你会写提示词吗？说实话，到2026年这已经不算本事了。

我最近翻了几份英文的招聘和薪资分析，里面有个变化挺值得说一说：会写提示词（prompt），正在从一项「加分技能」变成一道「地板」。地板的意思是，你站上去理所当然，没人会因为你站在地板上多给你一分钱。真正决定你值不值钱的，是你在地板之上还能做到什么。

先把数据摆出来，省得你觉得我在唱反调。Lightcast 分析了超过13亿条招聘启事，结论是：明确要求 AI 技能的岗位，平均薪资比同类岗位高出约28%，换算下来一年多挣约1.8万美元。更有意思的是非技术岗。像 HR、市场、销售这种本来跟代码不沾边的工作，也有综述转引称，懂得用 AI 的人薪资溢价能到三四成。这个数字我没在原始报告里核到，是二手转述，你听个方向就好。各家机构口径不一样，具体多少我不替它们打包票，但方向是一致的：会用 AI，确实在涨工资。

那矛盾就来了。一边说会写提示词不值钱，一边说会用 AI 多挣两三成，这不打架吗？

不打架。因为「会用 AI」和「会写提示词」根本是两件事。

很多人把这两件事划了等号，以为把提示词写得花哨，AI 答得漂亮，自己就算「会用」了。其实雇主早就不看这个了。提示词写得溜，现在跟会用搜索引擎、会用 Excel 是一个级别的东西，大家都会，所以它不再是你的竞争力，只是你的入场券。雇主真正掏钱买、面试里专门挖的，是另外三样。我一条条说。

第一样，是校错力。

说白了，就是你能不能不靠别人提醒，自己一眼看出 AI 这段是编的。有份分析里有句话我觉得说得很硬：当一个工具的「自信」超过了它的「准确度」，你交出去的东西得扛得住推敲。这话戳中了 AI 现在最大的坑。它最危险的地方不是不会，是一本正经地错。它会把不存在的论文、查不到的数据、跑不通的逻辑，用极其笃定的口气糊到你脸上，标点都不带打颤的。

你去看现在的面试题，已经在直接考这个了。有一类问法是这样的：「说一次 AI 给你错答案的经历，你是怎么发现的，后来又改了什么？」这个问题特别狡猾，它考的根本不是你会不会用 AI，是你有没有「不信它」的本事。一个只会复制粘贴的人，碰到这题会卡住。因为他从来没发现过 AI 错。不是 AI 没错，是他没看出来。

这两年我自己用各家模型扫资料，最深的体会就是这条。它给你的东西看起来都对，越是不熟的领域，你越容易被它唬住。后来我养成个习惯：凡是它给的事实、数据、引用，默认先当它是编的，核过才信。一开始觉得麻烦，习惯了就快了，而且救过我好几次。

第二样，是断网也能干的硬底子。

我打个比方，AI 其实是个放大器。你自己的底子是1，它能帮你放大成1万；可你的底子要是0，放大一万倍，还是0。这就是为什么同样用 GPT、用 Claude，或者你手边的 DeepSeek、Kimi、豆包，有人越用越值钱，有人越用越像个传声筒。区别不在 AI，在你手里原本有没有那个1。

所以雇主面试时会绕着圈子问一件事：把 AI 关掉，你自己还能产出多少？一个写代码的，AI 宕机了能不能自己理清逻辑；一个做方案的，没有 AI 喂初稿能不能自己搭出框架。这个底线，决定了你是 AI 的主人，还是 AI 的附庸。附庸是会被替换的，因为公司直接买 AI 就行了，不需要再多养一个只会转述 AI 的人。

这里有个挺容易被忽略的反转。很多人觉得 AI 越强，自己越省力，底子可以慢慢荒废了。其实恰恰相反，工具越强，对你判断力的要求越高。因为它能替你做的越多，它做错时你要兜的底也越大。你不是不用懂了，你是得比以前懂得更多，才压得住它。

第三样，是肯不肯为结果负责。

这条最朴素，也最容易被忽略。你交出去的东西出了错，是没有「这是 AI 写的」这张免责声明可以贴的。老板不会因为「模型给的」就放过你。能为最终结果背书的人，和把锅随时准备甩给工具的人，价值差着一个数量级。面试里那些让你「讲讲你会怎么搭一套 AI 工作流」的题，表面考方法，底下考的是你有没有把这活儿当成自己的活儿来兜底。

说到底，雇主想找的不是一个会操作 AI 的人，是一个能拿着 AI 把事干成、还敢签字的人。前者满大街都是，后者稀缺。

你那一行，「会用 AI」现在还算个加分项，还是已经成了不会就出局的标配了？

#马力的AI知识分享#