【来访者个人档案】

• 身份： 工作3年的算法专业的后端开发工程师。
• 自述： 我对现在的工作不满意，我想全面拥抱 AI。

今天来访的是一位老粉丝了，我们后面用 S 同学来称呼。S 同学从2022年我写《ChatGPT 原理与应用开发》那会儿就关注了，根据这个开源项目找到我的博客并 RSS 订阅。后面看了我相当多的博客，对我算是比较熟悉的了。

S 同学想聊的依然是工作和学习（或者说成长），这好像真的是大家共同的主题了，只不过由于背景和条件不同，表现出来的状况和问题也不相同。

工作转型

S 同学目前工作的优点是稳定，和上一位《【聆听·微光】003：一位对工作迷茫的程序员的觉醒时刻 | 长琴》有点类似，状况也比较类似——没有技术氛围，技术也不受重视。而且，和 AI、尤其是大模型也没有太多关系。还有，经常得出差，与家人两地分居。

首先，我明确一点：异地对家庭确实不太友好，除非非常非常好的机遇，否则实在不建议异地。我自己曾经因为转行异地过一年多，的确会比较影响感情，倒不一定是出现第三者，而是感情可能会因为距离的原因变淡。我本来还提到看能否调回家庭所在地，不过 S 同学显然是下定决心要离开公司了，看来是非常不能接受这里的氛围了。能清楚地知道自己要什么、要干什么，这本身也是值得赞扬的。

S 同学知道自己去做算法研究可能机会不大，所以现在同时准备后端和 AI 相关的，想听一下我的建议。其实，我觉得 S 同学的认知很清晰，现在算法研究的岗位实在是不多，而且会越来越少。因为 AI 能力实在是太强大了，而且正在越来越强，大部分时候已经不再需要去训练或微调一个模型了。但同时，AI 开发、大模型开发、大模型应用开发一类的岗位却非常多，无论大、中、小厂，都在全面拥抱 AI。既懂 AI 同时还懂开发其实是有一定优势的。所以，后端和 AI 同时准备并不冲突，甚至在以后是必需的。

既然要离开，当然是骑驴找马，一边维持着工作，一边准备并看新的机会。现在大方向也定了，S 同学想继续听听行业、公司方面的考虑，还问到关于创业公司的稳定性、是否可以选择 remote 等问题。

对于行业和公司，我给的建议如下：第一，今年可以考虑具身智能方向，盲猜会有相当多公司和产品冒出来，而且这个方向和 AI 关系密切（不过不同公司具体用了多少那就嘿嘿了），正处于风口。第二，如果可以，优先考虑大厂，这点我在上一位的访谈中也提到过，原因不在赘述。第三，选自己喜欢做的 AI 产品或业务，总之，必须先站到这个圈子里。以上三条最少应该满足一条，多多益善。

关于创业公司的稳定性，我只能说，对于个人来说，其实没有哪家公司是稳定的，即便大厂，谁又能肯定不会被裁掉呢。所以，归根结底还是提升自己能力，积累相关工作经验，让自己有“随时离开一家公司”的底气，这才是真正的稳定。这点我在发刊词中提到过，S 同学认真阅读过，也很明白这个道理。

至于 remote 工作，我的观点是：既看个人，也看公司。我以前正好远程工作过一年，一个朋友也远程工作过几年。先说个人方面，以我的经验为例，就首先个人需要具备强大的自驱能力和自控力，同时还得有一个安静的工作环境，家里不方便可能还得出去租个工位。我当年就是这样做的，家里实在是没干活儿氛围。而且，那一年我说的话都很少，有一阵子感觉说话都不利索了。再说公司方面，以我朋友的经验为例，首先得具备一定的稳定性（可能得去查一下），除非是类似 huggingface 这种非常知名的公司。我朋友比较宅，在家 remote 了可能有两三年时间，但那家公司突然就无了，前面都毫无征兆，真是措手不及。

学习之路

工作的困惑暂时解决了，接下来要谈的是准备问题。S 同学的 AI 知识还停留在 LLM 之前那个机器学习的年代，但 LLM 之后一切都变了，不能说以前的知识就没用，只是目前大部分岗位都和大模型相关，要求有相应的工作履历和背景知识。S 同学要补的就是这方面的知识和项目。

目前，S 同学正在系统性地学习一个开源的 Agent 项目，听起来学习效果还不错。我本想建议直接主题学习的，不过考虑到现在相关知识的积累还不太够，我觉得 S 同学选择系统性学习反而是正确的——先整体建立一个认知，然后再逐步构建自己的知识体系。是我自己有点想当然了。其实，我在转行前后几年也是系统性地上了不少课的，国内外的都有，而且都认真完成了作业。虽然这些学习对工作可能没有太多实际帮助，但却为后面的学习打下了坚实的基础。

