转行了：从程序员到大模型工程师，我的心路历程

大家好，我曾是一名写了近十年代码的“老”程序员，如今是一名大模型工程师。这个转身，充满了好奇、焦虑、兴奋与成长。我想把我的故事分享给你，希望能给正在观望或同样在路上的你一些启发。

1. 我的成长路径

我的技术生涯始于传统的后端开发。从Java到Go，我精通各种业务CRUD，设计过微服务架构，也处理过令人头疼的线上故障。我沿着“初级->高级->专家”的路径稳步上升，成为了团队里的技术骨干。

然而，大概在三年前，我感受到了强烈的瓶颈。我发现我的工作越来越多地是“重复”和“优化”，那种从零到一创造一个新事物的兴奋感越来越稀缺。我就像一颗优秀的“螺丝钉”，虽然牢固，但视野被限制在特定的业务模块里。我开始渴望接触更前沿、更具颠覆性的技术。

2. 为什么转行AI大模型

原因有三，层层递进：

• 技术好奇心的驱使： 当ChatGPT横空出世时，我和所有程序员一样，被其“恐怖”的通用能力所震撼。这不再是那个我印象中只能做做分类、检测的“传统AI”。它仿佛拥有了“理解”和“创造”的能力。作为一个技术人，我本能地想去弄明白它到底是怎么工作的。
• 对职业天花板的焦虑： 我预感到，大模型这种范式革命，将会重塑很多行业，也包括软件开发本身。如果我不主动拥抱变化，可能在未来某天就会被变化所淘汰。我不想等到35岁危机真正来临时才被动应对。
• 价值感的追寻： 作为后端，我的价值体现在“支持业务稳定运行”。而大模型工程师，则是在直接“创造智能”，让机器能够理解、对话、推理。这种亲手打造“智能体”的成就感，对我有着致命的吸引力。

3. 如何转行AI大模型

转行绝非一蹴而就，我把它分为三个阶段：

• 第一阶段：疯狂输入，建立知识框架。

  • 基础理论： 我重新捡起了数学（线性代数、概率论），并系统学习了李宏毅、吴恩达的LLM相关课程。重点是理解Transformer架构、注意力机制、预训练、微调（SFT、LoRA等）、强化学习（RLHF）这些核心概念。
  • 技术栈： 我把Python从“会用”提升到了“精通”的水平，并深入学习了PyTorch和Hugging Face生态系统。这是我新的“武器库”。

• 第二阶段：动手实践，用项目说话。

  • 光说不练假把式。我从最简单的任务开始：用开源模型（如ChatGLM、Llama）在本地部署，写一个聊天对话的Demo。
  • 然后，我尝试用LoRA等技术在特定领域的数据集（如医疗问答、法律条文）上对模型进行微调，让它在某个垂直领域表现更好。
  • 最后，我完成了一个完整的个人项目：构建了一个基于RAG的智能知识库问答系统。这个项目涵盖了文档解析、向量数据库、Embedding、Prompt工程等多个核心环节，成为了我面试时最有力的证明。

• 第三阶段：融入社区，保持信息敏感。

  • 我活跃在GitHub、知乎、ArXiv上，关注顶会论文和开源项目。在这个领域，不学习就会被瞬间甩开。

4. 找AI大模型的工作

准备充分后，我开始投递简历。目标很明确：大厂或顶尖AI创业公司的“大模型应用/微调”相关岗位。

• 面试重点： 面试官不再仅仅关心我写过多少行业务代码。他们深入考察：
  1. 对LLM原理的理解深度： 比如会问“为什么RoPE位置编码比绝对位置编码更好？”。
  2. 工程实现能力： 如何组织数据处理流水线？如何评估模型效果？如何解决显存溢出（OOM）的问题？
  3. 项目经验： 我的RAG项目被反复拷问，从设计思路到每一个技术选型的理由。
  4. 学习能力和热情： 他们很看重我转行的动机和持续学习的行动。

