文章作者分享从其他行业成功转型AI大模型的经历。裸辞前系统学习AI大模型原理并完成落地项目，面试前分析自身优劣势，深入理解底层原理，针对岗位定制简历。面对就业压力保持良好心态，制定合理预期，最终成功入职。文章为转行AI领域者提供了实用的学习路径和面试经验。
今年很重要的一个经历就是裸辞然后顺利转行到了AI大模型方向，回首过去的四个月以及更长的两年，在临近一年结束之时，稍稍记录一下还是很有必要的。
主要从三个方面做一下记录，缘起，讲一下为什么要转，准备，记录一下在裸辞前做了哪些准备，面试，记录一下面试时候的观察和经验。
为啥要转行呢？借用一句流行的话来讲，就是要去旷野自由地探索一番，寻求自己的人生价值。过去的时间，一直在按部就班地上学，工作，尤其是近一年，愈发感觉时间飞逝流淌，而我却一直近乎碌碌无为，没有创造什么有价值的东西。而AI领域我认为未来是很有想象力空间的方向，因此这是我想要转行的根源。
从催化剂上来说，目前的工作虽然薪资尚可，但相比刚入职那一年，越来越没什么新意，未来的几十年可能一直都是在重复类似的东西，再加上工作氛围相比之前差了很多，待的时间越长只会蚕食我向外探索的创造力，于是坚定了我即使裸辞也要离开的决心。
而导火索就是deepseek的爆发，我意识到了成本的大幅降低将会助推AI大模型在各行各业的落地，这个时候越早投入到这个行业越好。
综上，大概今年7月份我裸辞开始了转行之路。
虽然说是裸辞，但这只是指没有在职找到下份工作，并不是完全无准备的冲动之举。下面我就介绍一下我做的准备。
首先是AI大模型方向的知识能力准备，在大三下其实就已经接触学习AI了，只是当时是拿来主义不求甚解地应用了，没有深入理解底层的原理，研究生时本应该深入探索理解的，但因种种原因仍然未能深入；工作的两年我利用周末和节假日真正深入学习总结了其内部的原理，并升级了自己的学习方法，就是跟着问题学，不害怕遇到问题，在解决问题中更加深入地理解；有了这些做基础，裸辞后我又给自己设定了三个月的探索时间，自己制定了一个学习框架，更加系统学习总结AI大模型的底层原理，包含python，传统AI，主流大模型，因为我想做的方向是AI落地应用，因此做了一个落地的应用项目。而且在此期间，我在网上分享了自己的学习笔记，一方面是督促自己稳步地学习，另一方面也是保持和外部的连接，这些学习笔记现在也都放到了github上了，后面我也会继续更新优化，这也算是我创造的第一个有价值的东西了。想要学习的可以看一下，大概率会有助于学习进程。
另一方面的准备则是我对三个月探索期的准备，包括但不限于下面几个。首先最重要的是经济，工作两年也算是攒了一些，可以保证我不用担心探索期间没有收入来源的问题；第二个就是心态，虽然已经做好了准备并制定了详细的规划，但毕竟是从稳定运行了很长时间的轨道跳到旷野中，面对很高的不确定性，是会有相对来说较高的焦虑情绪的，而我应对不确定性情绪的方法，就是每天记录自己完成的任务，同时保持和外部的连接；第三个是环境，裸辞还是尽量不要一个人待在房间里，我住的地方附近有一个图书馆，我每天基本上准时早上去，晚上回，陪伴我度过了孤独的探索期。好的环境一方面保持正常学习生活节奏可以提高学习效率，另一方面也是保持和外部的连接。
经过了大概三个月的探索学习，开始了转行的面试阶段。当前的就业大环境确实整体上感觉是寒冬的，不过大环境里面又有小气候，AI大模型领域作为新兴的一个方向，国家还有企业都在往AI方向去转，所以这个方向的岗位相对来说热度是比较高的。
大环境是一方面，核心还是自己的优劣势，面试之前我先分析了一下自己的优劣势，并设定了自己的结果预期，注意不是单个面试的结果预期，而是找工作的预期，因为单个面试，单个企业的不确定性太高了。
优势首先是有两年的行业工作经验，这可以契合AI和行业的结合这一个方向，因为我初衷就不是要做基座模型的，而是要做应用的，有行业经验在我看来是一个优势，而且更重要的是，即使最后找不到AI方向，也可以在继续在本行业，这在我的预期中属于保底操作；这里多说一句，我发现，找下一份工作的经验年限在2-3年似乎为最佳，不知道是否为真？
