掌握什么AI技能，会为你的求职大大加分

我其实是刚开始学没多久，在尝试coding之前只搓过一点非常非常简单的小项目。最近幸运的接到一些ai产品的面邀，所以想给正在起步学ai的文科生们一些心得！我之前的实习和ai的关系都不大，但前段时间和隔壁组做ai的产品哥聊了一下，他建议：1️⃣概念上，了解比如幻觉，RAG的流程、语言模型的本质（预测概率）这种2️⃣能力上，了解大模型擅长做哪些任务，又不擅长做哪些；主流的大模型各自擅长什么…3️⃣应用上，可以自己做点简单的小应用，或者至少也要体验一下主流的ai工具比如coze cursor claude目前我也搓过一点很简单的项目，eg用deepseek搭了个人项目知识库，用coze搭了一个面试辅助agent，做了一个健身打卡app，相关的教程我都是在公开平台看的网课，可以给大家参考一下！1️⃣火山引擎的《ai大模型全场景实战课》一共有8节，每节课1h左右，有prompt工程、怎么做一个ai陪伴应用这种偏实践的部分，也有字节系模型的一些能力介绍（我觉得了解ai在不同场景下的能力边界也是一种很重要的sense！毕竟我们首先需要了解这些工具到底擅长做什么，才能更好的使用他们！）因为整体都是业内的人来讲，所以感觉比起学校的课程，这种会更贴近真实的应用场景一些！2️⃣陶炜博士的《Vibe Coding氛围编程》这个是清华沈阳团队的ai公开课，主打的就是给文科生的编程课！里面用到的工具是很熟悉的deepseek和pycharm，整体感觉就很像老师带着你手把手做结课作业一样…从理论背景，到实操案例，包括代码和给d老师的提示词都有，流程很细，感觉蛮适合小白来学习和尝试的！其他的话我感觉刚开始学的小白不用看太难的，可以看看coze或者sora的教程。小选的精选公开课里有专门for AI的栏目，分为专业理论、前沿应用和ai工具。除了上面这种权威团队的实操课，还有高校的人工智能理论课，和个人创作者的一些实操课（我搭个人知识库的项目也是跟着这里面学的），感觉也是比较全面且对文科生友好滴！

为了帮团队里的小伙伴更好地发展成为AI工程师，整理了一份我认为必备的技能清单，分享给大家～RAG系统搭建✅ LlamaIndex 框架熟练使用✅ 向量化模型选型（去HuggingFace MTEB榜单找）✅ 文档切片策略设计✅ 向量索引原理掌握（如HNSW算法✅ 向量数据库实战（Milvus/Weaviate二选一）多Agent编排能力✅ LangGraph工作流设计✅ SSE协议实现实时交互大模型原理（必须懂！）✅ Transformer架构深度理解✅ 跟着 CS336 系统学习✅ 手撸过 Karpathy的mini-GPT✅ LoRA/QLoRA原理能讲清楚✅ SFT、GRPO训练方法✅ 量化技术原理模型微调实战✅ PEFT库熟练使用✅ llamafactory一键微调✅ WandB实验追踪模型部署优化✅ vLLM高性能推理效果评估体系✅ 传统指标（BLEU/ROUGE）✅ LLM-as-judge设计✅ 人工评估流程搭建LLMOps工程化✅ 模型版本管理✅ A/B测试框架搭建✅ 效果实时监控系统我的建议：不要贪多！基础不牢地动山摇～加分项：• 有过从0到1搭建AI系统的经验• 踩过坑并有解决方案沉淀• 能用简单语言讲清楚复杂原理你们觉得还有什么必备技能？评论区见！

