OpenAI的人劝你别学提示工程：这波职业风口正在消失

当全网还在教你如何写出“完美提示词”时，OpenAI 和微软内部已经给出了一个反直觉判断：提示工程，可能根本不是一条长期职业路径。这期视频把行业里最不愿意明说的真相摊在了桌面上。

一句话把提示工程“判死刑”的人，来自OpenAI

如果这句话是从普通博主嘴里说出来，可能早就被喷到删号。但说出“你不应该成为提示工程师，哪怕有人付钱让你做”的，是OpenAI的开发者关系负责人Logan。

他的逻辑非常直接：人们担心AI冲击就业、提前布局新技能，这个动机完全正确；但问题在于，提示工程很可能不会以“职业”的形式长期存在。原因只有一个——提示本身，正在被AI自动化。

无论是GPT-4的可用性在短短几个月内提升数十倍，还是AutoGPT这类AI Agent开始出现“自我提示（self-prompting）”能力，都在指向同一个趋势：未来，模型会越来越擅长自己搞清楚“该怎么问”。当AI能不断优化自己的提示词，人类再去专职写prompt，价值自然被压缩。

更残酷的一点是：提示工程并不会消失，而是会“退化”为一种基础技能，就像搜索、写邮件、用Excel一样，融入每个人的日常工作，而不是成为少数人的护城河。

微软已经动手了：连“怎么提问”都交给算法

如果你觉得“AI自动写prompt”还停留在概念阶段，微软的研究可能会让你清醒一点。

他们提出了一个叫 APO（Automatic Prompt Optimization，自动提示优化）的框架，目标非常明确：用系统化方法，自动找到更优的prompt，而不是靠人类反复试错。研究论文里甚至直接引用了Google Trends的数据——过去半年，提示工程的热度暴涨，但“靠经验堆提示词”这条路，效率并不高。

换句话说，当市场刚刚把提示工程捧成显学，大厂已经在做两件事：第一，让普通人更容易用模型；第二，让模型自己学会如何被更好地使用。

这也是为什么一些AI从业者开始提醒：如果你的全部价值，只是比别人多背了几个提示模板，那你的竞争对手，可能不是另一个人，而是下一次模型更新。

真正值钱的不是Prompt，而是你“懂不懂这个领域”

那不学提示工程，普通人还有机会吗？视频里给了一个更扎心、但也更有希望的答案。

Jason Goo提出一个常被忽略的事实：在你完全不懂的领域里使用生成式AI，反而更难得到高质量结果。你让GPT-4帮你写前端，但不懂React和Tailwind，只会得到“看起来能用、但毫无特色”的代码；你让模型做专业分析，却没有判断力，甚至分不清它是在胡说还是真知灼见。

生成式AI真正放大的，是“已有专业能力的人”。在图像生成中，懂摄影、灯光、构图的人，能把同一个模型用出天壤之别的效果；在专业领域里，AI更像一台能力放大器，而不是入门捷径。

这也解释了为什么，AI不是奖励无知，而是奖励那些愿意在一个领域里持续积累、不断提问、反复校验的人。提示词只是接口，认知深度才是核心资产。

总结

这期视频真正想泼的冷水，不是“别学AI”，而是“别把未来押在一个正在被自动化的技巧上”。提示工程不会消失，但它很可能不配拥有一个独立职业的光环。对AI从业者来说，更理性的选择是：在你真正理解的领域里，用AI把能力边界推远，而不是指望几行prompt改变命运。一个值得思考的问题是：如果明天模型自动帮你写出最优提示，你还剩下什么不可替代的价值？

关键词： 提示工程， 生成式AI， AutoGPT， GPT-4， AI职业趋势

事实核查备注： 需要核查：1）OpenAI开发者关系人员Logan的具体职位与原话表述；2）“Dr Ethan Malik”是否为Ethan Mollick，姓名拼写需确认；3）微软APO研究的发布时间与正式论文标题；4）Jason Goo的身份与原始发言平台；5）视频发布时间为2023-05-15。