我记得很清楚。领导嫌机器人回话冷冰冰，我就在系统提示词里加了一句「语气友好一些」。投诉类工单的准确率当场从93%掉到81%——模型忙着安抚情绪，忘了打标签。评测集一跑就现形，回滚之后拆链路：把语气要求挪进回复生成那一步，跟分类prompt彻底分开，两个问题两条管线。这事之后组里有了条规矩，prompt改动必须过评测，跟代码合并要过CI一个待遇。

几个实测参数直接给你。分类任务temperature锁0.1，别信什么0.7更有创造力，分类要的就是死板。max_tokens卡在300，防着模型写小作文。一轮180条用例，并发8跑下来约3分钟——够快，人才有勇气天天跑回归。

我的偏心很明显：宁可prompt笨一点，也要每条规则可验证。那种「你是一位资深专家」式的大帽子开场，我试过，删掉之后准确率反倒涨了两个点。没别的原因，模型不用再猜你要什么。

这个方向值不值得专门转？

看团队定：模型应用多、需求杂的团队养得起专职调prompt的人；一年迭代不了几回的，这技能并进后端或产品岗更划算。

招聘平台上，这个头衔大多挂在AI应用开发、NLP应用这类岗位下面，纯独立的坑位不多——这是我今年投简历、帮组里筛简历看到的，样本有限，你自己去核实一遍。我的判断是：与其等一个专属头衔，不如在现有岗位里把这活主动接过来。我从测试转到后端再碰prompt，路绕了点，可评测这套基本功让领导敢把线上功能交到我手里。

风险也说一句。这技能贬不贬值，看模型换代时哪些活被吸收走。格式锁定、结构化输出这类，新模型越来越省心；业务规则的梳理、评测集的建设、badcase的归因，目前还牢牢长在人身上。押注这些，比押注咒语技巧靠谱。

回到开头那句：这活的核心是让模型在具体业务里稳定输出。四步路线里没有一步是看视频看会的，全得动手。你手里要是正好有个重复劳动的小需求——打标签、摘要点、写摘要，今晚就可以把它变成你的第一条评测集。别等学完再做，边做边学才是这行的常态。