招人的时候看到两份简历都写着「熟悉大模型」,岗位名一个叫提示词工程师、一个叫AI训练师,薪资预期还差一大截,这时候最怕的是招错了人——活没少干,产出对不上。这篇不聊概念定义,聊怎么把这两类活在招聘前拆开:先判断你手上的任务属于哪一类,再按几条硬标准去看人,最后给一套面试和试岗的做法。
招人的时候同时收到两份简历,都写着「熟悉大模型」,一个岗位名是提示词工程师,一个叫AI训练师,薪资预期还差一截。这时候最容易犯的错不是预算不够,是压根没搞清这两类活到底哪类是你现在缺的。招进来的人不差,但产出对不上你要的东西,半年之后双方都别扭。
这篇不铺垫概念。就直接说怎么在写JD之前把活拆开,按什么标准看人,面试问哪几句,试岗任务怎么设计才不白花时间。看完你应该能判断:这个坑到底该挂哪个岗名。
先别急着写JD,先看你手上是哪类活
最省事的办法是先别想岗位,把你手上积压的待办一条条列出来,然后往两类里塞。一类是「让模型稳定输出某个格式或效果」——比如客服回复按固定口径走、批量生成的东西不能出现某些词、一份材料要压到指定长度。另一类是「持续给模型喂标注、评判输出好坏、维护数据口径」——比如每天要判一批模型回答算不算合格、同一批样本得几个人标出接近的结果。
判断口诀其实就一句:交付物是一套能复用的写法和流程,还是持续产出的数据和评判结果。前者是提示词工程师的活,后者是训练师的活。听着简单,实际项目里这两类活经常搅在一起,一个人既在调提示词又在标数据。
如果确实是混着干,那就按七三开标出主责,比如「七成提示词设计、三成数据评判」。不标主责,面试标准就会打架:你拿提示词的题去考一个主要做标注的人,考完觉得他不行,其实是你考错了方向。
- 把最近两周卡住的任务全列出来,一条一行,别先归类
- 每条后面写一句:这件事做完,交付的是什么
- 交付物是文档、模板、流程说明的,往提示词那侧放
- 交付物是标注结果、评判记录、口径文档的,往训练师那侧放
- 两边都沾的,写下大致比例,主责超过六成的就定那个岗
- 定不下来就先别招,先找个人兼两周看看到底卡在哪
提示词工程师这一侧,看四件事
第一件,会不会把模糊需求拆成可验证的输出条件。你跟他说「写个产品介绍,要专业一点」,他能不能反问出:给谁看、多长、不能出现什么、要覆盖哪几个点。答不上来只会直接开写的人,后面返工全靠你兜。
第二件,有没有版本管理习惯。改一版能不能说清为什么改、改的是哪句、改完之后哪个指标动了。实际用下来,这条比「写过多少条提示词」有用得多。有人攒了一堆提示词模板,但你问他哪版效果最好、为什么,他说不清,那这些模板基本没法复用。
第三件,拿不拿得出返工记录。同一个任务改了几轮、每轮卡在哪一步、最后是靠换写法解决的还是靠加约束解决的。愿意讲失败过程的人,通常对边界更清楚。
第四件是边界意识。知道哪些场景该转人工、该换方案,而不是死磕提示词。比如涉及金额计算、合规判断的输出,硬调提示词让它「看起来对」是危险的。这条在面试里问一句就能试出来。
能说清「这版为什么这么写、哪里可能失效」的人,比能背出一堆模板的人靠谱。
AI训练师这一侧,标准不太一样
训练师的核心不是「懂模型」,是「口径稳」。同一批样本,两个人标,结论差多少——这个差异就是你要看的第一个指标。差异大不一定是人的问题,也可能是规则没写清,但招人的时候你得看这个人有没有意识去发现并收敛这个差异。
第二个标准是能不能写清评判规则。给他一份标注任务,他交上来的不只是标好的结果,还有一份说明:什么算合格、什么算不合格、边界情况怎么处理。别人照着这份文档标,能标出接近的结果,这才叫规则写清楚了。
第三个是数据敏感性。哪些内容不能往外部接口里塞、脱敏流程怎么走、原始数据存在哪。这块出一次事代价很大,面试里必须问到具体动作,而不是听「我很注意安全」这种回答。
第四个是对模型输出的判断力。不是看它说得顺不顺,是看它有没有漏掉约束条件。很多人被流畅的表达带过去,漏了「不能出现品牌名」这种硬要求。可以在试岗里埋一条这样的样本,看对方抓不抓得住。
- 让他现场写一份评判规则,覆盖合格、不合格、边界情况三类
- 给同一批样本让他标完,再找另一个人按他的规则复标,看差异落在哪
- 问一个具体的数据处理场景:这条用户对话要进外部接口,你会先做哪几步
- 拿一段看着通顺但漏了硬约束的模型输出,问他能不能过、为什么
一张对照表,把两条线摆在一起看
下面这张表建议在写JD之前自己先填一遍。填不出来的格子,就是你和用人方还没对清楚的地方,先对齐再招人。
| 对比项 | 提示词工程师 | AI训练师 |
|---|---|---|
| 交付物 | 可复用的写法、模板、流程说明 | 标注结果、评判规则、口径文档 |
| 日常动作 | 拆需求、试写法、记版本、看效果 | 标样本、写规则、收敛分歧、管数据 |
