汇川三面

从事 AI 岗位的技术栈，核心取决于你选择的细分方向—— 是偏向算法研发的 “造轮子” 岗，还是侧重工程落地的 “用轮子” 岗。两者的技能要求差异很大，但底层基础是相通的。这里举一个例子，大模型应用开发岗（最适合后端转型，门槛低、需求大）这是目前企业招聘最多的 AI 岗，核心是 “用现成大模型解决业务问题”，不用自己训练模型，和后端开发的工程思维高度契合。核心框架与工具如下：LangChain：大模型应用开发的 “瑞士军刀”，必须吃透。重点学文档加载、文本分割、向量存储、检索链（RAG）搭建、工具调用（Function Call）。向量数据库：RAG 的核心组件，掌握 Chroma（轻量，适合入门）、Milvus（分布式，适合生产）、Pinecone（云服务），理解向量相似度计算原理。大模型调用：熟悉主流大模型 API（GPT-3.5/4、文心一言、通义千问、Kimi），掌握参数调优、Prompt 工程技巧。工程化能力如下：后端技能直接复用：用 Spring Boot/FastAPI 封装大模型接口，实现鉴权、限流、日志监控。容器化部署：用 Docker 打包应用，K8s 做集群管理，保证服务高可用。数据处理：掌握文本清洗、去重、脱敏，处理大模型的输入输出数据。进阶技能如下：Agent 开发：基于 LangChain 或 AutoGPT，实现多智能体协作、任务规划，比如 “代码调试 Agent”“简历优化 Agent”。Prompt 工程：学会编写精准的指令，比如 “作为 Java 后端工程师，帮我优化这段 SQL 语句，要求时间复杂度降到 O (n)”，理解零样本 / 少样本提示、思维链（CoT）技巧。

先交代背景：双非本科计算机科学与技术专业，24届春招冲Java后端开发岗，前半个月海投了70多家，从大厂到中小厂全投了一遍，跟HR发的消息90%都是已读不回，剩下10%要么隔了三四天回一句“简历不匹配”，要么连笔试机会都不给。最惨的一次，我连着三天给一个心仪大厂的HR发消息，第一天“在吗”，第二天“您好，请问我投的后端岗简历您看了吗”，第三天急得破防发了句“求求您给个笔试机会吧，我真的很想进咱们部门”，最后发现被人家直接拉黑了。那时候天天泡牛客，抄了一堆话术模板，改吧改吧就发出去，结果还是石沉大海。后来自己硬着头皮试了快20天，终于摸透了：技术岗HR不回你，根本不是你话术不够花哨，是你发的东西...

我听说这个公司的笔试难，对于一些算法题目要自己手工来写，而且没有提示语啥的，对于一些编程的人来说感觉不是很好操作，而且对于这个我感觉题目比较难，都是一些比较难的算法

裁员新闻铺天盖地，AI 要抢走饭碗的焦虑四处蔓延——但如果暂时放下这些头条，认真看看数据，你会发现一个截然不同的故事！ 根据 Lenny's Newsletter 最新发布的《2026年初科技产品岗位市场全景》报告，科技行业的招聘其实正在呈现许多令人鼓舞的信号。下面用数据说话，帮你看清哪些岗位还有活路，哪些方向值得押注。  2026年的岗位生存指南    岗位方向 前景 建议     AI 工程师/AI PM 爆发增长 最值得押注的方向   软件工程师 稳健增长 硬通货，学好 AI 工具加分   产品经理 强势复苏 近三年最好，懂 AI 更吃香   招聘/HR 回暖信号 行业在扩招   设计师...