在ChatGPT和DeepSeek掀起的智能革命浪潮下，AI研发工程师、AI产品经理、大模型开发、训练师等新兴岗位开始大量涌现，但是很多求职者会面临一些求职困惑：招聘网站的JD术语晦涩，难以精准匹配自身能力；面试准备迷茫，不知从何开始；对岗位所需的算法基础、工程能力、业务理解等核心技能边界模糊…

分享嘉宾：老王

前百度高级开发工程师，现任联想IPC架构师，兼任大厂一面面试官。

分享内容实录

大家晚上好，我是老王。今天我将分享关于AI大模型的就业机会与技术经验，帮助大家打破信息壁垒。首先，我简单介绍一下自己。

我曾是百度高级开发工程师，深度参与多个AI项目，积累了丰富的算法开发经验。目前，我在联想担任IPC架构师，将大模型技术融入PC端产品。同时，我在百度担任过一面面试官，作为面试者和被面试者参与了上百场面试，熟悉大厂的面试流程与标准。

今天的分享涵盖四个主题。首先，从大厂面试官的角度，当前大模型就业市场最看重的候选人能力是什么？稍后，我将以头条大模型算法岗的面试全流程为例进行介绍。

面试官视角：候选人关键能力

作为面试官，我认为以下三点至关重要：

1、算法与模型基础

深度学习是大模型岗位的基石。自从DeepSeek爆火后，今年大模型就业市场显著回暖，需求激增，尤其是RAG（检索增强生成）和Agent开发工程师的需求尤为旺盛。这些岗位的竞争比例远低于后端或前端开发。

候选人需理解大语言模型（LLM）的原理，尤其是Transformer架构，以及微调等技术。如果从事RAG开发，需熟悉RAG全流程及其痛点；若从事Agent开发，需了解Deep Research或Minus等前沿技术的底层原理。此外，需阅读前沿论文，如DeepSeek提及的方法，掌握其实现方式。

2、工程能力

工程能力是落地的关键。不论是大厂、中厂还是小厂，招聘候选人是为了干活，工程能力必须过硬。候选人需熟悉PyTorch或TensorFlow等框架。例如，在模型微调中，需掌握多机多卡的实现；在模型蒸馏中，需了解如何构建蒸馏或微调数据集。

3、业务场景理解

业务匹配度至关重要。如果两位候选人背景相似，我们优先选择实习或工作经历与职位描述（JD）高度匹配的候选人。业务匹配度高意味着能快速上手。

在简历中，需突出智能客服或推荐系统等项目，并量化成果，让面试官一眼看出亮点。算法基础、工程能力和业务匹配是三大关键点。

后端或推荐系统开发者转行大模型的常见误区

对于从后端或推荐系统转行大模型的同学，以下是五个常见误区及规避策略：

1、忽视算法基础

许多候选人只关注工程实现，忽视算法基础。大厂面试虽被戏称为“造火箭”，入职后“拧螺丝”，但我们对工程和算法能力要求很高。三轮面试会考察数据结构、算法及Transformer等基础架构的原理。强化算法基础，不仅为面试，也为职业发展和深入业务提供支持。

2、盲目追求最新模型，缺乏实战经验

大模型领域日新月异，Number 4、千问3、DeepSeek R2等新模型层出不穷。不要盲目追新，因为最新模型未必适合业务需求。从小规模项目入手，如微调或从零训练模型，理解分布式训练、微调和部署。通过开源项目熟悉模型优化全流程。

3、低估业务场景需求

许多人忽视模型与业务需求的适配。例如，文档扫描从传统OCR转向多模态大模型，需评估多模态模型的业务价值，深入理解需求，混合使用技术以提升适配性。

4、忽视开源社区和论文

参与国内的阿里ModelScope或国际的Hugging Face社区，获取模型资源。参加Kaggle或阿里天池等竞赛提升技能。积极贡献GitHub开源项目，尤其是在Deep Research或Minus等项目初期参与，丰富简历并提升影响力。定期阅读ArXiv论文，使用元宝等工具加速阅读，打破信息差。

