老板，16 年前那个拍板，算是我职业生涯里最“廉价”但最“贵得吓人”的一次押注。
那时候还在高校做辅导员，当作搞党建、搞团建那是正经事，后来发现全是画大饼，忙完这一套还得接着卷行政事务，直到 2020 年疫情那波全员躺平，我才确实摸到了底层。
那时候认定互联网大厂卷得凶，结局被一家不知名的 AI 初创公司挖了坑，干了一整年。表面上看，那是技术岗，实际上是把所有国内广告公司、电商运营、新媒体编导都熬过的功夫，硬生生塞进了一个“提示词工程师”的壳子里。
那时候老板也不清楚，我们到底是在开发模型，还是在学如何跟客户磨嘴皮子。 实际上回过头看，这大约率不是那种啥大模型 SaaS 要么通义千问的底层技术岗，本质上就是一场“用 AI 做工具，把人的销售脑袋洗得更帅”的运营工作。16 年那会儿，行业变了，前台的叫“数字人”，中台的不叫“智能客服”，前台却还叫“内容生成与交互”。咱们这行讲究的是“人设”和“颗粒度”。16 年刚踏进这行的时候，我拼的是“快”。
那时候做传统内容，写个脚本、拍个视频、配个 BGM，半天就能出炉。到了目前，哪怕你略微懂点剪辑，直接让 AI 多生成几个版本，加上我个人的剪辑，效率直接翻倍。 目前回头看，实际上我们做的不是啥高深的技术活，而是把“人设”这事儿做得像操作 Excel 一样好办。
那会儿我们为了迎合用户，得把广告语改十万次，就连改到用户投诉频率翻倍的程度。目前呢？只要我预备好精准的提示词，系统就能一键生成。
这听起来是不是有点虚？实际上不然，大量客户认定我在吹牛，是出于他们不懂如何设计提示词。 举个具体的例子，去年正值双 11 高峰期，我接到一个微短剧的投放需求。客户想要那种“情感共鸣”、“高转化”的效果，可是给我的指令贼不清楚，全是“温暖”、“感人”这种大词。
要是那时我还用老套路去写文案，结局可能就得改七八次。目前呢，我直接让模型按照特定的人物性格、背景、剧情走向去写一万多个标题和正文。我只要告诉它：“设定为一个 25 岁单身大男孩，背景是创业黄了后回到老家，性格要有点丧但没拉倒，语言要接地气，带点自嘲。”模型瞬间就能跑出符合预期 50 个版本的标题，并且每个都有情绪波动。
这时候，我就不再是那个在死磕文案的运营，我变成的是那个在筛选和调优的专家。客户只在乎结局，我只负责把结局打磨得更像“人味”。 数据不会撒谎。在同一个季度，要是我用老方式，平均产出效率是 30 篇；要是我在优化提示词、引入 AIGC 辅助后，这个效率直接拉升到 180 篇，并且质量也没下降。大量同行认定这没啥区别，他们当作我在写段子，实际上我是在用数据讲话。目前的客户，特别是 C 端用户，对内容的需求越来越碎片化，越来越期待即时的反馈。他们不想等几个小时的审核，不想面对几十个不中意的稿子。我做的，本质上就是帮他们把“体验”从“小时”变成了“秒”。 自然，这条路并不全是光鲜亮丽的。16 年刚来的时候，我确实也焦虑过。认定是不是自己忒年轻了？
是不是行业天花板忒低了？那时候我常对自己说，既然进了这个坑，那就把它当成一个可复用的、低成本的资产。我不指望成为那个当年那个市面上最火的 AI 大模型架构师，我也没空去研究那些最枯燥的算法原理。我要做的，是在这个快速迭代的周期里，让自己保持对技术的敏感度，与此同时保持对人性的洞察力。 目前的差不多是“人机协作”的升级版。我认定自己最核心的优势，不是代码写得有多快，而是我能通过一个词，就能调动出一个有特定人设的 AI 助手，并让它去扮演任何角色。
这种灵活性，是十年前的我们绝对不有的。
那时候，不管如何改，脚本改完还得拍，还得配音，流程长。目前，脚本一改，人设直接跑通，素材自动生成，就连连语音语调都能微调。所谓的“降 AI 痕迹”，实际上不是要让人看不出是 AI 生成的，而是要让人认定这个 AI 生成的内容，是这个人亲手写出来的。出于我知道，这个 AI 的行为，背后有我个人的逻辑和偏好。 最终总结一下，16 年那年的拍板，实际上并没有让我变成那个只会敲代码的程序员，也没让我成为那个懂业务的专家。它让我明白，在这个信息爆炸、技术迭代极快的时代，个人的核心竞争力，不再是拼哪位更懂某个具体的流行语要么某个技术细节，而是拼哪位能最快、最准地利用这些工具，去解决更复杂、更个性化的难题。
那些曾经被视为“高级技能”的东西，今天可能只是基础配置。我不再执着于技术本身有多牛，我只在乎，当我把 AI 放在桌前时，我能发挥出多大的价值，还有我能帮客户省去多少工夫、多少精力。
这大约就是在这个疯狂的时代，唯我独尊的真正意义吧。