ai岗位技能要求

普通人怎么才能进到 ai 行业呢？大家都知道，第一次工业革命是蒸汽机，第二次是电力，第三次是互联网，第四次就是 ai。 而每一次工业革命都会诞生非常非常多的机会。而 今年也绝对是 ai 行业的爆发期，从去年 deepsea 的 出现，再到千问请全民喝奶茶，再到豆包上春晚，你会发现，都这么长时间了， ai 这股浪潮就从来没有衰退过，反而远遇烈了，包括最近也有越来越多的 ai 产品和 ai 功能的出现，这就更说明了 ai 行业还处于一个上升期，并且势头正猛。 所以如果你问我现在什么行业最有前景，最稳赚不赔，那一定是 ai 行业，这点不接受任何反驳。当然，我也知道很多人会觉得 ai 跟我有啥关系啊，我学历也一般，也不是什么技术出身的，那 ai 行业再好我也进不去啊。但其实完全不是你进不了 ai 行业，或者你觉得进不去，最大的原因不是你能力不行，而是因为你信息太闭塞了。 那我今天就讲一下普通人到底该怎么进到 ai 行业身上。 ai 红利在这之前，咱们得先了解一下 ai 行业的产业链，它可以分成上游、中游和下游。 上游就是做大模型训练的，就比如阿里巴巴的千问、百度的文心一言，他们都有自己的大模型，这层的技术壁垒非常高，需要的都是些算法岗、研发岗，并且这层跟普通人也几乎没有任何关系，你没个藤校本硕，双九八五的学历，连门槛都够不着。再说中游，中游说白了就是把 ai 大 模型接到具体的业务里做成产品，就比如字节跳动推出了豆包， 他把大模型能做成跟人聊天的工具。还有科大讯飞，他把语言模型接到教育、办公、医疗场景里，这一层就是拿 ai 根据用户需求做具体的产品了。最后就是下游了，下游主要做的就是些 ai 产品的用户增长，说白了就是我前面做了一个 ai 产品，那后面我是不是应该推广卖钱了呀？我要让更多人用上才能赚更多的钱。就比如剪映里的 ai 视频、 ai 配音， 以及很多人都爱用的那个修图软件美图秀秀，它里面也有 ai 修图，那用户想要用这些功能，就得开会员、开 vip 才能用，这样他不就能赚钱了吗？ 而普通人能接触到的 ai 行业 ai 岗位，就只有中游和下游了，也给大家按照难度的从高到低依次推荐四个适合普通人入行 ai 的 岗位。第一个就是 ai 产品经理，因为现在的 ai 依旧处于早期阶段， ai 的 技术确实很猛，但使用场景还不太清晰，说白了就是有劲没地方使，所以谁能听懂用户的真实需求，百 ai 的 技术给它变成能赚钱的产品，那谁就更值钱。而 ai 产品经理干的就是这个活儿，它不是写代码的，而是找连接点的，就是搞清楚用户到底需要什么 ai 技术，到底能做什么，公司怎么通过这些需求，通过这个 ai 产品来赚钱。所以哪怕你是文科出身，只要你逻辑清晰，学习能力强，也都是有机会的。 当然，如果你觉得 ai 产品经理还是太吃操作的话，那可以是第二个我推荐的岗位就是 ai 解决方案工程师，因为现在很多 ai 公司的产品还不太成熟，就需要大量的人去企业跟客户聊痛点，再把需求带回来，再推进公司内部去优化，有点类似于传话筒，未来也非常吃香。第三个是 ai 内容运营，很多的 ai 产品现在都在做新媒体推广， 像你们也应该经常会刷到各种各样的 ai 产品的广告，因为这些 ai 产品需要大量的内容去教育用户怎么用 ai， 所以 只要你会写、会表达、会做短视频、会写文案去推广宣传，那就非常适合这类岗位。 第四个是 ai 销售，也就是把 ai 产品卖给企业客户的人，工作的内容主要就是找潜在的客户，跟客户聊需求，给他们演示产品，回答问题，再完成成交。这类岗位对沟通能力的要求可能会高一点，但入行门槛真的很低，这也是普通人进入 ai 行业最好的起点了。

