DeepSeek的爆火，让AI大模型工程化开发一下子成了行业热点。很多后端工程师跑来问：怎么转行去做大模型工程化？迷茫是常态，但方向其实挺明确的。我们不妨先看一份真实的招聘JD：
从岗位描述中能提炼出七个关键条件：
- 熟悉Python语言
- 掌握PyTorch或TensorFlow深度学习框架
- 理解Transformer或BERT架构
- 熟悉训练、微调、模型压缩和部署全流程
- 掌握RAG、Prompt工程、AI Agent、RLHF等技术
- 会用Dify、LangChain、FastGPT这类开发平台，了解向量数据库和知识库
- 具备分布式系统架构和高可用设计能力
看完这七条，转行要学什么已经很清楚了：先拿下开发语言，然后啃下深度学习框架，再熟悉大模型开发平台，结合理论去做训练、微调、压缩，最终封装成一个高可用的AI应用。
如何学习大模型 AI ？
新岗位的生产效率，注定要高于被取代的岗位。从整体看，社会的生产效率是在提升的。但落到个人头上，只能说：
最先掌握AI的人，会比晚掌握的人拥有明显的竞争优势。 这句话放在计算机、互联网、移动互联网的每一个开局时期，都是同样的道理。
工作中整理了大量的实践经验和学习资料，也陆续分享给了很多正在入门的朋友。今天把这些内容做一个系统梳理，希望能帮大家少走弯路。
