提示词可操控性，为什么值得求职者留意

有观点认为，提示词可操控性可能成为机器人基础模型最具经济重要性的属性之一，因为它决定了新任务是否需要重新训练。在S1的演示中，厨房场景大致不变，但每次视频指令发生变化，模型针对每个请求的最终状态给出不同的动作序列。

对准备进入这个方向的求职者来说，这条动态的价值不在技术本身，而在于它暗示了团队里可能存在几类不同的工作：让模型学会执行，和让模型听懂并按要求改变行为，未必是同一批人做的。

岗位分工：训练、行为设计与任务评测

如果按这条线索拆，机器人基础模型方向大致可能有三类角色。

模型训练类：关注数据、训练方法和泛化能力。这类岗位通常要求扎实的深度学习基础，但素材并未说明S1的实际训练方法、数据规模和泛化能力，所以求职时不要默认某家公司用的是某种主流路线，而应在面试中直接问团队当前的技术选择。

提示词与行为设计类：素材强调通过改变提示词产生不同动作序列，说明行为设计是独立于训练的工作环节。这类工作更接近任务定义：把模糊需求翻译成模型能响应的指令，并设计指令与行为之间的对应关系。它未必要求你从头训练模型，但要求你对任务边界和失败模式敏感。

任务评测类：既然提示词可操控性决定新任务是否需要重新训练，那“怎么判断一个提示词真的可控”就成了评测问题。评测岗需要设计任务集、定义成功标准、区分“模型不会”和“指令没说清”。

需要提醒的是，以上是基于素材的分析，不是对某家公司岗位设置的报道。Skild AI的招聘计划、岗位设置和团队规模，素材并未提及。

面试时怎么核查团队的真实分工

读岗位描述时，“具身智能算法工程师”这类标题可能覆盖感知、决策、控制、规划多个方向，具体做什么要问清楚。可以准备几个具体问题：

  • 团队最近一次让模型学会新任务，是重新训练还是改提示词？这个判断由谁做？
  • 提示词可操控性由谁评估？有没有固定的评测集和通过标准？
  • 训练、行为设计、评测三块工作的人员比例大概是多少？

这些问题不是刁难，而是帮你判断入职后每天在做什么。如果对方回答“都要做”，那你要进一步问哪块占时间最多。

技能准备上，除了模型训练基础，可以练习把同一任务写成不同粒度的指令，观察哪些表述会导致行为分歧——这是行为设计与评测的日常思维。但提示词可操控性在真实产品中的落地程度和商业价值，素材并未给出结论，建议你在面试中向目标团队核查，而不是把它当成已经兑现的行业事实。

一个实际可做的小建议：找一段机器人操作演示视频，自己写三条不同指令，记录你认为模型可能产生的行为差异，面试时拿它当讨论素材。