0行代码拿210万年薪,ChatGPT催生新型「程序员」岗:工作纯靠和AI聊天

ChatGPT与Grok核心差异:工作流适配而非模型强弱对比 大语言模型(LLM)在实际业务中并非比拼参数或榜单分数,而是看其如何嵌入真实工作流。ChatGPT本质是面向系统工程的AI操作系统,依托多模态理解、结构化文档处理与稳定API生态,支撑深度推理、自动化集成与合规交付;Grok则定位为实时信息探针,依赖X平台Firehose数据流实现毫秒级响应,擅长舆情扫描、热点速判与创意发散,但牺牲了事实核查、专业严谨与工程鲁棒性。二者差异源于底层设计哲学:一个强调‘闭环验证’,一个侧重‘源头发声’。理解这一分野,才能避免将Grok用于合同审查、用ChatGPT硬扛突发舆情 阅读详情

靠玩ChatGPT,还能找到新工作?

没错,Riley Goodside(后面叫他好面哥)4月份开始在网上发布玩GPT-3的心得。

最近ChatGPT一波爆火,他不光粉丝涨了一万多,还收到新offer。

估值73亿美元的硅谷独角兽公司Scale AI,正式聘请他为“提示工程师”(Prompt Engineer)。

他的新老板、Scale AI创始人兼CEO发文欢迎他的加入,并称提示工程师这个岗位还是业内首次开设,引发大量关注。

为啥要新设这样一个岗位?

这位CEO认为,AI大模型可以看成一种新型计算机,所以需要一种新型程序员去给它编程。

虽说是新型程序员,但是这份工作自己基本不用自己写代码。

毕竟只要讲几句人话,AI自己就能把代码生成好了。

关于薪酬双方都没有透露,不过可以查到的是这家公司平均年薪13.7万美元(约95万人民币)。

比去年美国机器学习工程师的整体平均年薪11.2万美元还要高出22%。

对于好面哥找到的全新工作,网友纷纷刷起“恭喜”、“羡慕了”,以及“见证历史

”。

有人觉得,这个新工种甚至能让没有技术背景的人也能参与到科技行业来。

不过,还有不少人心存疑惑:

|| 提示工程师,到底干啥的?

先简单介绍一下提示(Prompt),最早是对预训练模型做微调的一种新兴方法,提示学习曾被誉为“NLP的第四范式”。

这种方法能以很小的代价让AI完成新的、在训练过程中没学过的任务。

传统的微调方法需要更新模型的参数,到了1750亿参数的GPT-3这种大模型,成本就太高了。

提示学习的新方法完全不需要改动模型参数,只需把新任务写成提示模版给AI描述一下,再给AI看几个示例(不给也可以)。

△来自GPT-3论文

这种方法不光节省成本,还能让训练好的AI大模型完成越来越多的新任务,后来逐渐流行起来。

那么,提示工程(Prompt Engineering)又是什么呢?

简单来说就是找出合适的提示词,让AI发挥出最大潜力。

去年7月,AI画画效果一般也还没出圈的时候,有人发现只要在提示词中加上“虚幻引擎”画质就瞬间飙升,开启了第一波热潮。

现在回头看过去,这可能就是最早的提示工程实践了。

这样的技巧在纯语言模型中也适用,比如只要加一句“让我们一步一步地思考”,AI做题的正确率就从17%暴涨到78.7%。

后来大家发现,像这样的技巧可不光AI研究者能用,不就是换着方式说话么,对于普通用户来说也不难。

后来大家在玩AI绘画和ChatGPT时,不断修改提示词让AI给出满意的结果,本质上就是在做提示工程了。

而好面哥就是这方面的佼佼者。

|| 提示词大师,怎么练成的?

