有些事真是只有工作了才知道。。

想当初我选offer的时候牛客上还没有多少能参考的信息,在牛客,互联网大厂信息这么密集的情况下,对我们想进其他领域大厂的人来说,确实不够友好,所以我来分享一下我的心得,希望能帮助到学弟学妹们吧。(也算是抱个团了

其实也是有点稀里糊涂,当时没有在牛客上查到多少信息,我也还是做了一些功课的,不然就真纯纯开盲盒了,万一遇到一个很差的公司呢?那我岂不是对自己太不负责了。

分享一下我当时的做法,我先是去看这家公司的行业地位,是不是处于领先,处于行业头部就说明有点东西,说明已经被行业认可了!其次我会去看这个公司是不是注重技术,很简单,就去官网看,是不是有大篇幅介绍(说明重视),具体是哪些点比较牛(比如拥抱AI说明追求技术前沿和技术创新)。还有非常重要的一点,既然网上找不到太多人分享的,那就找到这个公司的人!这些前辈肯定是知道更多的,我当时就在牛客上问,在我们学校打听,还真被我找到了个学长,我就使劲薅着他问,感觉百融云创还是非常靠谱的,所以最后就选择加入了。

我以为工作之后就轻松了,但是我们好像一直都陷入这个怪圈,觉得等什么时候就轻松了,其实打怪升级这件事是一辈子都要研究的课题,只有能力够,才能更从容。

记得刚入职的时候我还是学生思维,每天盯着一些杂事做,没有一些结构化思维,总是做那些紧急的救火事项,好像每天做了很多事情,总结的时候又发现其实好像没做什么,这样的结果就是没有什么时间思考,还把自己搞的很累,好在我的ld及时发现了我的问题,也时刻帮我纠正,结合着公司的项目给我指导,也好在公司很愿意放资源给新人做项目,之前做了个AI智能外呼的意图识别项目,早期是用传统模型,业务想加一个新意图,我们至少要准备100条标注数据,加20个就是2000条,积累慢,训练周期长,业务等得焦躁。这问题不紧急吗,紧急。但更深层、更重要却不那么火烧眉毛的,是有没有更灵活、更可持续的方案。

后来,大家花时间死磕出RAG方案。简单说,就是建一个意图知识库。新意图的描述和例子可以直接存进去,不用每次都从头训练模型。用户打电话说一句话,系统快速从库里找出最相似的意图候选,让大模型选一个就行。这个方案彻底改变了节奏,业务想加意图随时都能加,后来推广到了17条业务线。选择在根本问题上投入精力才重要,而不是永远被动地应付加数据、训练的循环。

好,这一段升级打怪算是成功了,但是随之而来更难的,是情绪管理。道理都懂,但知行合一,并不容易。

去年有段时间,我工作的内耗很严重,我还是那种别人夸一句,就能开心半天、干劲更足的。

后来有个项目要评估一整通电话后用户的意向等级。同一通对话,今天模型判为b,明天判为c,业务觉得我们不稳定。也是花了很大力气才发现,问题出在业务内部规则不统一。不同业务线,对无意向的定义天差地别。

公司的技术氛围还是很好的,最后大家就开始一起脑暴,模型不再直接输出a、b、c这种最终标签,直接输出对话中所有关键意图,比如拒绝、询问,然后,把这些意图组合交给业务,由他们根据自己的规则去映射。也遭遇过质疑,但结果是否符合技术逻辑与业务本质的预期,才是我评判自己好坏的维度,这就够了,就不再困于别人有心或无心的评价。

如果工作是必经之路,那让自己保持一个好状态就很重要。这个状态,可以是找一个想成为的人做目标做参考,也可以来自找到工作中能让你感兴趣并学到东西的点,在学习中建立专业度,再用专业度去获得一些成就,无论是精神满足还是升职加薪。这些收获,能驱动自己走得远,也能过得更快乐些。

我leader提到的721法则很受用,70%来自实践(项目、踩坑),20%来自理论学习(书、课),10%来自和前辈交流。

过来人的身份告诉大家,新人阶段,多学多问不吃亏的。我就是看不懂就问,问不到就缠着问,短时间没空就约个长段时间,还问不出来就换个人问。是要一点厚脸皮的,自己内耗反而才会更累,露怯没什么,人是由高光时刻定义的,没人会记得自己曾经的笨拙。

说起来,真的很感谢我的ld,他开会前常会说,这个会可能对你有用,一起来听听。这些小举动,让我这个职场小白的路好走了很多。

23年3月,我从p4升到p5,25年9月,又升了一次,其实都是几个扎实的、甚至是掉层皮的项目在托着,还有,可遇不可求的职场贵人。

思绪涌来,就在牛客上碎碎念的总结了我工作以来的感悟,好的公司是会让你遇见之后想成为的人,也大概明白了,清楚自己要什么的开始,就是开始能辨认出,哪些是外界的噪音,哪些是内心方向传来微弱的信号。