兄弟们，我直接说重点， ai 应用开发，工程师不是会掉个 api 就 叫工程师。讲真的，这个行业现在分水岭特别严重，特别明显，一边是玩提示词的，一边是能把模型真正落地的。那你要进工业界，能力结构要必须清清楚楚。 先说基础，这个没得商量， python 必须滚瓜烂熟， python torch 必须能手写。那神经网络深度学习原理， transform 底层机制，别只会吊库，底层的 forward 怎么写， attention 怎么算你得懂，否则面试官两句话你就露馅。 ok， 基础打完，我们说企业级能力，四大块缺一不可。第一块，小模型的工程能力，比如 bird t 五这种 经典模型，问题不是会不会用，而是你能不能把它嵌进公司的业务流，能不能分装成 a p i， 能不能部署成稳定的服务，能不能处理并发，那说实话，这才叫工程能力。那第二块，大模型的微调能力， 别只会调用通用大模型，企业要的是在垂直数据遇上做适配 lora 这些参数高效微调方案你得实超过，那微调完之后怎么部署，怎么压显存，怎么做推理优化，这部分是真正拉开差距的地方。第三块， agent 开发能力。 现在所有的公司都在做智能体，基于 long chain， long graph 这种框架的流程编排能力是刚需，你要理解工具调用记忆机制，多步骤推理链， 不是简单地串联一个 api， 而是设计可控的决策流程，这块能力决定你是不是应用架构型选手。那第四，还底层性能认知强化学习基本原理要懂，那模型并行推理加速机制要有概念， v l m s g， lung， flash， attention 这些关键词面试一定会问。 当然喽，工作中前三块最核心，但第四块是你冲高薪的筹码。最后一句，说实话，学习最怕的不是难，最怕的是没有路线图，方向错了，再努力也白搭。 我整理了一套二零二六最新学习路线，四个阶段，告诉你先学什么，后学什么，看什么书，念什么。项目不是鸡汤，是路径，需要的自己拿去对照规划，别再瞎冲了。这个行业很卷，但卷的是结构，不是时间。

a， 训练师数据标注本质上不是在画框框打勾勾，而是通过对你的理解和反馈，帮助大模型来判断这句，哎，有没有读懂这个回答到底好不好？这个表达到在不在，或者这个知识点到底对不对？你每天干的事呢？很可能是这样，就是平台给你两大段 模型的回答，哎，你要选哪段更好？用户说这句话，你要判断他的真实意图是什么模型，乱说话了，你要给他标注，哎，这个错在哪？应该怎么回答才合适？或者同一个意思，你帮他写出五种不同的问法，让大模型以后见多识广一点。 再往前一步就是做对话打分，改进提示词，筛选数据库里的文档，决定哪些内容适合，就会给大模型听上去是标注，实际上是大模型训练弊端率最关键的一个人类反馈。 那谁在招这类岗位呢？大致有两类公司，第一类呢，是大厂自己名下的大模型团队，比如说滚圆了、豆包了、美团了这些有在做大模型 ai 应用的部门，都会在校招实习内包的一些，招一批偏 ai 训练对话优化或者是人均交互优化的。类似这样的岗位， 不一定写的是标注，但实际干的就是这种标注师跟数据反馈的活。好处是说呢，你离算法产品业务的表记看得到一个完整的大模型项目从训练到上线的全链路。 第二类呢，也就是大厂背后的数据服务公司啊，也就是数据外包公司。像给百度字节、腾讯这些大厂做数据标注和审核的公司，常年都在招类似训练师、质检审核的岗位，你实际干的是大厂项目，但劳动合同是在外包公司， 那这种职位待遇怎么样？别幻想这是暴富的岗位，就他的定位是说能养活自己，能靠经验，不是学一点点就能年薪百万。外包公司的技术训练师在一线城市大概是六千到一万出头， 按标质量、 kpi 叠加一点绩效。换成大厂的实际岗呢，就是我们熟悉的这种一百二到一百八这种，他的主要卖点是说他的好看和项目的经历。能进到大厂，有这种自由大模型做训练、评测、质检的正式岗位，收入呢，可能会上一个台阶，可能是一万二到 一万五之间。如果做得更好的话呢，你从血量岗转数据策略的产品，或者 prom 的 些治理等等类似这种， 那薪资就完全按照运营的岗位去走了，一万五到两万也不是天花板。所以呢，它的定位很清晰，不是钱多事少离家近，而是赚一份稳定的工资，同时能站在一线啊，学习跟观察。 那后续它的发展怎么样呢？