我自己是985本英专在读，从大二下学期开始接触AI，大四的时候秋招成功拿到了三家大厂的AI产品经理offer。相信大部分同学和我一样，在刚开始学习AI相关知识的时候，一直在犹豫是否要从代码开始，学c语言、学Python，陷入了似乎只有学计算机才能懂AI的困境。其实直到现在，不借助任何工具，我自己也不能成功写出超过10行代码，但我可以在几小时内利用各种AI工具vibe出一个软件产品出来。转行AI，不会写代码其实真没事，关键是你是否具备这些AI技能！工具应用层（最基础，必须会）能用AI工具完成实际任务，比如用VibeCoding工具（Cursor、ClaudeCode等）把产品idea跑通，用Gemini/Claude做信息拆解、文档撰写、竞品分析等。技术认知层（不用会做，但要听得懂）理解主流AI技术的原理和边界，比如大模型是怎么工作的、agent的底层逻辑是什么、RAG和fine-tuning的区别在哪。不需要手写代码，但要能和技术团队对话，判断一个需求技术上是否可行。产品能力层（核心竞争力）懂用户需求、会拆解产品逻辑、能写清晰的PRD，这些是传统PM能力，但在AI产品里需要叠加对AI能力边界的判断——知道哪些场景适合用AI解决，哪些不适合。行业认知层（持续积累）保持对AI行业动态的敏感度，了解主流模型、工具、竞品的最新进展。当然，在日常看到一些AI资讯的时候，少不了接触各种晦涩难懂的技术术语。我的方法就是碰到一个不懂的直接丢给gemini让他讲，直到自己看明白，一点点日积月累，就能慢慢掌握“技术”的理解。

别幻想自己有得选，普通人想进ai 行业必须要有相关专业的硕博学位。不是看了两本书，学了b站的一堆网课就叫转行AI了

1. 整体规模：爆发式增长2025 年 1 月至 10 月，新发 AI 相关岗位量同比飙升 543%，单月同比增幅最高超过 11 倍，远超其他行业；业内人士分析，大厂对 AI 类岗位的需求量相较往年增长了约十倍。2. 头部格局：字节断层领跑AI 岗位发布量最多的企业中，字节跳动断层式领先，小红书排名第二，超过阿里巴巴、蚂蚁集团、腾讯、美团等传统大厂。3. 薪资水平：顶尖岗位天花板极高AI 科学家 / 负责人平均月薪达 12.7 万元居首，大模型算法岗位平均月薪约 7.1 万元；顶尖院校计算机博士应届生，部分大厂已开出 300-400 万元年薪。4. 冰火两重天：高端稀缺，初级内卷初阶人才的招聘量明显下降，1 年以内工作经验的新发岗位量同比减少近 40%，而 3-5 年、10 年以上经验的岗位需求基本稳定；同时 AI 岗位供需比已从 1.00 升至 1.11，整体呈现供大于求态势。5. 能力要求：从技术极客转向复合型人才企业对 AI 人才的评价体系呈现三大转变：实战优先取代单纯算法比拼、跨领域知识融合成为硬性门槛、动态学习能力纳入核心竞争力评估。给转行者的上岸建议市场整体机会很大，但分化严重 —— 顶尖技术人才极度稀缺，初级岗位却竞争激烈。对于非技术背景转行者来说，切入产品、运营、GTM 等复合型岗位，叠加真实项目经验，是比从零学代码更务实的路径。

进入2026年，AI在工作效率提升上的作用越来越明显。如果想在求职市场脱颖而出，强烈建议把“会用AI”的能力用直接有力的方式展现在简历里！1️⃣ 简洁的技能概览在简历“技能（Skills）”部分，简短列出你熟悉的AI工具，如ChatGPT、Deepseek、Notion AI等。比如：“熟练运用ChatGPT进行文档润色与创意文案生成”“掌握Deepseek进行初步视觉设计”如果是入门级，写成“基础使用”；如果熟练，可以写“熟练使用”或“深度实践”。2️⃣ 项目成果为王，数字最能凸显价值！如果用AI工具取得过成果，不仅要写“会用”，更要写出实际效果。基础级：“使用ChatGPT撰写部门周报，减少约20%文档处理时间。”进阶级：“在营销活动中利用AI文案工具，一周内迭代5版创意，点击率提升15%。”专业级：“主导AI服务机器人项目，减轻服务负担30%，用户满意度提升至4.5。”核心思路：用具体数字或结果，让HR看到你带来的效率提升。如果你真的没有在工作中使用AI工具，可以想想你的工作流里哪个部分可以用AI提效，可以说正在研究相关场景的AI应用。比如，正在研究AI数据分析软件（如图）。3️⃣ 融入个人简介或自我评价在简历开头的“个人简介”部分，简洁地突出你在AI领域的亮点。示例：“拥有两年市场推广经验，熟悉AI工具（如ChatGPT、Notion AI），擅长结合数据与AI创意制定高转化率营销方案。”