然后,调整呼吸,一步一步,朝它走过去。

#分享##职场##工作后明白的那些道理##百融云创求职进展汇总#
全部评论
不错不错,这么长的文章我竟然看完了
9 回复 分享
发布于 2025-12-15 17:48 广东
好文,不是纯打广告的
6 回复 分享
发布于 2025-12-15 16:48 云南
很多时候我经常纠缠在网上的工作贴中,我既需要它们可以带来身边人带不来的信息,有不可避免的被拉入焦虑的漩涡。很感谢博主的这篇文章,在秋招匆匆落下帷幕春招还没开始的此刻。今年的秋天好像有很多选择,但我因为不知道自己想要什么迟迟做不出抉择,或是落子后又后悔了。我不知道自己选择一家公司的标准是什么,海投换下的是精力的消磨和越来越增长的迷茫。今天这篇文章好像给我了一些启发,也许不只是薪资、地点,还有许多。更重要的是,我大概需要看的是走出校园之后的状态,新身份的我。
3 回复 分享
发布于 2025-12-18 16:13 广东
说的很多点 有共鸣
3 回复 分享
发布于 2025-12-16 00:41 美国
感谢大佬的心得哈哈哈
点赞 回复 分享
发布于 2025-12-27 12:36 广东
码住
点赞 回复 分享
发布于 2025-12-17 18:19 广东
接好运
点赞 回复 分享
发布于 2025-12-17 16:42 河南
感谢分享
点赞 回复 分享
发布于 2025-12-17 10:06 黑龙江
学习了,干货满满,谢谢您的分享
点赞 回复 分享
发布于 2025-12-16 22:46 北京
沾沾喜气
点赞 回复 分享
发布于 2025-12-16 21:41 湖北
蹲蹲百融
点赞 回复 分享
发布于 2025-12-16 12:23 北京
先码住了
点赞 回复 分享
发布于 2025-12-16 11:30 广东
好分享
点赞 回复 分享
发布于 2025-12-16 11:28 广东
老哥真诚分享
点赞 回复 分享
发布于 2025-12-16 10:36 四川
学会了
点赞 回复 分享
发布于 2025-12-15 17:55 广东
蹲蹲百融
点赞 回复 分享
发布于 2025-12-15 16:12 广东

