一份技术圈流传的面试贴显示，Prompt Engineering（提示工程）的 5 个核心范式已经被列为 AI 工程师的硬门槛。我们注意到一个反差：招聘门槛在抬，绝大多数业务部门的真实使用还停留在"复制粘贴问一句"的阶段。

这是什么

Prompt Engineering 就是"如何让 AI 按你想要的方式思考"。5 个范式：
  • CoT（Chain-of-Thought，思维链）：让 AI 先写推理再给答案。触发词"Let's think step by step"。小模型反而有害，大模型显著有效。
  • Self-Consistency（自洽性）：同问题让 AI 想 5-10 遍，少数服从多数。数学题准确率可提升 10-20 个百分点。
  • ToT（Tree-of-Thoughts，树状思维）：让 AI 像下棋一样探索多条路径、可回溯剪枝。
  • Prompt Injection 攻防：防恶意输入让 AI 越权，企业 AI 几乎必遇。
  • System Prompt：给 AI 设定的"人设"与边界规则。
这些对应 AI 产品上线后真实的工程难题，不是面试官自创的考题。

行业怎么看

支持方：提示词从"技巧"变成"学科"，行业开始用工程方法管 AI 输出稳定性。OpenAI 的 Function Calling、Anthropic 的 Tool Use 是同一个方向。 但反对意见同样尖锐：绝大多数企业场景用不上这些。周报、会议纪要、客服问答——跑 Self-Consistency 是浪费算力，做 ToT 是杀鸡用牛刀。一位大厂 AI 工程师评价："面试考这个，是因为面试官自己刚学会；招进来 80% 时间还在写业务代码。" 更值得警惕的风险：企业把"招一个提示词工程师"当成 AI 战略全部，没有数据基础、没有流程改造，光写 prompt 换不来 ROI（投资回报）。

对普通人的影响

  • 对企业 IT：JD（岗位描述）里会越来越多"Prompt Engineering"相关岗位，别被术语唬住——你要的是能解决具体业务问题的人，不是 prompt 锦标赛选手。
  • 对个人职场：你大概率不会写 prompt，但懂这些概念能帮你判断供应商在吹什么、吹得对不对。
  • 对消费市场：接下来会有产品标榜"基于 ToT 推理"或"自洽性增强"——记住这是工程手段不是魔法，能不能解决问题取决于你的数据和工作流。