目前了解到的岗位有算法工程师，infra工程师,请问哪个岗位对学历要求低一点呢，2本海硕，学的ai，语言只会py

从年前在BOSS直聘投递简历到现在大概面试了12家公司  大致有三个方向prompt工程师   AI训练师实习生   数据标注实习生一共拿到9个offer，日薪基本上都在200以上（习惯用日薪判断实习生岗位的重要程度）有一个9k的prompt工程师 校招offer   应该是专门驻场给企业做ai赋能的另外就是一些行业龙头  做他们产品的ai智能化的数据标注能发现比起去年，薪水越来越高，并且岗位也越来越多  兴许真是一个机会prompt工程师可能会需要一定的代码能力AI训练师需要你懂一点  AI行业数据标注的工作业务流程重点说一下数据标注大致有黑奴岗（一场面试23人）还有 对业务能力有一定要求的标注岗吧不过也能从面试和岗位感受到1.北京杭州是ai重地2.已经有公司在结合ai进行商业化落地了。3.更多高级一点的标注岗标注的是多模态的内容。这些岗位对AI技能的考察有哪些？Prompt工程师：考察的是逻辑拆解能力，要求你逻辑性很强。AI训练师：考察的是细心和sop的能力。高级数据标注：考察的是结构化的感知力一般数据标准：就是看图写类别

一个就是做PPT，很多时候要汇报展示pre，让AI生成基础PPT，然后改改就能用。其实是AI Prompt能力，好的提示词能事半功倍，所以我会存一些好用的口令。第三就是用AI 面试，现在大厂面试车轮战，多轮面试非常消耗人，我一般会去招题库和面经，然后喂给AI，让AI帮我模拟面试。

各位大佬有没有懂的ai infra如何入门的，有没有什么好的项目适合入门做的/看看源码（比如nano-sglang/vllm）（感觉自制推理框架已经烂大街了）。🤔🤔

首先得看你学 AI 是为了面试，还是实用为主，如果是面试，需要学习相关 AI 的理论基础和概念，RAG,MCP，幻觉，agent等等，如果是实用的话， AI 可以生成代码，需求分析，单元测试，自动化测试，以及code review，推荐使用代码调优过的模型，而不是一些文本为主的模型，使用精确度更高，当然自己用一般都得花钱

学校是个双非， 也没有开过 HPC 相关的课程， 暑假才确定好自己的职业方向， 简历上已经是我所有的领域相关的知识了， 0 实习 offer 也是意料之中， 所以想问问接下来应该怎么学。接下来我应该会啃一些 AI-Infra 的库， 比如 cuDNN、cutlass 等， 或者去深入补一下训练框架的那一套， 或者去了解一些 AI 编译器相关(龙书还没看完...)， 如 TVM 什么的。但我觉得学习是个循序渐进的过程， 如果只是先找个实习， 上面的东西应该了解到什么程度。还有这一方向的项目怎么完全没头绪， 是不是还是领域论文占主导啊。

#掌握什么AI技能，会为你的求职大大加分#

精通AI简历匹配：智能解析岗位需求，精准萃取关键词，优化简历内容，生成匹配报告，显著提升面试通过率。

基于Java这门语言，我觉得可以试试Apache Beam和Apache Flink，他们能够处理大规模训练和评测数据，同时也是基于Java生态衍生的技术，相当于有一定的基础知识。

说实话，我觉得最加分的AI技能必须是熟练背诵AI大模型的参数配置！面试的时候你要是能把GPT-4的参数量、显存占用这些数字背得滚瓜烂熟，面试官绝对觉得你很专业。至于代码写得好不好根本不重要，现在的AI都能自动生成代码了，只要你会提问就行。所以我建议大家把精力都放在死记硬背各种模型名词上，什么Transformer、BERT、Diffusion，把它们的概念背得滚瓜烂熟，面试时抛出一堆高大上的名词，绝对能唬住面试官。至于底层原理和数学推导？那都是多余的，会用API调用就够了！