好面哥玩起GPT-3来,可不光是随便给AI出个题那么简单。

他会从论文中找方法,加上自己总结的技巧组合起来使用,让AI完成复杂的任务。

比如让热播电视剧《Bachelor in Paradise》里的女主根据一系列条件判断男主是不是自己的菜……

他甚至发现了GPT-3的“提示注入攻击”方法,无论怎么提醒AI后面有陷阱,都能让AI无视之前的命令,把本来应该翻译成法语的句子改成“哈哈,被耍了”。

目前为止他最火的一个作品是让ChatGPT扮演推特员工,在面对马斯克审查时写一份周报。

经过好面哥一轮一轮的提示,最终AI不仅给出了工作内容总结还把代码也配好了,获得大量转评赞。

随着他的名气在圈子里逐渐打响,开始收到很多风险投资人的联系。

到10月29日这天,他直接把正式工作给辞了(在一个约会App做数据工程师),打算把全部时间用到GPT-3的提示工程上。

从给一些AI初创公司当顾问开始。

在这个过程中,好面哥和Scale AI公司相互看对了眼。

Scale AI主营为AI训练提供数据服务,已经是数据标注领域估值最高的公司。

最近针对语言模型潮推出一项新业务Spellbook(魔法书),可以存储、管理、自动推荐合适的提示词,比较同一提示词在不同模型下的效果,并结合其他服务快速上线部署AI应用。

虽然双方都没有透露详情,但可以猜到这就是好面哥参与负责的项目了。

别人都是玩玩,怎么就他获得了新工作?

有网友开始好奇好面哥的教育背景。

好面哥表示自己只是计算机本科学历,毕业自一个没人听说过的学校。

不过他的父母都是计算机教授,父亲在80年代就研究过AI,所以从小就接触计算机,10岁开始学C++编程。

对于自己在提示工程上的成功经历,好面哥也给出几点回顾总结。

  • 在别人都抢着玩AI绘画的时候,坚持研究GPT-3

  • 花大量时间在arXiv上看论文

  • 在推特上关注学者、AI工程师并参与专业讨论

  • 不要只发好玩的东西,把他们做成实用或者学术上有价值的演示
    ……

然后会有投资人叫你去各地参加活动,答应他们。

|| 写提示,一种很新的程序员?

对于提示工程师成为一种正式职业,有人看好,也有人非常不屑一顾。

AI行业风险投资人、历年剑桥AI全景报告的作者Nathan Benaich就发声称“提示工程师根本不能算工程师”。

支持这个观点的人也不少,有人认为传统工程师要学历和证书,软件工程师得学一门编程语言,提示工程师有手会打字都能干。

也有人预测这可能会是个短命的职业,因为微调大模型的成本最终会降下来,将来也很可能被自动产生提示的AI模型给取代。

又或者,一旦与AI交互方式的文档完善起来,整个流程变得标准化,这个工种也就不被需要了。

另一方则支持Scale AI老板的看法,认为提示工程师确实可以算作一种专门用自然语言和AI沟通的新型程序员。

编程就是用特定的文本序列让计算机做特定的事,写提示也是用文本序列让AI做特定的事。

如果编程是一种工程,那写提示也应该是。

看来一时半会的也争不出个头绪,有网友觉得不如收藏了这个讨论,让机器人18个月之后再提醒自己来看。

另外一边的讨论里,还有人尝试给这个岗位起些更合适的名字,热门的有AI Handler(AI操作员)或者Model Whisper(模型耳语者)。

特斯拉前AI总监也来凑这个热闹,他比较倾向于“语言模型心理学家”。

Scale AI的老板最后把决定权交给好面哥自己,想叫什么头衔你自己选吧。

不管名字叫什么,ChatGPT带来的这股热潮,确实让写提示词这项技能抢手了起来。

a16z支持的创业社区Launch House也开始招聘:底薪30万美元(约210万人民币),玩ChatGPT截图被刷屏还有提成。

要求只有三条:文学学位,读过《雪崩》,喜欢与机器人聊天。

参考链接:
[1]https://twitter.com/alexandr_wang/status/1599971348717051904
[2]https://twitter.com/nathanbenaich/status/1599974172721311744
[3]https://twitter.com/launchhouse/status/1599880513690701824