第二个优势就是经过探索期，我真正深入从底层理解了AI大模型的原理，并拥有了一个落地项目，后者可以帮助我过一下简历初筛，前者则是在我面试的时候几乎不会像只背八股那样轻易被问住，事实上，后面的面试证明了在原理方面基本上我都可以应对，即使不熟悉的，也可以推理一下。
另一个优势则是相对不错的学历，这可以帮助我过简历初筛，在当前这个环境中，还是很有必要的。
最大的劣势则是工作匹配度的问题，现在几乎所有的社招岗位都是要求工作经历非常匹配，把你上份工作经验能够直接用到现在的工作中，而我缺少AI方面的直接工作经验，虽然自己做了一个落地项目，但这方面确实是最大的劣势。
另一个劣势则是手撕代码的能力退步很大，因为长期没有刷了。事实上也是前期的一个面试中，原理应用啥的聊得都挺好的，面试官非常好地特意选了简单的代码题，但我还是没有做出来，很是遗憾。然后我就抽了一周左右的时间，把之前刷的代码题目回顾总结了一下，后面基本上都能写出来或者说出思路了。
接下来就是密集的面试时间了，其实在面试之前我还制定了一个分行业，分岗位的面试投递节奏，不过真实执行的时候还是因为种种原因没能完全按计划进行，一揽子海投了，这是可以优化的地方。
10月20号我认为探索期虽然还没有尽善尽美，但已经可以结束投简历了，花了大概一周左右的时间投了几家小公司并把我的简历完善了一下，27号正式开始海投，中间就是漫长的面试环节，列出来的这些天，几乎每天都有两到三场面试，11月20号拿到了首个正式的书面通知offer，其实前面也有一些口头的offer，但是有的是方向岗位不匹配，有的可能是公司计划有变动，后续也没消息了（这里稍稍吐槽一下，这种变动HR通知一下给人感受会好很多的），接下来的几天也陆续得到了之前面试的几个offer，我觉得差不多了，也有两个相对来说比较合适的offer，所以10月26号就停止了面试，休息了大概两周左右的时间12月8号就正式入职了。这是我的一个面试时间线，不过企业招聘时间应该是有黄金期的，金三银四，金九银十，现在环境来说也可能是有变化的，就不确定了。
面试经验的总结来说，我觉得第一点对面试的内容是真正搞懂底层的原理了，真正系统的理解了，这个我觉得是非常重要的，这样才可以从容自信地面对每一场面试，不会像只背八股押题那样，会焦虑担心。
另外一个就是要很熟悉简历上的内容，前期可以提前准备可能的一些问题，比如说借助AI，让它根据你的简历内容去问一些问题，然后准备相应的回答，后面面试多了，每一次都要复盘面试的问题，因为面试官他都是根据你的这个简历内容来去问你的，所以很多情况下很多面试官问的内容几乎是大差不差的，越到后面越想是在背诵答案了一样。
另外还有非常值得注意的是心态，尤其是裸辞期间的面试，因为一般面试的周期拉的比较长，一周两周都是有可能的，再加上HR很多时候不会告知你结果，以及面试失败的沮丧，都会不断让人焦虑的，所以制定一个面试总的预期，不要过度关注某场面试，某家公司，面试结果不是对你个人的否定，只是不适合罢了，只要最后的结果符合预期就行了。
另外就是简历一定要好好写，可以根据想去的岗位和行业写不同的简历，把岗位描述上的关键词尽可能和自己的简历内容融合到一起，因为筛选简历的时候很多情况是看关键词匹配的。还有就是现在要求岗位匹配度，所以不要一份简历投所有的岗位。
回过头来看，这次的最终结果在我预期的第二层级，AI方向的深入探索也才刚刚开始，希望自己能够创造出有价值的东西。以上就是我的一个转行记录了，如果能对你有所帮助那再好不过了。
如何系统的学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇
01.大模型风口已至：月薪30K+的AI岗正在批量诞生
2025年大模型应用呈现爆发式增长，根据工信部最新数据：
国内大模型相关岗位缺口达47万
初级工程师平均薪资28K（数据来源：BOSS直聘报告）
70%企业存在"能用模型不会调优"的痛点
真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！
02.大模型 AI 学习和面试资料
1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工
📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。