5、转行周期过长

转行时间控制在3至6个月内。对于校招，建议获取1至2份相关实习经验。

短时间内获取大模型实习机会

针对校招学生，以下步骤也适用于社招：

1、明确目标

目标是RAG或Agent开发，研究阿里、字节等大厂的职位描述，拆解所需技术栈，准备相关项目。算法岗需掌握深度学习、模型优化、微调和蒸馏；工程岗需了解分布式训练、模型部署及SJ、VRM等框架；数据岗需学会构建微调或蒸馏数据集并选择合适工具。

2、制定学习路线

打好深度学习基础，通过校内导师项目或开源项目积累经验。最好能搭建一个简单Demo，如在3090或4090 GPU上训练TNLM，了解从数据集构建到可对话LLM的全流程。

3、准备算法面试

即使业务匹配度高，编码能力仍需严格考察。大厂使用LeetCode或内部题库。准备高频题型模板，刷LeetCode Hot 100至少2至3遍。大模型算法岗需重点准备常见算法题。

4、开发大模型项目

探索RAG的延伸，如Graph RAG、Deep Research或AI搜索。GitHub上有数千相关开源项目，其中约100个高质量项目。可手动复现Minus或Deep Research，或开发LLM与可视化图表的结合项目。无项目经验者可通过开源项目积累工程经验。

5、准备八股文与面经

在小红书、优客或GitHub搜索八股文和面经。重点准备大模型基础、分布式训练、模型优化和部署。RAG岗需关注向量数据库及RAG优化流程和算法。

6、打造简历与面试准备

简历是第一关。突出教育背景（如985院校），量化项目成果，技术栈与目标JD高度契合。为不同JD定制不同简历。进行模拟面试提升表现。按此流程1至2个月可获大厂Offer。

大模型的实际落地场景与挑战

2022年ChatGPT引发热潮，2023年持续火热，2024年因落地难度冷却。但DeepSeek的爆火重新点燃兴趣。与元宇宙不同，大模型并非伪命题。短期盈利难，但长期可赋能各行业。未来3至5年，AI大模型、新能源和机器人将占据核心。调查显示，大模型可提升程序员效率70%至80%。在百度，文心快马AI IDE结合GPT使个人效率翻倍。

以头条大模型面试为例，一面要求自我介绍并考察多模态模型（如CLIP或千问系列）的原理，最好有相关项目经验。一、二面包含数据结构与算法编码题。三面由技术负责人考察技术广度，可能询问大模型训练经验，评估你的深度和团队适应性。

总结与建议

1. 大模型岗位青睐算法、工程和业务能力的综合人才。后端开发者应选择大模型与算法结合的岗位，确保能力与JD匹配。

2. 转行或跳槽需避免误区，制定系统学习计划提升能力。

3. 高效准备，避免战线过长，在实践中学习，在学习中实践。

4. 大模型落地是机遇，需克服技术和业务挑战实现价值。

5. 持续学习，积累实战经验，通过博客、社区、Kaggle竞赛或GitHub分享成果，提升影响力。

问答环节

Q：大模型未来3至5年的前景如何？

A：从宏观来看，AI大模型、新能源汽车和机器人是未来3至5年的战略重点。大厂如百度、阿里、字节正用大模型重构业务。职位描述中普遍包含大模型相关要求，反映市场需求。与元宇宙不同，大模型可落地，应用于数字人、知识库、自动驾驶、智能座舱、政企、AI PC和手机等领域。它是通向AGI的必经之路，我对行业前景非常看好。

Q：没有大模型经验应如何优化简历？

A：转行需提升简历与招聘要求的匹配度，项目尤为重要。参与开源项目，即使独自上手困难，也可通过与大厂同学或GitHub协作开发项目，或参加竞赛完善项目经验。后续我将分享学习资源，感兴趣的同学可关注。

Q：面试官询问是否使用ChatGPT或DeepSeek的意图是什么？应如何回答？

A：此类问题考察三点：

1. 你是否积极拥抱前沿技术，体现态度。

2. 你用这些工具做了什么，如提升效率、开发或落地。

3. 你取得了什么成果，如用ChatGPT开发面试模拟助手或基于RAG的学校知识库。

借此问题展示学习能力、实践经验和对AI的认知，而非简单回答是否使用。

Q：有没有大模型学习资源推荐？

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】