研究对象：中国"提示词工程师／AI 训练师"职业
报告时点：2026年9月
数据优先区间：2024—2026年
1. 摘要
提示词工程师/AI训练师是大模型催生的新兴职业，2023年因ChatGPT爆火而走红，又在2025—2026年经历快速"变形"：纯提示词工程岗位因工具自动化而收缩，但"AI训练师"作为国家认可的新职业持续发展。综合36氪深度报道、招聘平台数据与媒体公开信息，该岗位薪资分化极大——入门标注岗4K—8K，中级训练师8K—15K，高级专家/平台工程师可达30K—80K；2020年"人工智能训练师"已正式纳入国家职业分类目录，全国AI训练师人才缺口预计达280万—500万。该岗位核心工作是设计与优化提示词、训练与对齐大模型、构建高质量训练数据。未来3—5年，纯"写提示词"岗位将持续被自动化工具压缩，职业将向"有行业know-how的AI训练/对齐专家"和"复合型人才"方向升级，低端标注岗位则面临AI自动化与人成本竞争的双重压力。
2. 职业基本概况
2.1 职业定义与主要工作内容
提示词工程师是指设计、测试、优化针对大模型的提示词（Prompt）模板，使模型按业务需求输出高质量内容的技术人员；AI训练师则范围更广，包括通过标注、反馈、微调等方式训练与对齐AI模型。其主要工作内容包括：设计不同业务场景的Prompt模板与工作流；分析AI输出、迭代提示词策略；进行RLHF中的人工反馈与数据标注；构建训练数据集与评估体系；将Prompt工程集成到产品中；高级岗位还涉及模型微调、对齐、平台工具开发。与纯技术岗不同，该岗位更强调对模型行为的理解、业务场景的把握与细致的反馈判断。
2.2 岗位细分方向与就业场景
细分方向主要包括：业务型提示词工程师（偏产品/运营，优化客服、文案等业务）、技术型提示词工程师（偏开发，集成Prompt到产品）、AI训练师/数据训练师（标注、对齐、RLHF）、AI训练平台工程师（开发训练工具链）。
就业场景覆盖：大模型公司、互联网企业AI部门、数据服务公司、金融/医疗/法律等行业的AI团队、电商与内容企业。猎聘在招岗位显示，高级AI训练师在SHEIN等企业18—35K·14薪，AI训练平台工程师在深圳50—80K·14薪。
3. 人才供需现状分析
该职业经历了从"爆红"到"理性变形"的过程。36氪深度报道指出，提示词工程师作为一个独立新职业，三年间经历了"速朽与变形"：纯写提示词的岗位因Prompt自动化工具（DSPy等）和模型能力提升而收缩，企业真正需要的是"有提示词技能的复合型人才"——偏产品的接近产品经理薪资，偏技术的接近开发薪资。
AI训练师方向则更稳定：2020年纳入国家职业分类后，2025—2026年全国AI训练师人才缺口预计280万—500万，供需比约1:5（中国网等媒体援引行业数据）。广州本地宝等公开资料显示，人工智能训练师有清晰国家职业等级（五级/初级工到一级/高级技师）。值得注意的是，随着大模型智力水平提升，数据标注从"廉价劳动力"转向"专家标注"——法律、医生、记者、编剧等资深人士兼职做专家反馈，时薪可达500—1000元（36氪报道），而基础标注岗薪资维持在4K—8K。
4. 薪资水平与地域差异
薪资两极分化严重。广州本地宝等公开资料给出的参考区间：入门级（标注岗）4K—6K，中级（训练师）8K—15K，高级专家30K以上。猎聘在招岗位：SHEIN高级AI训练师18—35K·14薪；深圳高级AI训练平台工程师50—80K·14薪。企查查等平台显示二三线城市提示词工程师仅7—8K。
海外市场可参照：美国Prompt Engineer中位年薪约13万美元（Glassdoor，2025），法国确认后年薪4.5万—7.5万欧元（行业院校数据），均远高于国内。地域上，北京、上海、深圳、杭州薪资最高，二三线城市以基础标注岗为主。数据标注产业在三四线城市有大量外包基地，薪资更低。
5. 任职条件与核心能力模型
学历分化：基础标注岗大专即可，高级岗位本科/硕士为主。核心能力模型：