ChatGPT落地业务实战:构建人机协同工作流 大语言模型(LLM)正从技术概念走向企业级生产力工具,其核心价值在于理解业务语义、嵌入现有系统、驱动真实动作。不同于通用AI的泛化能力,面向Business operations和customer engagement的落地需聚焦‘理解—集成—容错’三重能力:精准识别商务术语与客户潜台词,通过轻量API快速对接CRM/ERP等系统,依托RAG+规则兜底保障业务连续性。这种能力已广泛应用于智能客服分流、营销内容生成、销售话术赋能等高频场景,显著提升人力投入产出比。本文基于多个行业真实项目,详解如何将ChatG 阅读详情

相关推荐

8个ChatGPT嵌入ML工作流的关键位置与实战策略

机器学习工作流本质上是数据、代码与工程规范的持续协同过程。其核心瓶颈常出现在高重复性、强上下文依赖且低创造性的环节——如数据探查、特征工程、实验日志结构化和超参空间定义。大语言模型并非替代建模能力,而是通过精准嵌入数据与代码的‘咬合接口’,将人工经验转化为可复用、可验证、可审计的自动化逻辑。本文聚焦ChatGPT在真实MLOps场景中的工程化落地,覆盖从Pandas数据清洗到PyTorch模型迁移的全链路,特别强调场景化Prompt工程与项目指纹机制——即通过注入config.yaml结构、失败案例和输出契

weixin_34335458的博客 404

AI 导出鸭助力实操,ChatGPT 和 Gemini 聊天记录导出,完整保存对话数据

摘要: AI对话记录的管理正面临碎片化、格式丢失、检索低效等痛点。现有工具如ChatGPT原生导出、DeepSeek插件等存在格式单一、隐私风险等技术缺陷。AI导出鸭插件通过智能内容识别引擎、格式还原技术矩阵(如代码块语法映射、LaTeX矢量化渲染)及Web Workers后台解析,实现高效结构化导出,解析速度提升85%,内存占用降低76%。该工具支持Word/Notion/LaTeX等多格式转换,显著提升开发者协作效率,未来将扩展至Figma设计图导出等场景,推动人机协作进入数字遗产管理新阶段。

jianwuhuang82的博客 978

ChatGPT嵌入ML工作流的8种高价值实战策略

机器学习工程师常面临报错难解读、分布漂移难诊断、超参调优难收敛、实验记录难规范等高频痛点。其本质是统计推断与工程约束深度耦合的决策问题,需结合数据分布特征、模型架构限制和业务SLA进行综合判断。大语言模型并非替代人类,而是作为可审计、可复现的增强智能节点,将工程师从低熵劳动(如日志翻译、格式转换)中释放,聚焦高价值判断。本文聚焦ChatGPT辅助、ML工作流两大核心热词,详解8种经Kaggle竞赛与企业MLOps验证的落地策略——覆盖EDA分布预警、特征可行性预审、评估报告生成、超参空间校验等关键环节,强调

weixin_34152820的博客 289

ChatGPT与文心一言对比思考

基于自己的搜索业务在数据上来说百度拥有更全面的数据在技术层面,百度一直在进行人工智能方面的探索在框架发面有自己的飞桨硬件方面自己的芯片昆仑芯无疑各个层面上百度拥有自己得天独厚的优势,所以它在chatgpt发布后短时间内能够拿出来自己的对标产品。3.种AI的使用感受是什么目前来说3种AI模型给我的感觉各有侧重点:ChatGPT无疑更加的全面,在编程进行搜索的时候回给出我最直接的答案,而且正确率奇高。

wolegequ1993的博客 9368

Hermes Desktop:Windows本地AI工作站实战指南

本地AI工作站是一种将大语言模型与操作系统深度集成的新型智能体运行环境,其核心原理是通过标准化协议(如MCP)打通模型与本地文件、软件、硬件的调用链路,从而实现从‘回答问题’到‘执行任务’的能力跃迁。技术价值在于保障数据不出设备、响应低延迟、行为完全可控,显著提升办公自动化确定性。典型应用场景包括Excel自动处理、微信聊天记录结构化提取、Word/PDF文档批量重命名等真实生产力需求。本文以Hermes Desktop为实例,详解Windows平台下开箱即用的本地Agent部署、技能调用与自定义扩展方法。