考虑到 S 同学没有大模型相关项目，我建议在系统性学习完成后，可以利用公司数据做一个小的 Agent/RAG 项目，包装成一段项目经历。因为简历上如果一个大模型相关项目经验都没有的话，恐怕会比较难通过大模型开发类岗位的简历筛选。另外，我也强调，这并不是造假，而是真实地去完成这个项目，掌握全流程涉及到的相关知识。简历的核心目标是把我们的能力表现出来。

最后，我也建议 S 同学去深入研究某一个其项目中用到的、或其他大模型开发相关的框架/组件，诚如我在《【聆听·微光】002：一位普通院校硕士研究生的毕业之际 | 长琴》中提到的那样，对一个 Case 的精通要好过很多个小白项目。然后在和面试官聊项目时，自然地过渡到自己精通的这个 Case。

01

什么是AI大模型应用开发工程师？

如果说AI大模型是蕴藏着巨大能量的“后台超级能力”，那么AI大模型应用开发工程师就是将这种能量转化为实用工具的执行者。

AI大模型应用开发工程师是基于AI大模型，设计开发落地业务的应用工程师。

这个职业的核心价值，在于打破技术与用户之间的壁垒，把普通人难以理解的算法逻辑、模型参数，转化为人人都能轻松操作的产品形态。

无论是日常写作时用到的AI文案生成器、修图软件里的智能美化功能，还是办公场景中的自动记账工具、会议记录用的语音转文字APP，这些看似简单的应用背后，都是应用开发工程师在默默搭建技术与需求之间的桥梁。

他们不追求创造全新的大模型，而是专注于让已有的大模型“听懂”业务需求，“学会”解决具体问题，最终形成可落地、可使用的产品。

CSDN粉丝独家福利

给大家整理了一份AI大模型全套学习资料，这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】

02

AI大模型应用开发工程师的核心职责

需求分析与拆解是工作的起点，也是确保开发不偏离方向的关键。

应用开发工程师需要直接对接业务方，深入理解其核心诉求——不仅要明确“要做什么”，更要厘清“为什么要做”以及“做到什么程度算合格”。

在此基础上，他们会将模糊的业务需求拆解为具体的技术任务，明确每个环节的执行标准，并评估技术实现的可行性，同时定义清晰的核心指标，为后续开发、测试提供依据。

这一步就像建筑前的图纸设计，若出现偏差，后续所有工作都可能白费。

技术选型与适配是衔接需求与开发的核心环节。

工程师需要根据业务场景的特点，选择合适的基础大模型、开发框架和工具——不同的业务对模型的响应速度、精度、成本要求不同，选型的合理性直接影响最终产品的表现。

同时，他们还要对行业相关数据进行预处理，通过提示词工程优化模型输出，或在必要时进行轻量化微调，让基础模型更好地适配具体业务。

此外，设计合理的上下文管理规则确保模型理解连贯需求，建立敏感信息过滤机制保障数据安全，也是这一环节的重要内容。

应用开发与对接则是将方案转化为产品的实操阶段。

工程师会利用选定的开发框架构建应用的核心功能，同时联动各类外部系统——比如将AI模型与企业现有的客户管理系统、数据存储系统打通，确保数据流转顺畅。

在这一过程中，他们还需要配合设计团队打磨前端交互界面，让技术功能以简洁易懂的方式呈现给用户，实现从技术方案到产品形态的转化。

测试与优化是保障产品质量的关键步骤。

工程师会开展全面的功能测试，找出并修复开发过程中出现的漏洞，同时针对模型的响应速度、稳定性等性能指标进行优化。

安全合规性也是测试的重点，需要确保应用符合数据保护、隐私安全等相关规定。

此外，他们还会收集用户反馈，通过调整模型参数、优化提示词等方式持续提升产品体验，让应用更贴合用户实际使用需求。

部署运维与迭代则贯穿产品的整个生命周期。

工程师会通过云服务器或私有服务器将应用部署上线，并实时监控运行状态，及时处理突发故障，确保应用稳定运行。

随着业务需求的变化，他们还需要对应用功能进行迭代更新，同时编写完善的开发文档和使用手册，为后续的维护和交接提供支持。

03

薪资情况与职业价值

市场对这一职业的高度认可，直接体现在薪资待遇上。

据猎聘最新在招岗位数据显示，AI大模型应用开发工程师的月薪最高可达60k。

在AI技术加速落地的当下，这种“技术+业务”的复合型能力尤为稀缺，让该职业成为当下极具吸引力的就业选择。

AI大模型应用开发工程师是AI技术落地的关键桥梁。

他们用专业能力将抽象的技术转化为具体的产品，让大模型的价值真正渗透到各行各业。

随着AI场景化应用的不断深化，这一职业的重要性将更加凸显，也必将吸引更多人才投身其中，推动AI技术更好地服务于社会发展。

CSDN粉丝独家福利

给大家整理了一份AI大模型全套学习资料，这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以扫描下方二维码&点击下方CSDN官方认证链接免费领取 【保证100%免费】