这里是关键。如果你只是老老实实完成平台派下来的标注任务，每天打卡赶量，做重复的工作，坦白讲两个问题， 一是疲惫感非常非常强，很快就会厌倦。第二是地态性非常高，未来很容易被自动化工具众包平台所挤压，这是迟早的事。但如果你一开始就把这份工作当做自己了解 a 家产品的一个入口，那发展就完全不一样了。 你可以顺着几条路径提升一下自己能力。第一条路呢，提升 prom 的 一些设计能力，你可能每天都在看模型的好答案，坏答案，其实你是最有资格总结出规律。 如果你不只是选 a 还是选 b， 而是给出一单理由，为什么 a 好， 为什么 b 差？下次怎么写提词词更稳妥，慢慢的你就能参与对话的模板风格的设计，提词词策略的设计等等。第二条路呢，提升你的评测能力。你经常分析 but case， 发现某类问题总是翻车，比如模型总是乱，给一些建议啦， 给出一些幻觉了，你可以把这些问题总结归类成一套，这类问题要过滤，那类问题要转成功，那一类要加强提醒的规则，长期下来的话，你就不是执行别人写的规范，而是在参与制定规范，这就很接近产品运营这些岗位了。第三类呢，提升 rek 跟知识库 优化的能力。很多训练师呢，都会参与文档清洗啊，知识拆分啊，比如把一份文档拆选成适合模型检测的小型的分段， 或者是说给每段话加标签，这其实就是在做知识结构的设计。如果你能在这个过程中提出啊，怎么切片更好，哪些内容不适合进入库，怎么样节省换取那些想法，很自然就能往 reik 的 内容库优化知识内容库、产品助理这条路走。 熟悉这几项能力之后呢，你可以转型的方向是说一些 ai 的 助理，大明星数据云等等。你从训练师最大的优势就是说你看过大明星大量的这种真实的表现，知道哪里会翻车，哪里用户会骂人。你的认知是贴着一线成长起来的，而不是书本上想象出来的。 最后说说塔克的观点，这确实是普通人入行 ai 最现实最接地气的一条。你不用上来就学一些 transference 反向传播，你先从能看懂一问一答到底哪里坏开始，这完全是普通人能做到的。 第二呢，塔克非常强调它适合当起点，但绝对绝对绝对不适合当中点，你可以用一到两年的时间当它是一些付费基础 ai 的 一线窗口啊。用心观察，为什么模型这样答，为什么产品这样设计，为什么算法这样改，把这些东西记下来，拆解出来，慢慢沉淀成你自己的方法论。 所以说，你现在如果是非科班不会写代码，就真的特别特别想进入 ai 行业啊。 ai 训练师数据标注确实是你能够摸到门把手的一条路，但你要记住，你真正要做的不是要帮模型打工， 而是要借助模型训练这件事来训练自己的 ai 思维。我给现在所有对 ai 产品经理感兴趣的同学准备了一个学习文档，这个文档呢，是大厂培养他们产品经理必须看的文档，大家也可以一起学习。

二六年，你想靠 ai 来赚钱，只需要死磕这四个技能，哪怕以后不上班，你也能有收入。我会逐一为你进行拆解，顺便告诉你应该去哪里找学习资料，不用花钱，还能少走弯路。第一个就是驾驭 ai 的 能力，它能让你一个人干十个人的活。大多数朋友以为下个豆包 deep six 体验一下就算会用 ai 了，其实这连入门都算不上。你完全可以把 ai 视作一个知识渊博的全科博士，什么都略懂一二，但唯独不熟悉你的具体业务和行业内幕。所以你想要指挥他们为你所用，你就得学会 当老板。你真正需要掌握的是以下两件事，第一，工作流思维。千万不要去学什么 n l p n 八等类的复杂工作流，这些东西正迅速被可多的 co 的 这类 ai 工具取代，刚花时间弄懂更先进异用的工具就已经出现了。但是掌握这种工作流水线拆解的逻辑是不能少。你要做的就是把一项复杂的任务通过与 ai 的 写作一步步进行拆解，你的需求界定的越精准，背 景资料背的越透彻， ai 的 交付结果就越好。第二，就是技能思维。从二四年的蒂尔斯工程，到二五年的智能体设计，再到今年不断涌现的 ai q， 很多人面对复杂的新概念完全无从下手。