相关推荐

引言 在 AI 浪潮席卷全球的今天,技术岗位不再只是传统的软件开发,而是深度融合 AI 技术的复合型岗位。无论是后端开发、前端工程,还是 AI 算法工程师,都需要在 AI 时代重新定义自己的技能边界。第一章:核心技能栈构建1.1 后端开发技能图谱编程语言核心要求Python(必备):面向对象、装饰器、异步编程、数据处理库Java(推荐):Spring 生态、微服务架构、企业级开发Go(加分):云原生开发、并发编程、微服务核心技术栈必备技能:✓ 数据库:MySQL(索引优化)、Redis(缓存设计)✓ 框架:Spring Boot、FastAPI、Django✓ 消息队列:Kafka、RabbitMQ✓ 容器化:Docker、Kubernetes基础1.2 前端开发进化路径现代前端技术栈核心技能:✓ JavaScript ES6+:模块化、异步编程、面向对象✓ 框架:React/Vue.js(至少精通一个)✓ TypeScript:类型系统、工程化应用✓ 构建工具:Webpack、Vite✓ 状态管理:Redux、Pinia1.3 AI 算法工程师专项深度学习框架PyTorch:张量操作、神经网络构建、分布式训练TensorFlow:模型构建、部署、可视化实战项目方向核心项目:✓ 计算机视觉:图像分类、目标检测、人脸识别✓ 自然语言处理:文本分类、情感分析、机器翻译✓ 推荐系统:协同过滤、深度学习推荐✓ 数据挖掘:特征工程、模型评估第二章:项目实战经验构建2.1 全栈项目推荐项目 1:AI 驱动的在线教育平台技术架构:前端:Vue.js 3 + TypeScript + Element Plus后端:Python FastAPI + PostgreSQL + RedisAI服务:PyTorch + FastAPI微服务部署:Docker + Kubernetes核心功能:✓ 智能题库:基于知识点的自动组卷✓ 学习路径:个性化学习计划推荐✓ 智能批改:OCR+NLP自动批改✓ 学习分析:学习行为数据分析项目 2:智能推荐系统技术栈:Python + PyTorch + Redis + Elasticsearch功能:✓ 多路召回:协同过滤+深度学习召回✓ 实时推荐:流式计算+缓存优化✓ A/B测试:流量分配+效果统计✓ 个性化:用户画像+冷启动解决2.2 开源项目贡献选择策略推荐项目:✓ OpenCV:计算机视觉基础✓ YOLO:目标检测算法✓ Hugging Face Transformers:预训练模型✓ spaCy:NLP工业应用贡献方式修复 Bug:代码问题修复(60%)功能实现:新功能开发(25%)文档完善:改进文档和示例(10%)社区参与:回答问题和代码审查(5%)2.3 技术博客建设内容方向AI 算法深度解析(YOLO、Transformer、联邦学习)工程实践分享(PyTorch 分布式训练、MLOps 流水线)项目实战总结(技术选型、架构设计、性能优化)发布平台知乎:技术问答和深度解析掘金:工程实践和前端技术CSDN:AI 算法和技术教程GitHub Pages:个人技术博客第三章:求职面试实战3.1 简历制作技巧项目经验描述模板项目名称 | 技术栈 | 周期├── 背景:业务场景、用户规模、解决的问题├── 架构:技术选型、性能指标、创新点├── 贡献:个人负责模块、技术难点└── 成果:量化结果(提升XX%、优化XX%)示例:智能推荐系统 | Python+PyTorch+Redis | 2024.03-2024.08├── 背景:日活1000万用户的个性化推荐├── 架构:多路召回+深度学习排序├── 贡献:设计召回算法,优化特征工程└── 成果:CTR提升15%,用户时长增长20%技能栈展示编程语言:Python(精通)| Java(熟练)| Go(了解)前端技术:React/Vue.js(熟练)| TypeScript(熟练)后端技术:Django/FastAPI(熟练)| Redis/MySQL(熟练)AI/ML技术:PyTorch/TensorFlow(熟练)| Pandas/NumPy(精通)云原生:Docker/Kubernetes(熟练)| AWS(了解)3.2 技术面试准备算法面试重点必掌握知识点:├── 数组字符串:双指针、滑动窗口、前缀和├── 链表树图:遍历算法、最近公共祖先├── 动态规划:背包问题、股票问题├── 排序搜索:快排、归并排序、二分查找└── 系统设计:缓存、数据库、微服务架构AI 算法深度考察核心概念:├── 机器学习:监督、无监督、强化学习├── 深度学习:CNN、RNN、Transformer├── 优化算法:SGD、Adam、学习率调度├── 模型评估:交叉验证、性能指标└── 工程实践:特征工程、模型部署面试表现技巧分层次回答:从基础概念到深入细节举例说明:用具体例子解释抽象概念对比分析:比较不同方案的优缺点实践经验:结合项目经验展示理解3.3 软技能考察沟通协作能力跨部门协作的项目经验冲突解决和问题处理技术团队沟通技巧指导新人的经验分享学习成长能力快速学习新技术的方法自主研究前沿技术案例持续学习和技术分享习惯从失败中学习改进第四章:职业发展与前景4.1 行业趋势分析技术发展趋势大模型应用:├── 基础模型:GPT系列、BERT系列├── 多模态:GPT-4V、DALL-E、Claude 3├── 垂直应用:Code Llama、BioGPT├── 开源生态:LLaMA、ChatGLM└── 部署挑战:推理优化、模型压缩AI+行业融合金融 AI:智能风控、算法交易医疗 AI:医学影像、药物发现教育 AI:个性化学习、智能评估制造业 AI:质量检测、预测维护跨界发展机会AI+行业专家:AI+金融、医疗、教育、制造技术创业:AI 应用、工具平台技术投资:VC/PE 投资、基金合伙人技术咨询:数字化转型、AI 战略管理路线发展路径:3-5年:技术组长(团队协作、任务分配)5-8年:技术经理(团队管理、人才培养)8-12年:技术总监(战略规划、资源协调)12年+:VP技术(公司技术战略)结语AI 技术岗位正站在历史的风口上,技术的快速迭代为每一位从业者提供了前所未有的机遇。成功的 AI 技术从业者具备以下特质:核心竞争力深厚的技术基础:扎实的计算机科学基础和 AI 算法理解工程化能力:将理论转化为实际产品的实践能力持续学习能力:快速学习新技术、适应变化的能力跨领域协作:与产品、业务、设计等团队有效协作商业洞察力:理解技术如何创造商业价值成功关键要素实践为王:理论学习必须结合大量项目实践技术视野:关注前沿技术发展,保持敏感度工程思维:注重代码质量、系统架构、运维部署用户导向:始终从用户价值出发设计技术方案团队合作:具备良好的沟通协作和领导力潜质特别推荐泡泡小程序 AiCV 简历王来优化您的求职准备:智能分析技术岗位需求和技能要求个性化优化技术简历,突出项目成果提供技术面试问题预测和回答指导大幅提升求职成功率和 offer 质量技术改变世界,AI 赋能未来。在这个充满无限可能的 AI 时代,选择从事技术工作,意味着选择了一个需要持续学习、不断创新的职业道路。机会永远属于有准备的人,技术实力是最好的敲门砖!
AI时代,哪些岗位最容易...
点赞 评论 收藏
分享
评论
237
330
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务