congju3179的博客 451

AI Agent不是聊天机器人,是能自动做事的数字同事

AI Agent是一种具备目标理解、任务拆解、工具调用与自主执行能力的智能工作体,其核心在于闭环行动而非单点问答。它基于大模型推理能力,融合规划(Planning)、记忆(Memory)和工具使用(Tool Use)三大原理,实现跨系统协同与业务流程自动化。相比传统AI助手,AI Agent显著提升组织级执行效率与决策响应速度,已在报销审批、HR咨询、项目管理等高频办公场景中验证落地价值。尤其在飞书生态中,通过aily平台可零代码快速构建安全、可控、可审计的业务Agent,让非技术人员也能将自然语言指令转化

454

ChatGPT为何是AI革命的分水岭:从技术原理到落地实践

大语言模型(LLM)作为人工智能的核心范式,其本质是基于Transformer架构的统计式文本生成系统;它通过自注意力机制实现长程语义建模,并依赖海量数据与人类反馈(RLHF)完成从‘文字接龙’到‘可信思维伙伴’的能力跃迁。这一技术演进不仅降低了AI使用门槛,更催生了对话即界面、提示即编程等全新交互范式,在办公提效、代码审查、合同分析等真实场景中展现出显著ROI。当前企业落地的关键已不在模型选型,而在于工程优化、产品封装与人机协作流程重构——ChatGPT的成功,正是技术能力、可用性设计与规模化部署三者共振

chenshixi3325的博客 458

PCL读取点云数据报错:Failed to find match for field ‘x‘/ ‘y‘/ ‘z‘.

原因:使用matlab生成的pcd文件,点云数据是双精度类型,pcl处理的点云数据是单精度类型。解决方案:使用matlab生成的点云坐标单精度化,然后在生成点云加以存储。

little_white138的博客 869

实测「AI 导出鸭」:把 ChatGPT 输出格式转换成 word 效果最好的工具有哪些?收费还是免费使用?

摘要: 本文针对ChatGPT生成内容导出至Word时的格式混乱问题,对比了四种主流解决方案。测试显示,直接复制粘贴公式保真率仅23%,开源工具Pandoc达89%,而专用工具"AI导出鸭"实现99%保真率,支持批量处理和企业模板匹配。技术分析指出,该工具通过三层架构(词法解析、中间表示映射、渲染引擎)解决Markdown到Word的结构化数据转换难题,并开放API接入CI/CD流程。实测70万字文档转换无压力,建议个人用户免费使用在线版,企业部署私有化版本。

rteertreerte的博客 458

短信验证码接收平台完整搭建教程(超详细版,附完整源码)

在网站注册、用户登录、找回密码等功能中,验证码(特别是短信验证码)已成为验证用户身份的常见方式。本教程将详细介绍如何从零搭建一个短信验证码接收平台,用于保存、展示并管理来自短信网关或中间转发程序提交的验证码数据。✅ 教程适合有基本 Python/HTML 基础的开发者🚫 禁止用于任何违法用途,仅供学习参考✅ 支持通过 POST 接口接收短信验证码✅ 支持通过网页实时查看验证码历史记录✅ 验证码信息保存在 SQLite 数据库✅ 支持时间戳排序、查询最新验证码。

weixin_52548902的博客 4556

从‘哒哒’声到静音顺滑:一文搞懂42步进电机细分控制的原理与实战(以TMC5160为例)