其实你只要抓住一个核心，把那些能够被反复使用的信息或方法论沉淀成一份技能文档，每当 ai 处理重复性工作时，就会自动调用这项技能。这样一来，你的经验就能被 ai 迅速消化，不仅干活效率大幅提升，最终结果也更加稳定可控。 举个例子，我在制作内容时，有一套专属的文案风格与逻辑框架，我将它总结成一份文档，投喂给 ai， 之后，它每次生成文案都会遵循这套方法论，我就再也不用重复叮嘱所学的风格框架和口本了。这其实就是技能思维最直接的应用落地。那该去哪里学呢？直接在某站或优馆上搜这几个关键词， ai 提示词、 boss 操作指南。 q 的 实操教程，上面有着海量的教学视频，你可以挑几个直接跟着动手做。实际操作多了，能帮你解决手头的具体问题，你的手感自然就会越来越顺。第二项是产品化能力。不少人学了一堆所谓的 ai 前沿技术，视频教程刷了无数，可就是搞不懂怎么把这些认知转化为真金白银。必须学会把一个智能体、一套工作流或者一个小工具打包成一套完整的解决方案，包装 别人心甘情愿付费的产品。这和开公司的本质是一样的，老板无非就是把底下员工的各样技能打包成一套方案，然后再推向市场售卖。你先试试用 ai 搞一个能解决具体痛点的小工具。比如用 ai 做一套制游戏手机壁纸的生成方案，放到你的小店里供人下载。哪怕是前期只收到了十几个人打赏， 只要你先把提供价值并获得回报，这个核心动作跑通了，就会慢慢有感觉了。第三项呢，就是自媒体能力。你一定要懂得利用流量作为你的放大器，光有产品却不懂怎么做流量，就像你精心排练了几个月的一个舞台剧，大幕一拉开，台下却连半个观众都没有。想要搞好自媒体，压根不需要去追求那些高大上的专业拍摄或者特效剪辑， 核心就在四个字，持续进步。你只需要在实际推进的过程中，去摸索如何多选内容该怎么写，而不是一直停留在原地纠结该怎么起步。 同时呢，利用 ai 来拆解爆款视频的底层逻辑，让他帮你剖析其中的开头钩子、干货内容和结尾引导，然后直接进行访写。你可以直接去搜爆款短视频脚本结构 ai 文案拆解技巧， 基本上十多分钟就能赶出一条可以直接发布的内容。核心的诀窍在于每天发一条视频，哪怕初期播放量只有几百，只要坚持一个月，你就会摸索到底什么类型的选题能火。再给你举个真实的例子，我有个做行政工作的粉丝，用 ai 去拆解那些爆款的职场干货视频自己照着翻拍，每天坚持发两个多月就涨了六千多粉丝，光是靠卖自己整理的高情商沟通话术模板就 完成了商业闭环。第四项是私域能力，说白了就是如何经营好你自己的核心小圈子。只有具备了私域能力，你才真正拥有了让客户持续成交的可能性。如果流量涌进来了，你却接不住，那前面所有的功夫都是白费的。私域的本质就是把刷到你看客转化成你的专属客户，进一步建立信任，然后持续的进行销售。核心就在于社群该如何搭建，用户该如何分走， 以及怎么利用朋友圈持续的影响用户，这个又该怎么学呢？直接去搜这几个关键词，用户分层管理体系、用户运营策略，或者你干脆直接向 ai 提问，它同样能帮你解决问题。这四样核心能力就像是组成超级个体的四个齿轮，只要咬合在一起，你一个人就是一家公司。以后我会拆解更多的 ai 案例评论区，聊聊你的情况，我帮你看看。

二零二六年，对于一个合格的 ai 应用开发工程师，大概他需要具备哪些技能？我们详细来说一说。第一个，一定是关于大模型相关的技能，大模型这里面呢，不仅指大模型的架构 算法，更关键的还有一些底层的强化学习以及微调相关的技术啊。当然有小伙伴在网上好说了，你还在这讲微调啊，都二零二六年了，那谁还微调啊？我只想说两句话啊。第一句呢，如果你不想微调，是因为你所在的公司或者你所在的行业没有充足的行业化垂直数据。 第二呢，你们领导不愿意花钱，不愿意去买算力，所以说你表面看上去微调没有用，事实来讲，微调还是很有用。而且很多小伙伴做微调，它只做 s f t 的 过程，它没有进行强化学习 r l h f 的 一个过程，所以说造成了你的 pose training 只是一个半截子的 pose training， 这并不专业。