首页 / 找AI工作应该卷什么?
#

找AI工作应该卷什么?

#
49411次浏览 273人互动
卷项目、卷实习、卷学历、卷技术.....在2026年,想找到一份AI工作,你认为该卷什么?如何卷?说说你的看法>>
此刻你想和大家分享什么
热门 最新
找AI工作要卷什么
一、先卷清:你要进哪条赛道(别乱卷)硬核算法/大模型岗:卷学历(硕博优先)、论文、顶会、分布式训练、Transformer、预训练/微调/SFT/DPO。神仙打架,普通人慎入。AI应用开发/LLMOps:卷Python、PyTorch、Hugging Face、RAG/Agent、向量库、模型部署、Docker。本科可冲,最稳上岸口。AI产品/运营/提示词:卷业务理解、Prompt工程、需求拆解、数据评估、落地闭环。非技术转行最优解。数据/标注/训练师:卷规范、效率、质控、领域知识。门槛低,但可替代性高,要快速往上走。二、必须卷的硬技能(缺一个都难拿Offer)1. Python+基础工具焊死:NumPy/Pandas/Sklearn,不会别投AI岗2. 大模型三件套必掌握:Prompt、RAG、微调(QLoRA够用)3. 工程能力>理论:能跑通项目、能部署、能排查bug,企业不养做题家4. 一个能上线的作品集:私有知识库、智能问答、自动化Agent,比证书有用10倍5. 基础数学不拖后腿:线代、概率、统计,不用精通但要懂三、更要卷的软实力(决定你能不能过面试)会拆需求:把业务问题转成AI能解决的任务会验结果:识别AI幻觉,判断输出能不能用会讲项目:说清你做了啥、解决啥问题、数据指标能落地:不是会调参,是能把东西做出来给业务用四、现在AI求职的真实残酷真相算法岗极度卷学历,300份简历过不了10个只会基础CRUD、只会套壳、只会问ChatGPT的,全被淘汰企业不招“懂AI概念”的,只招能带来价值的最吃香的:技术+行业复合人才,比纯技术溢价更高五、给普通人的最简卷法(直接照做)1. 选AI应用开发/提示词/AI产品,别死磕算法2. 做1个完整RAG项目,写进简历3. 练会一套面试话术:项目背景→方案→技术点→效果4. 持续跟进主流模型与工具,保持学习力想进AI,别卷虚的,卷落地、卷作品、卷解决问题。
点赞 评论 收藏
分享
头像
03-08 04:30
已编辑
华东师范大学 算法工程师
AI的场景落地是可以天马行空的蓝海
此时此刻,2026年的3月这个时间,llm驱动的agent这一新应用范式已经在coding领域深度扎根,被广泛认可,需要意识这种成功源于两个方面:一是底层llm能力迈过了“能用”的门槛,并且越来越“好用”,差不多一年前,Anthropic发布sonnet 3.7,那时候就已经是“可用”了,未来llm会成为像数据库、消息队列一样的常用组件,集成进各种系统里;二是coding场景天然适合agent应用,一切开发相关的上下文被装进了文件系统和ide,为agent应用做好了所有必备的信息集成,同时bash等命令行工具为agent提供了高效操作文件的能力。两者叠加,才有了vibecoding的繁荣。那么从vibecoding中可以得到什么启发呢,一方面是llm可以通过训练真正胜任下游任务,这条路被证明是通的,另一方面是以目前的agent范式应用llm能力,首先要对需要应用的场景做信息集成、能塞进llm的上下文,然后是要给llm构建足够强大、高效的动作空间,使其操作环境里的数据完成任务。上面说的两个方面,其实就是需求激增的两种“AI工作”的方向,一个是做垂类的算法岗,一个是开发或者说应用岗。算法岗需要“卷”的,是深刻理解模型在具体场景下的工作范式,构建可靠的评测集测试现有模型的能力边界和缺陷,掌握针对性提升能力的数据构建,探索最高效的模型训练方法,让通用基座模型深度适配垂类场景,在现在这种早期阶段,算法岗也不乏需要参与新工作范式的设计和落地,说白了就是承担一部分开发相关的工作。开发岗需要“卷”的,是对业务本身的革新思考,目前的软件生态是移动互联网时代发展来的,与用户的交互逻辑是严谨、固定流程的,而ai灵活的处理能力,赋予了软件设计极大的想象空间,正因为过于灵活,agent等新应用范式的规范设计就显得更加重要,现在可以是agent,以后也可以是别的什么,总的来说,是要梳理客观上能表征业务场景全部信息的数据,集成到一个环境中,这个环境里面还需要开发对数据的所有操作指令,然后给llm通过提示词来说明如何在这个环境中工作,这个过程需要反复的试错,还要测试模型能力的上限和缺陷,给算法提需求。分析了这些之后,考虑作为一个校招生,想要进入一家公司做这样的工作,需要“卷”什么呢?可以看出业务侧垂类算法的核心已经不触碰底层模型架构了,更多依赖数据驱动,以及高效的后训练,和推理优化,所以这里要卷什么,没必要再赘述,agent时代之前算法也是做这些,无非是面向的场景数据变了。对于应用岗,初学AI很容易被一些看似“先进”的概念吸引,以为找AI工作就是去记什么是react,什么是mcp,什么是skill,什么是上下文管理,但通过上面的分析我们知道,这些只是“实现信息集成、实现数据操作”的具体方法,现在处于行业爆发早期,很有可能不久就被更好的设计迭代掉了,如果只把精力投在这上面,一方面这些东西从技术层面都是很简单的处理,没什么深度,一堆造词造概念,谁都能轻松掌握;另一方面,没有真正探索llm强大、灵活的能力,只是复现别人总结的使用方法。一定要摒弃移动互联网时代Java后端那种“找个集成所有技术栈的项目全手写一遍”的想法,之前这样有用,是传统互联网开发的模式导致的,只要成为一个好用的螺丝钉就行了,在哪都是写那套东西,用那套技术栈。但AI时代不一样,尤其现在是早期,AI带来的技术栈增量非常小,因此除了传统开发方向的技术栈之外,应该卷的是基于AI灵活的能力,找到新的应用场景、交互模式,并针对场景设计开发应用AI的方法,这里完全可以天马行空,不会有什么这里要用redis这里要用mysql这里要用mq的技术包袱,大胆去尝试,做出不一样的东西,有想法才是AI时代的破局之道。
点赞 评论 收藏
分享
玩命加载中
牛客网
牛客网在线编程
牛客网题解
牛客企业服务