- 模型理解：理解大模型能力边界、提示词设计原理、微调/RAG基础；
- 业务场景：能结合电商、客服、内容等业务设计Prompt工作流；
- 数据判断：能进行高质量人工反馈、对齐标注、badcase识别；
- 技术工具：了解LangChain、DSPy、标注平台等；
- 行业知识：专家级训练师需法律、医疗、金融等行业背景。
招聘信息显示，企业越来越不接受"只会写几句提示词"的候选人，而要求能将Prompt工程集成到产品、搭建评测体系、驱动模型迭代。
6. 职业晋升发展路径
路径：基础标注员→AI训练师→高级训练师/提示词专家→AI训练团队负责人/模型对齐专家。国家职业等级体系（初级工到高级技师）提供了制度化晋升通道。36氪报道指出，职责贴近产品经理的提示词工程师向产品方向发展，职责偏技术的向开发方向发展。
横向发展：AI训练师可转向大模型应用工程师、AI产品经理、数据产品、行业AI专家。专家标注者（医生、律师等）可成为垂直领域AI训练顾问。
7. 职业发展驱动因素
第一，大模型对齐需求：RLHF/数据飞轮需要大量高质量人工反馈。第二，国家职业认可：人工智能训练师纳入国家职业分类，有培训补贴、落户等政策支持。第三，行业落地：各行业用大模型都需要提示词工程与训练。第四，高质量数据需求：国家数据局将"标注攻坚"列入高质量数据集建设行动。第五，专家数据稀缺：大模型需要各行业专家反馈，催生高端训练师需求。
8. 当前职业痛点与现存问题
一是岗位两极分化：基础标注岗薪资低、可替代性强；高级专家岗稀缺但门槛高。二是职业变形快：纯提示词工程岗位三年间快速被工具替代，从业者需不断转型。三是基础标注压力：数据标注工作重复枯燥、绩效压力大，时薪专家与基层标注并存。四是标准不统一：岗位定义与薪资市场混乱。五是外包化倾向：基础标注工作被外包到低成本地区，一线城市岗位竞争激烈。
9. 职业发展机遇分析
机遇包括：其一，大模型对齐与评测是长期刚需，高级AI训练师/对齐专家稀缺；其二，垂直行业专家训练师（医疗、法律、金融）时薪极高、稀缺度强；其三，AI训练平台化工具开发方向薪资高；其四，国家政策支持，培训补贴与职业资格体系完善；其五，企业AI落地需要大量Prompt工程与数据治理人才。
10. 职业风险与挑战
风险之一是自动化替代：Prompt自动化工具与模型能力提升，使纯提示词编写工作价值下降。风险之二是基础岗外包化：基础标注工作可被外包到低成本地区或自动化，一线城市从业者承压。风险之三是职业天花板：纯执行层晋升有限。风险之四是行业泡沫：若大模型投资降温，相关岗位可能收缩。风险之五是工作重复性：基础标注工作枯燥，长期职业满意度低。
11. 未来职业前景预判
未来3—5年，该职业将持续分化：纯提示词工程师岗位进一步减少并融入产品/开发岗位；基础数据标注岗受自动化与外包双重挤压，薪资维持低位；而AI训练师（尤其对齐、评测、专家反馈）作为国家认可的新职业将稳定发展，高级专家年薪可达30万—50万元。整体看，该职业不会消失，但会持续"升级"——从简单标注走向专业判断，从通用提示词走向行业know-how。成功的关键是向"复合型人才"转型。
12. 研究总结与从业建议
提示词工程师/AI训练师是一个正在快速变形的新职业，机遇与风险并存。建议：第一，不要把"写提示词"当作长期技能，要快速向"大模型应用/对齐/评测"升级；第二，若从基础标注入行，务必尽快向专家标注或训练管理方向晋升，避免长期停留在低薪重复劳动；第三，叠加一个垂直行业背景（法律、医疗、金融），专家级训练师时薪可达数百至上千元；第四，学习技术工具（LangChain、评测平台、微调基础），向技术复合方向发展；第五，利用国家职业资格体系（人工智能训练师等级）获得政策补贴与职业认证；第六，警惕"速成培训"陷阱，真正的竞争力来自业务理解与模型判断，而非几天培训。总体而言，这是一个入门容易、深耕不易的职业，短期可作为进入AI行业的切入点，长期价值在于成为懂行业、懂模型的复合型人才。