你怎么看5年后的prompt工程师的价值？

前两天《The Rise of the AI Engineer》这篇文章很火，大意是说AI Engineer将成为工程师的新物种，是未来需求量最大的工作。

它介于全栈工程师和机器学习工程师之间，位于大模型技术创造出来的一个新的抽象层上。

它的入门门槛很低，不需要接受太多训练，使用自然语言即可完成编程。

今年以来，在Hacker News的招聘信息中，对这类AI工程师的需求已经有大幅赶超Machine Learning工程师之势。文章预测未来AI工程师的数量将会是ML工程师的数倍。

从软件开发范式的角度来看，2017年Andrej Karpathy就提到过software1.0 （使用古典编程语言，如Python、C++等）和software2.0（使用神经网络训练）的说法，而如今的AI Engineer则使用“reasoning +generation”的范式，用自然语言编写，覆盖了更加辽阔的编程空间。

个人认为，相比从ML工程师到AI工程师的角色变化，更加深刻的变化在于团队功能配置的变化。

现在一个完整团队的标准配置是产品经理+设计师+全栈工程师，很多时候还要增加测试工程师、数据科学家等等，但随着LLM的进化，上述这些角色的可替代性都在降低，通过简单的prompt engineering就可以解决大量问题。

所谓的“AI工程师”或许不仅仅是工程师而已，所谓的“全栈”可能也会覆盖更多的职能。当然，最终理解用户需求的能力还是最为关键的。

软件产品的形态可能也会发生变化。目前由于开发成本很高，所以会追求scalable的规模效应，用标准化的解决方案来摊销开发成本，牺牲了个性化的适配。

未来随着开发成本的大幅下降，可能不再需要过份的标准化，极端情况下为每个人单独生成一个App都是可能的。因此，流水线式的工业化开发模式或许也会过时。这对创业来说是一个巨大的利好。

最后，自然语言会同时承担“人-人沟通” 与 “人-AI沟通（编程）”的功能，当两者频度相当的时候，可能会倒逼自然语言的使用习惯、语法结构发生一些变化。

自然语言编程以及prompt engineering会成为像搜索关键字输入一样人人必备的技能。

Prompt工程现阶段很重要，但我觉得这东西就是个胶水层，等标准了之后，要么下沉到模型的一个缓存层，要么上浮到一个标准封装的sdk，玩出花的机会不大。