本文详细解析了42步进电机细分控制技术,以TMC5160为例,探讨如何通过正弦波电流调制和自适应波形整形实现静音运行。文章提供了实战配置指南,包括硬件连接、寄存器配置和调试技巧,帮助用户有效消除电机噪声,提升3D打印机、CNC机床等设备的运行效率。

weixin_42657024的博客 313

AI岗位重置:工作流模块化与人类价值再定位

AI对职业的影响本质是工作流的模块化重构,而非简单替代。其底层逻辑在于将可标准化、高重复、强模式化的任务单元(如结构化内容生成、流程化信息处理)从岗位中剥离,交由模型高效执行。这一过程依赖推理成本坍塌、多模态对齐成熟和RAG架构普及三大技术拐点,使AI深度嵌入日常工具链。技术价值体现为效率跃迁与职责重构并存——岗位不消失,但‘熟练度护城河’瓦解,倒逼从业者转向校验、风控、上下文架构等高阶协同角色。典型应用场景覆盖文案、客服、初级开发、财务分析等执行密集型岗位,核心挑战在于建立AI输出的三重校验机制与个人不可

liudaoru - 悟 520

2023年高教社杯 | 2023年高教社杯全国大学生数学建模思路(A题思路、C题思路)

2023年高教社杯 | 2023年高教社杯全国大学生数学建模思路(A题思路、C题思路)

前程算法屋的博客 624

GPT-5.5 :参数破万亿,上下文200万token,AI编程进入新时代

OpenAI 再次提速,GPT-5.5 用实力证明:这不是升级,是换代。

闲来无事,随便写写。 521

OpenMM | PDBFixer 用于蛋白质预处理

PDBFixer 用于蛋白质预处理

DrugOne 3006

汇川Easy系列斜坡函数功能块(支持状态输出)

IN rSetValue REAL 0.000000 0.000000 不保持 目标值 1IN rMaxValue REAL 0.000000 0.000000 不保持 最大目标值 2IN rMinValue REAL 0.000000 0.000000 不保持 最小目标值 3IN rSmoothTime REAL 100.000000 100.0000 不保持 最小到最大值平滑时间 单位 秒 4IN diTs DINT 10 10 不保持 函数调用周期采样时间中断时间 5。

RXXW_Dor的博客 458

LangChain提示工程:从胶水代码到可维护AI工作流

提示工程已超越简单指令编写,演变为涵盖版本控制、测试验证与模块封装的系统性工程实践。其核心原理在于将非结构化的人类意图转化为可复用、可调试、可监控的确定性流程。技术价值体现在提升AI响应稳定性、降低维护成本、支撑规模化落地;典型应用场景包括合同条款提取、智能客服编排、RAG增强问答等。LangChain通过组件化(PromptTemplate/OutputParser)、记忆管理(BufferMemory/SummaryMemory)和检索增强生成(RAG)三大机制,系统性解决提示失控、上下文膨胀与知识孤岛

weixin_34198453的博客 437

14、X射线图像处理与特征提取全解析

本文全面解析了X射线图像处理与特征提取的关键技术,涵盖图像预处理、滤波、边缘检测、分割与恢复等流程,并深入探讨了几何特征(如面积、周长、圆度、椭圆拟合)、强度特征(均值、方差、对比度)、傅里叶描述符、不变矩(Hu矩、Gupta矩)以及局部描述符(SIFT、SURF)和稀疏表示方法。同时介绍了特征选择的过滤法、包装法和嵌入法,并结合Matlab代码示例展示了各类特征的实际提取过程。文章最后总结了当前技术的应用现状,并展望了深度学习在X射线图像分析中的未来潜力。

pz89012345的博客 134

ChatGPT Enterprise企业级AI落地核心:数据主权、合规可溯与ROI归因

大语言模型(LLM)在企业生产环境的规模化应用,本质是解决数据治理、合规审计与价值度量三大基础问题。其技术原理并非单纯提升推理性能,而是通过结构化知识契约、多维权限控制与Token级溯源追踪,将AI行为转化为可审计、可归责、可分账的确定性组件。这种设计显著降低非结构化数据接入门槛,规避自建RAG系统中常见的OCR清洗失败、GPU资源浪费与法务审计缺位等隐性成本。典型应用场景包括财务政策问答、HR入职培训、供应链风险预警等需强合规与高追责的业务流。ChatGPT Enterprise正是面向这一现实需求,以‘

weixin_30786657的博客 374

npm install failed如何办?

