后端工程师的AI转型之路：3年经验如何拥抱大模型风口？

【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】02AI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】