第二个呢，更现实的一个问题就是，面试官是要求你具备微调的实操，不管是基于所谓的 speed 框架还是 lma factor 框架，你没有这方面的实操，你看面试官能不能让你通过这个面试，大概率是不会的。第二方面呢，一定是针对于 agent 的 项目的开发。小赵老师再次强调啊，工业级的 agent 的 开发一定是基于 long chain， long graph 这种专业框架的开发， 一定是要搭建自己的私有数据库，完成闭环的 r a j 的 这么一个开发，我从来不看好那些 d 代码开发平台，因为那些平台呢，要么就是给个人玩的一些 demo 的 东西，这 真正能够在工业界落地，而真正能够让你成为一个 ai 应用开发工程师，找到工作拿到 offer 的 一定是专业级的框架，那么专业级的框架里边 r a g 非常的重要。市面上有一种说法，说什么 r a g 已死，上下文工程永生， 那所谓的上下文工程是什么？也是 r a g， 也是私有事务所的搭建，这个来讲，对于消除大模型的幻觉，增强工业界一线的落地能力，服务于垂直行业非常非常的重要。第三个非常重要的技能呢， 就是关于大模型的推理服务框架部署相关的，比如说你是否有基于 v l m 框架的这么一个高速推理的部署经验？你是否有 s g long 的 多卡分布式的推理经验？你是否有启动大模型服务，同时对于你这个大模型或者 agent 的 进行压力测试的经验？如果有的话，那么你的简历也好，你的项目也好，非常的丰富，非常的饱满，在未来的面试官的眼里呢，也会高看你一层 小装饰呢。已经为大家精心准备了一套全代码驱动的 ai 学习大礼包，包含了 python 编程， python 框架的编程，基于神经网络的深度学习的编程，还有带着大家手把手的手撸 底层的 transform 的 原代码。这套大礼包配备了十几个小时的精品录播视频，所有对 ai 技术学习、就业、转行感兴趣的小伙伴找我领取。

对于很多非九八五二幺幺的小伙伴来说呢，你能够选择的只有 ai 应用开发工程师，你挤不了算法这个岗位。那么当前工业界 ai 应用开发工程师大概需要一些什么样的能力呢？总体而言有这三个啊。 第一，关于大模型的底层机制和微调的能力。当然很多人一直在说说你微调，你还讲微调，微调直接把模型调崩了，但是你真正的面试你就会发现，不会微调技术的，没有实操经验的， 你连 offer 都没有。第二呢，关于 a 阵的智能体的开发。我们所说的智能体开发，一定是基于 long chain， long graph 这种专业框架的开发，而绝不仅仅 是指所谓的什么 cos 啊， define 那 套低代码平台那个来讲干不了事儿。而但凡是基于 a 阵的开发，一定是辅助 r a g 的 构建，而这个 r a g 里面不仅有这种向量数据库的构建，还有对于一些资源比较好的公司，基于这种知识图谱的构建都很重要。 那么当前工业界的这个向量数据库呢？不仅仅是包括所谓的什么 curl 啊， face 啊，那都是小规模的开发，大规模的开发啊，比较上量的包括 millis q drone 这俩一定要重视。关于知识图谱呢，其实大多数的公司是不愿意花这么多资源去专门搭建知识图谱的，但是对于一些大公司来讲， 知识图谱是向量数据库，对于 r a g 这个系统非常好的一个补充，也非常值得学习。第三块就是关于大模型推理加速这块，包括 v r i m 框架，包括 s g long 的 框架啊，把它给部署成 fast api 的 服务，这都很重要，这块呢才能决定你在公司里怎么把这个算法模型做成项目 真正的落地，真正的产生经济效益。所以说呢，小赵老师觉得呢， ai 应用开发工程师的未来呢，还是有非常广阔的前景的。那么小赵老师呢，已经为大家准备了一套免费的 ai 学习大礼包，里面呢包含全代码驱动的内容， python 编程， python 编程，基于神经网络的深度学习的编程，反向传播的推导，还有带着大家手把手的手撸底层的 transform 原代码，感兴趣的小伙伴呢，可以找我领取。

