今年应届大模型算法年包一个比一个高，某书某节应届生开七八十万的好像一抓一大把，但是一看JD：有大模型预训练经验，有万卡集群调度经验，发表顶会论文对于我们这种没有大厂实习，没进强组的小卡拉米来说，基本上都是不可能满足的条件。  所以，没显卡的穷孩子真的不能靠大模型算法翻身吗？ 关于这个问题，实际上也要看“大模型”的几个具体方向（虽然都叫大模型算法or大模型应用），按照对硬件资源需求的程度从低到高排序大概是这样： Prompt工程 ≈ Agent 开发 < RAG <  LoRA等高效微调 < 全参数后训练（微调） < 预训练 这么看其实很明了了，那些对资源要求极高的JD，...

让我填高考排名分数就算了，还问我大学努不努力，有无acm 队我要真打acm 还有必要找这种中厂水面试经验吗不管了瞎填吧，那就面试会会你，看看面试官有多抽象

最近刷牛客，看到好多老哥在焦虑“AI会不会抢开发饭碗”，转身就去报了个什么“高级提示词工程师”的课。说句实在话，作为每天在业务需求里打滚的后端开发，站在面试官的角度来看：没人关心你Prompt写得多有诗意，大家只关心你能不能用AI解决真实的业务痛点。如果你想在简历里加上亮眼的“AI含金量”，建议把精力砸在这几个方向：1. 掌握 AI 工作流编排与自动化落地（核心竞争力）现在单纯调一个大模型的 API 已经不稀奇了，稀奇的是工程化落地。 把 AI 接入现有的自动化流程中才是王道。比如，你能熟练使用 Dify 这类平台，把复杂的操作编排成流水线——哪怕是搭一个自动生成内容并推送到小红书等平台的发布...