转行AI工程师半年的真实体验 十几年 Java 后端老兵转行 AI 工程师半年,真实工作到底是什么样的?答案可能跟你想的完全不同。 🔍 AI 工程师的分类:Applied AI Engineer、ML Engineer、Research Engineer,一般说的 AI 工程师到底是哪种? 🤖 我们组在做什么:金融科技公司内部 AI 聊天机器人,从问答、数据查询到直接帮用户执行操作的全功能 Agent 🛠️ 核心技术栈揭秘:Python + LangGraph、PostgreSQL pgvector 混合搜索、多 Agent 编排、自研 Skill 动态加载、三层缓存架构 ⚖️ 开发时间与评估调优时间各占一半——为什么 Evaluation 才是 AI 应用最难的部分? 🔒 金融行业的 Guardrail 与合规:内部 Fine-tuned 模型专做安全防护,AI 治理技能需求增长 150% 🔄 数据飞轮闭环:Langfuse 做 Tracing、LLM 自动评估、人工标注、异常报警,持续迭代 💡 API Wrapper 争论终结:YC 合伙人说得好,说 AI 应用是 OpenAI wrapper,就像说 SaaS 是 MySQL wrapper 🚀 转型建议:不需要 ML 背景,传统工程师的系统设计和生产环境经验才是最大优势 如果你正在考虑转行 AI 工程师,或者好奇这个岗位每天到底在干什么,这期视频会给你最真实的答案。觉得有帮助的话,请点赞、订阅并打开小铃铛,评论区告诉我:你最想了解 AI 工程师的哪个方面? AI工程师,AI工程师日常,转行AI工程师,软件工程师转AI,Applied AI Engineer,AI Agent开发,LangGraph教程,RAG检索增强生成,多Agent架构,AI工程师vs机器学习工程师,大模型应用开发,AI评估调优,Prompt工程,AI护栏,金融科技AI,Langfuse,AI职业发展,AI工程师做什么,传统工程师转型AI,pgvector向量搜索,AI应用落地,LLM应用开发,AI工程师技术栈,AI Agent架构,数据飞轮 #AI工程师# #程序员转型# #人工智能# #职场转型# #大模型应用# #科技职场# #后端开发#
00:00 / 11:48
连播
清屏
智能
倍速
点赞180
离职了,从我进入职场,总是小心翼翼,我希望得到一些像应试考试般的标准答案。当我面对人事在辞退你时的盘问,总是老实回答一切,却不知道如何维护自己的利息。 人事:你入职多久了? 我:一个月左右。 人事:你平时工作都做什么内容? 我照实回答。 人事:你觉得做起来吃力吗? 我说:还可以,可以完成。 人事:咱们的工作就先做到今天吧。你签一下这个离职吧。 我说:好。 在签离职的时候人事紧紧的看着我,我的稍微停顿她就会赶紧告诉我要写什么,日期,名字,有害怕我突然反悔赶紧促成这件事的迫切感。 签字的过程中,我提出了一个疑问:我具体是哪里做的不好。给到我的回答是你们主管出差前就说你不符合他们部门的标准。我也没有再问下去。签完字,人事赶紧打开印泥盒让我按手印。过程丝滑流畅堪比拉肚子。整个过程不超过15分钟。 当我弄完一切回办公室完成当日工作和交接工作中,见到了"出差"的主管,真的神奇。我不由得会想,他说的出差或许只是一个托词而已。 我真的很懦弱,对于心中的疑问我不敢去问,也不好直面,见到了“去出差”的领导我也是匆匆看一眼,低头做我最后的工作,不敢再与他有任何交集,哪怕是视线的交汇。(同时主管也是一点不往我所在的位置看,或许也是不想和我有哪怕视线上的交汇吧) 当我下定决心,鼓起勇气想要知道一个答案,我具体是哪个地方做的不好,发消息询问主管时,消息如同跌入深海。主管在工作群里身影却异常活跃。尽管我知道这些只是想要知道自己的问题在哪,以后改正进步提高。在我离开的最后我也没能知道一个答案,我想至少我敢问了。#职场 #离职 #高敏感人群
00:00 / 03:04
连播
清屏
智能
倍速
点赞13
00:00 / 09:57
连播
清屏
智能
倍速
点赞80
00:00 / 13:29
连播
清屏
智能
倍速
点赞3545