最近很多姐妹对我 ai 产品经理的岗位非常感兴趣，问我需要掌握什么样的能力才能入行。首先大家不要对 ai 的 岗位害怕，毕竟 ai 出现也才两三年的时间，今天给大家说一下，我了解到的 ai 岗位都包括哪些？ 首先是 ai 产品经理，那这个岗位呢，目前有三种就业方向，我今天也不用太专业的词，主要给大家通俗易懂的给大家讲清楚。首先呢是大模型层面的，就需要去到一些原生大模型的公司，比如说子杰的豆包，阿里的千万。 其次呢是一些传统互联网的项目，因为这些产品想进入一些 ai 能力，所以需要 ai 产品， 这就需要产品经理了解模型的边界，以及能够将 ai 的 能力落到产品上。其中呢也包括做一些模型选型或者模型评测。 还有一种就是其实目前市面上的 ai 产品，每个公司每个项目的要求都不相同，只要你在某方面比较突出，其实就有很大的优势了。 比如说你的外部 coding 能力很强，或者说你对 comfy ui 比较了解，或者说 agent 能力比较强。我呢就是因为对 comfy ui 比较了解，去年面试一周多的时间拿到了三个 offer， 并且薪资呢都在两万左右。还有一些岗位就是像一些 ai 标注师， ai 评测师， ai 数据分析师之类的岗位都是可以的。

你想做 a 证开发，基本来讲是要有这三方面的背景技能的要求。第一方面，大模型的能力。现在的就业市场，如果你只会调 a p i， 没有人理你，那么这个所谓的大模型学点什么呢？学点他的架构，学点深度学习， 稍微懂一点大模型的底层的知识，他是怎么通过预训练和后训练练出来的？强化学习虽然不需要学太多，但是呢，不能一点概念没有，你不能连蒙特卡罗算法 失去叉分算法是什么意思都不知道， p p o d p o r l h f 是 什么意思都不知道。第二个能力一定是直面 a 阵的开发。小朱老师再次强调， 一定是基于专业框架的开发。什么叫专业框架？ long chain， long graph， 这是当今全球最权威的专业的 a 阵的开发框架，在我这所有那种拖拉拽的低代码平台，那都不叫专业开发，没有办法在 b 端落地的。 基于 long chain 和 long graph 的 这个 agent 开发，在工业界里，真正能落地的点大注意一定是 r a j。 有 很多人说现在没有 r a j 啦，只有什么 skills， 那 都是瞎扯淡。而这个 r a j 但凡涉及到这块的项目， 你怎么去通过多方面的手段提升它的召回率？你怎么去给他加 rekan 重排序，提升它的终端能力？你怎么去设计方案来降低大模型？能不能跑起来 是最核心，最核心的这么一个点，怎么去对他设计这个缓存机制？怎么去设计用户的健全机制？这都是工业级的 a 阵的开发必须要考虑到的。你对你的 a 阵的做过压力测试吗？你对你的这个 a 阵的做过所谓的冒烟测试和灰度测试吗？就这些东西都没有，然后也没有上线， 也没有用户反馈，也没有用户飞轮，那都是瞎扯淡，都是网上割韭菜的那一套东西。第三块的技能大家注意，一定是基于大模型的高速推理，那么这里边基本来讲核心就是考察 v l m 框架和 s g l 框架，一你会不会用，二， 你有没有深入的一个研究和解析，这三方面的能力结合到一起，你掌握了多少，掌握的有多深，直接决定了你最终的 offer 有 多大。如果你想有进一步的突破，你想真正的对底层有一个非常好的一个了解，那么小 josh 呢，为大家准备了一套全代码驱动的 ai 学习大礼包， 这里面不仅包含了 python 的 编程， python 编程还包含了基于神经网络的深度学习的编程，带着大家手把手的推导，反向传播的数学原理，手撸底层的 transform 源代码。那么小赵是呢，为他配备了十几个小时的我亲自录的精品录播视频，感兴趣的小伙伴哈，就可以把这份 ai 学习大礼包免费的领回去。