以下内容非常适合0基础学AI，就业方向是AI产品经理的同学学习从入门到精通，我为你规划了完整的初级阶段学习路线1. Andrej Karpathy的油管科普作入门非常合适。一共两期比较值得精看：《Deep dive into LLMs like ChatGPT》《Intro to Large Language Models》这两个看下来对0基础的人来讲，足够对大模型这东西有个大概的框架了。不会让你入门即入土。3个小时的视频，啃下来我保证你收获颇丰。2. 书籍推荐两本，一本“这就是ChatGPT”Wolfram写的，0基础入门阶段就能看懂。还有一本《大模型算法》余昌叶的，工具书，非常贴业务，基本囊括面试热重点。3. 🍠和某站经常刷到一个号叫“林木”的。他的内容我觉得特别贴近职场，他的和AI相关内容非常贴近大多数互联网的业务。他自己本身也是面试官，所以给到的一些AI面试会考察的东西应该算是可靠的。适合整理思路，包括规范自己平时业务的一些方向。4. 吴恩达主理的网站deeplearning.ai的基本所有AI课程，机器学习，深度学习，NLP等有时间都可以看。很多不是他本人讲的，我觉得也很好，思路很清晰。觉得学起来慢的，有一个技巧，你可以把课程大纲全喂给gpt，让他解释给你听提速，但是可靠性需自检。5. 最后就是加餐AI播客了，油管或者apple podcast都有：干货向：Anthropic，IBM Technology。行业大佬访谈类：Lenny’s Podcast, Y-combinator, Dwarkesh 投资类：Training Data, Unsupervised learning.路径：先用书和卡帕西的视频作兴趣入门，再用林木的内容或者其他国内大厂博主的内容（⚠️注意甄别）去记录互联网对AI PM的要求，然后用教材（deeplearning.ai）对每一个要求进单点突破。按结果导向去学。比如AI PM重要考察的一个点是Rag相关知识，那么就去网上看Rag的教材，最好这个知识渠道是有一定专业从业者背书的，或者直接一些大学的教材。

AI大体上是一个融合编程和数学（统计学）的学科。排除编程，也不是所有文科生数学都不好，所以我将分两类进行分享：1. 如果你是历史、哲学、文学这种纯纯的文科生，那么数理思维的欠缺会是最大的困难。这种情况下建议根据自己的喜好来选择一些统计学的入门课程，至少搞清楚P值、方差、标准差这些最最基本的概念在定量研究中是如何使用的。2. 如果你是社科博士或者商科的文科生，那么祝贺你其实ai离你并不远。 推荐看一看吴恩达的系列影片，包括1. ai for everyone2 machine learning3. deep learning4. 最新的系列课程 比如ai phython 带你一行行写代码 调用大模型（个人觉得比很多付费的课都要简单易懂）

在我刚开始学习的这个阶段，我想先把学什么怎么学梳理清楚，这样就不会陷入信息过载的焦虑，每天也比较有计划。🔵 技术知识一上来学技术搞一大堆术语一个都看不懂就很容易劝退，所以尽量要放轻松。我们主要是要了解基础概念和对应的本质，要关心发展趋势（啥问题是技术大佬们在努力解决的），不需要知道细节。两个对我来说比较比较好的方式：1. 看youtube，特别是andrej karpathy，超级多人推荐他是因为真的讲得好。B站有中文字幕版。2. 直接问AI （GPT deepseek等）。让AI解释概念。比如prompt要明确说我是一个文科生没有技术基础，你给我解释什么是transformer模型的多头注意力。AI给我举了一个中文语言学的例子，并且给我提了一些问题，在提问->回答中理解，来确保我能理解。🔵 AI工具多试用，了解AI能力边界。如果不贵的话花点钱试用一下市面上的产品。比如AI生成视频的领域，如果用一阵可灵和即梦就知道人物一致性、时长限制可能就是核心卡点了。在目前这个阶段如果要用AI生成视频需要很多人工工作的。🔵 市场需求AI让很多搞不成或者不好搞的事情变得都能搞了。多去看一些商业案例。新闻，一些好的播客，或者一些创始人的twitter或者一些采访视频。听真的干事情的人讲对市场产品和商业化的思考的价值一定是最高的。话说我其实觉得这个和AI关系都不大，我们本身就应该多关注商业案例。（我现在还属于超级多输入应接不暇的阶段，之后想明确一下哪些订阅的内容输入对我来说是帮助非常大的再分享一个list。）其他重要的事情：- 为自己制造一个让自己开心的环境，有一起学习的朋友或者有一笔小小的预算用来试用产品。- 要有输出，vibe coding写一些自己的小app或者输出一些笔记记录都是好的。我最近都在实践。- 改变自己的习惯，在生活中融入AI。Sam Altman之前有个采访说，他们观察了很多AI的使用者，30岁以上和以下有巨大的差异，30岁以上的人会习惯性地把AI当成搜索引擎在用，而30岁以下的人回把AI当成智能体，和ta进行智力、情绪甚至情感交流。要像一个年轻人一样用AI。