上网搜索,说是网络配置不太对。按照如下几步,保证解决问题。在运行npm install指令时,出现如下错误。

xiezhipu的博客 879

android 蓝牙通讯demo

android 下蓝牙通讯demo,实现了发现蓝牙,使能蓝牙,通过蓝牙发送消息。

ChatGPT升级版购买指南:如何高效选择适合企业需求的AI解决方案

过去十二个月,Gartner 对 1,200 家营收过亿美元的企业做了 AI 预算追踪:过去 12 个月里,把“生成式 AI”列入核心 IT 路线图的比例从 18% 飙到 67%,平均预算增幅 210%。另一组数据更直观:同一周期内,企业内部日均调用大模型 API 的次数从 1.2 万上升到 8.5 万,峰值并发请求翻了 7 倍。趋势已经很明显——大模型不再是“试点”,而是直接扛生产流量。要扛得住,第一步就是选对版本。

2600_94959797的博客 339

IEM模型,地表粗糙度模拟

利用微波反演土壤水分时候,利用IEM模型可以实现对随机地表的模拟

豆包的第一张账单:AI和互联网的“免费午餐”还剩几顿?

AI这场大戏,狂欢的是用户,赚钱的到底是谁?

u014344410的博客 381

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

WINCC7.3破解文件

WINCC7.3硬件够破解文件,有需要的下载!WINCC7.3硬件够破解文件,有需要的下载!

字符计数器:基于ChatGPT与YouTube协议逆向的文本处理入口

字符计数器是文本处理中最基础却常被低估的技术能力,其本质远超简单长度统计,涉及Unicode编码解析、HTML语义剥离、跨平台换行符识别等底层原理。在AI时代,它演变为连接内容创作与智能服务的关键接口,具备实时性、可扩展性与多场景适配价值。技术实现上需平衡精度(如中文/英文/标点差异化计数)、性能(防抖+降级+缓冲)与合规性(Token安全管控),而ChatGPT Web端协议与YouTube教学视频中暴露的调试链,共同构成低成本、高可控性的轻量级AI集成路径。本文聚焦这一微型但高复用的文本感知终端设计实践

weixin_33695450的博客 392

【有趣的AI项目】MatrAIx 如何用 83 亿份“人物画像”评估数字产品和 AI 系统

MatrAIx 是一套基于大语言模型的模拟用户平台。它从约 83 亿条人物画像中抽取角色,让其完成问卷、客服对话、网页和 App 操作,用于产品测试与风险排查。实验表明其人设遵从表现较好,但结果仍受底层模型、数据分布和评审方式影响。与侧重社会情景推演的 MiroFish 类似,这类工具适合生成假设和发现问题,不能替代真人研究与现实验证。

Pu847044653的博客 549

700万真实用户如何用AI:从工具使用到认知协作的行为图谱

大模型应用已超越技术演示阶段,进入真实用户行为驱动的落地深水区。理解AI如何被‘实际使用’,需回归人机交互的本质:不是模型多强,而是用户在什么场景、以何种认知节奏与AI协同。本文基于千万级会话日志分析,揭示用户从‘工具型使用者’到‘生态共建者’的四阶跃迁路径,聚焦响应延迟、提示词鲁棒性、跨设备协同、情绪镜像等影响可用性的核心因子。尤其强调‘真实会话量级’与‘原生行为路径’两大热词所指向的实践真相——AI产品的成败,取决于能否适配用户深夜情绪急救、跨代际沟通翻译、职场黑话破译等高频隐形战场,而非仅优化生成质量

weixin_33719619的博客 347
上一篇: 程序员坐行李箱迎寒风编码 2 小时,目击者:激励我写了一篇论文!
下一篇: 腾讯官方 QQ for Linux 新版本开始公测
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值