第一次面试被问懵后，他拿到了涨薪40%的AI Offer

收到Offer的时候，这位学员正在去杭州的路上。手机弹出录用消息后，他把内容反复看了两遍。岗位是大模型应用开发工程师，薪资相比上一份工作上涨了40%以上。三个月前，他刚找到近屿智能时，虽然已经具备Python开发基础，使用过Linux，也参与过一些应用开发项目，但对于能否真正进入大模型行业，他并没有太大把握。因为他很清楚，会写代码和真正具备大模型项目能力，是两回事。在转向大模型应用开发之前，他一直从事传统应用开发。刚开始接触AI岗位时，他觉得自己有编程基础，学习大模型相关技术应该不会太难。直到他认真研究了几份招聘要求。RAG、Agent、LoRA微调、模型量化、部署优化……这些技术名词，他大多听说过，也看过一些教程。但只要面试官继续追问一句：“这个技术在项目里具体是怎么用的？”他往往就不知道该怎么回答。这也是很多有开发基础、想进入大模型行业的学员都会遇到的问题：技术概念看过不少，真正能讲清楚、做出来的项目却不多。在来到近屿智能之前，他也尝试过自学。网上的资料很多，但内容比较分散。今天学习Transformer，明天研究LangChain，后天又开始了解智能体。每一部分似乎都懂了一点，但真正要从头到尾完成一个项目时，他仍然不知道应该从哪里开始。按照教程敲代码，程序或许能够运行；可一旦更换业务场景，或者项目出现报错，他就很难继续推进。他逐渐意识到，企业真正需要的，并不是一个“听说过大模型”的开发者，而是能够把模型、数据、接口、业务需求和部署流程连接起来的人。在决定系统学习之前，他犹豫了很长时间。一方面，他知道自己距离大模型岗位的要求还有一定差距；另一方面，他也担心遇到只强调就业结果、却不讲学习过程的培训机构。第一次和近屿智能沟通时，他问得非常细：课程是不是只讲概念？有没有完整的大模型项目？遇到代码问题时，老师是否会提供指导？有开发基础但没有大模型经验，学习结束后大概能够达到什么水平？我们没有直接告诉他“肯定能够高薪转行”，也没有向他承诺一定能够拿到Offer。在给出学习建议之前，我们先了解了他的工作经历、技术基础、项目经验和目标岗位，并根据招聘要求分析了他现阶段最需要补足的能力。沟通过程中，我们也提前说明，整个学习过程并不会轻松。项目量不小，代码需要自己完成，报错也需要自己排查，老师会提供方法和思路，但不会代替学员把项目做完。这样的回答反而让他觉得更加真实。作为一名技术开发者，他知道，如果一项学习只强调薪资和Offer，却不谈项目难度、代码实践和解决问题的过程，反而很难让人信服。在接下来的三个月里，他系统学习了Transformer原理、PyTorch、LangChain、RAG、Agent开发、LoRA微调以及INT4量化剪枝等内容。单独学习每个知识点时，很多内容似乎并不难理解。但一旦将这些技术放入完整项目，问题很快就会出现。以RAG为例，它并不只是让模型先检索知识，再根据知识生成回答。数据如何清洗，文档如何切分，召回效果不好时如何调整，模型回答与知识库内容不一致时如何处理，每一个环节都需要反复测试和优化。Agent开发也是如此。在真正参与项目前，他认为智能体开发就是接入一个大模型，再配置几个工具。进入项目后，他才发现，任务如何拆解、工具在什么情况下调用、工具调用失败后如何处理、多个执行步骤之间如何衔接，都需要提前进行设计。学习期间，他参与了医药问诊、心理健康和企业OA三个智能体项目，完整经历了数据处理、模型微调、智能体开发、接口联调和系统部署等环节。项目推进过程中，他也遇到了大量问题。接口单独测试时可以正常运行，接入完整流程后却出现报错；模型能够生成回复，但回答效果不够稳定；项目在本地可以运行，部署到新的环境后又出现依赖和配置问题。遇到这些情况时，老师不会直接把答案告诉他，而是先让他查看日志，再从输入数据、输出结果、接口状态和环境配置等方向逐步排查。这个过程并不轻松。但后来在面试中，当面试官询问“项目出现问题时如何定位”时，他才发现，这些真实的排错经历，比单纯把项目运行起来更有价值。课程结束后，他开始集中准备求职。最初，他认为只要在简历中写上RAG、Agent、LoRA等技术，面试官就能够判断出他做过大模型项目。但就业老师看完后告诉他，这份简历更像是一张“技术工具清单”。使用了哪些技术写得很多，但项目解决了什么问题、本人具体负责什么、为什么选择这套方案，以及项目最后如何落地，都没有表达清楚。在就业老师的帮助下，他重新梳理了项目经历。例如，不再只是写“使用LoRA完成模型微调”，而是进一步说明为什么项目需要微调、训练数据如何处理、训练过程中遇到了哪些问题，以及微调后的模型如何接入业务系统。完成简历调整后，他又参加了多轮模拟面试。第一次模拟时，很多问题他实际上知道答案，但一开口就容易表达混乱。老师帮助他建立了一套相对稳定的回答结构：先给出结论，再解释技术原理，最后结合具体项目说明实际应用过程。正式开始投递后，他几乎每天都会查看岗位、投递简历。每次面试结束，他都会将面试问题记录下来，再和老师一起进行复盘。有些问题是因为知识点掌握得不够扎实，有些问题则是项目确实做过，但没有在面试中表达清楚。最终录用他的这家公司，在面试过程中问得非常细。除了大模型基础原理，还重点询问了模型微调策略、Agent运行逻辑、项目部署流程和异常排查方法。如果是在三个月前，面对这种连续追问，他很可能很快就会慌乱。但这一次，他的状态相对平静。因为很多问题，他确实在项目中遇到过。哪些方案尝试过，为什么效果不理想，后来进行了哪些调整，他都能够结合实际经历进行回答。他不认为自己每一个问题都回答得非常完美，但至少不再需要依靠背诵网上的标准答案来支撑整场面试。直到在前往杭州的路上收到录用通知，他才真正松了一口气。最终，他拿到了大模型应用开发工程师Offer，薪资涨幅超过40%。回顾这三个月，我们认为，对他帮助最大的，并不是记住了多少个技术概念，而是逐渐把学习、项目和求职连接成了一个完整过程。在学习阶段，老师会陪着他定位具体问题，但不会直接替他完成项目。到了求职阶段，就业老师会帮助他梳理简历、练习面试，并根据每一次面试反馈调整后续准备方向。这些支持并不是代替学员完成转型，而是帮助学员明确每一个阶段最应该解决的问题。我们也一直强调，参加课程并不等于自动获得Offer。代码仍然需要自己编写，项目需要反复修改，报错需要耐心排查，面试也需要一场一场准备。但经过系统学习和项目训练后，他已经不再只是一个“会Python、对AI感兴趣”的开发者。现在的他，能够围绕实际业务需求，将数据处理、模型调用、模型微调、智能体开发和系统部署等环节连接起来。更重要的是，他也能够在面试中清楚地说明，为什么选择某种技术方案，项目遇到了哪些问题，以及自己是如何一步步解决这些问题的。从第一次面试被问懵，到拿下涨薪40%的大模型应用开发Offer，中间没有捷径。真正让他完成转型的，是持续学习、真实项目、反复排错，以及对每一次求职反馈的认真复盘。