| 考核指标 | 复用率、返工次数、换场景后要重写的比例 | 标注一致率、数据返修率、规则可执行程度 |
| 失败信号 | 一换场景就整套重写,说不清哪版为什么好 | 同一批数据两个人标出两个答案,规则没人照着能执行 |
这张表里最有用的其实是最后一行。失败信号比能力描述好判断,因为它对应的是具体动作,不是感觉。面试时你可以直接拿失败信号当反问题去问:你有没有遇到过一换场景就得重写的情况,当时怎么处理的。
筛简历和初面,问这几句就够
简历筛选用一条:看对方写的是「我做过什么」还是「我负责什么」。写「负责提示词优化」这种,基本看不出深浅;写「把某个任务的返工轮次从多少降到多少」的,哪怕数字你不信,至少他脑子里有过程。
初面别问「你用过哪些模型」,这个问题筛不出东西。问「上一个项目里你放弃了哪个方案、为什么放弃」,能答出具体原因的,说明他真的在判断,而不是在套模板。
还有一问很好用:「如果模型输出看着对但其实错了,你怎么发现」。提示词那侧的人会讲验证条件怎么设,训练师那侧的人会讲标注规则和交叉复核。答不出来的人,大概率没做过需要为结果负责的活。
- 第一步:讲一个改了很多轮的任务重点听每轮改了什么、怎么判断有效。只听结论不听过程的,追问具体某一轮。
- 第二步:问怎么发现「看着对其实错」看对方有没有验证意识,是设条件、做对照,还是靠人眼扫一遍。
- 第三步:问放弃过什么方案听原因,不听结果。能说清放弃理由的人,判断力通常在线。
- 第四步:让对方反问看他问的是数据怎么来、口径谁定,还是只问薪资和排期,方向差别很明显。
试岗任务怎么设计才不白花时间
提示词那侧,给一个真实的小任务,要求交两样东西:一版提示词,加一份说明——为什么这么写、哪里可能失效。别只收提示词本身,光看提示词你分不清是碰巧对了还是真的想清楚了。
训练师那侧,给二十条左右的样本,让他写评判规则并标完,再让另一个人按这份规则复标一遍,看差异落在哪。差异集中在边界情况,说明规则没写细;差异散在各处,说明口径本身就不稳。这两种都好判断。
时间控制在两三天,别做成一星期的免费劳动。试岗费提前谈清楚,很多团队在这上面栽跟头——活干完了费用没谈拢,人也不来了,前面白忙。顺带说一句,如果你要用到真实业务数据做试岗,先去站内看看数据出境和脱敏相关的说明,别拿客户数据直接发出去。
几个常见的选错场景
第一个,把会写长提示词的人当训练师用。写提示词厉害的人往往擅长把单次任务做到位,但数据口径这件事需要的是耐心和一致性,两回事。结果就是数据没人管,模型效果一直在飘,你还以为是提示词没调好。
第二个,把标注做得好的人直接提上来做提示词设计。标注做得好说明他守规则,但提示词设计要的是定规则。输出能对上样例,换个新需求就抓瞎,这类错配在小团队里特别常见。
第三个,团队只放一个人兼两类活。短期能撑,量一大返工成本就上来了,省下的人力会被重复劳动吃掉。真要兼,至少把两类活的产出分开记,哪边在拖后腿一目了然。
最后提醒一句:如果你在评估外部服务或者中转方案,别只看模型列表和价格,口径和数据责任也要一起看。价格这块到 /price-watch 核对当时的数字,不同时间段差别不小;中转方案的稳定性可以到 /tools/speed-test 自己测一轮再决定。
下一步把这张对照表填完,再去站内看看各家方案的实际价格和稳定性数据,招人和选方案其实是同一套判断逻辑:先分清活,再看数字。→常见问题
小团队预算只够招一个人,招哪类?
先看你的卡点在哪。如果是每次出稿都要重写提示词、同一任务反复返工,先招提示词侧的;如果是数据没人管、标注质量和口径一直在抖,先招训练侧的。两类活都缺的话,招一个能写清规则的人先用起来,比招一个只会调词的更扛事。
没有AI相关经验的人能转吗?
能,但看两件事:一是能不能把模糊要求拆成可检查的条件,二是愿不愿意做重复的核对。前者决定他能不能做提示词设计,后者决定他扛不扛得住标注和评判。有内容、编辑、测试背景的人转过来通常不慢,纯靠兴趣没动手做过的不太好判断。
面试时怎么快速识破简历注水?
让他现场拆一个任务:给一段真实需求,说清会怎么定输出条件、怎么判断这次改得有没有效。真做过的人会说清约束和验证方式,注水的人容易停在「用角色设定和分步引导」这种通用套话上。再追一句「哪次没成、后来怎么绕过去的」。
这两个岗位的产出怎么考核?
提示词侧看复用和返工:一套写法能不能被别的同事直接拿去用、同一任务改几轮能过。训练侧看一致性和返修率:两个人标同一批样本差多少、因为口径不清返工的比例。都别只看产出数量,数量最容易刷。
外包和内部招人怎么选?
短期的、一次性的任务外包更划算,比如搭一套固定场景的写法或者清一批标注。长期的、需要跟着业务变的,内部有人更稳,因为口径和上下文都在自己手上。混着来也行,但交接文档要写清,不然外包一走又回到原点。