最终，我拿到了几个不错的Offer，并选择了加入腾讯，开启了我的大模型生涯。

5. 腾讯内的成长

在腾讯，我进入了一个纯粹的大模型团队。这里的成长是指数级的：

• 从“玩具”到“工业级”： 个人项目处理的是百万级数据，而在这里，面对的是千亿token、PB级别的训练数据。我真正理解了分布式训练、稳定性保障、成本控制的挑战。
• 深度参与模型迭代： 我从一个模型的“使用者”变成了“建设者”，参与了从数据清洗、配方设计、SFT微调到效果评测的全链路。这种亲眼看着模型在自己手中“成长”起来的感觉，无比奇妙。
• 顶尖的同行者： 身边都是国内最优秀的AI工程师和研究员，每一次讨论都是思想的碰撞和知识的提升。

6. 比较好的习惯，有利于我长期在一线冲锋

在这个快速迭代的领域，保持一线战斗力至关重要。我有两个核心习惯：

• 保持动手：绝不脱离代码。 无论头衔如何变化，我每周都会保证自己亲手写代码、跑实验、看日志。对技术的“手感”是工程师最宝贵的财富，一旦失去，判断力就会下降。
• 乐于分享，费曼学习法。 我坚持在团队内做技术分享，也通过写文章、做笔记来梳理自己的知识。“教”是最好的“学”。当你试图把一个复杂概念给别人讲明白时，你自己的理解也会深化一个层次。

7. 为什么离职转行AI大模型

看到这里你可能会有疑问：“你在腾讯不是发展得很好吗？为什么最终还说是‘离职转行’？”

这是一个非常关键的点。我是在腾讯内部完成了转型的初期积累，但最终选择离开，加入一家专注于大模型技术的创业公司。

原因在于，在腾讯这样的大平台，大模型业务往往是宏大布局中的一部分。我个人更渴望一种极致的专注和更快的迭代速度。在创业公司，我可以更直接地感受到市场的脉搏，决策链条更短，能够把所有精力都投入到我最热爱的大模型核心技术研发上。这个决定，是为了追求更极致的专业深度和一种“从0到1”的创业激情。

总结一下：

从程序员到大模型工程师，是一场“破圈”之旅。它需要你跳出舒适区，用归零的心态重新学习，更需要你用强大的动手能力将理论付诸实践。这条路很卷，也很辛苦，但沿途的风景和最终的视野，绝对值得你为之奋斗。

如果你也心动了，那么，现在就开始吧。

那么，如何系统的去学习大模型LLM？

如果你也想系统学习AI大模型技术，想通过这项技能真正达到升职加薪，就业或是副业的目的，但是不知道该如何开始学习*_，因为网上的资料太多太杂乱了，如果不能系统的学习就相当于是白学。
为了帮助大家打破壁垒，快速了解大模型核心技术原理，学习相关大模型技术。从原理出发真正入局大模型。在这里我和MoPaaS魔泊云联合梳理打造了系统大模型学习脉络，这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码免费领取🆓**⬇️⬇️⬇️

【大模型全套视频教程】

教程从当下的市场现状和趋势出发，分析各个岗位人才需求，带你充分了解自身情况，get 到适合自己的 AI 大模型入门学习路线。

从基础的 prompt 工程入手，逐步深入到 Agents，其中更是详细介绍了 LLM 最重要的编程框架 LangChain。最后把微调与预训练进行了对比介绍与分析。

同时课程详细介绍了AI大模型技能图谱知识树，规划属于你自己的大模型学习路线，并且专门提前收集了大家对大模型常见的疑问，集中解答所有疑惑！

深耕 AI 领域技术专家带你快速入门大模型

跟着行业技术专家免费学习的机会非常难得，相信跟着学习下来能够对大模型有更加深刻的认知和理解，也能真正利用起大模型，从而“弯道超车”，实现职业跃迁！

【精选AI大模型权威PDF书籍/教程】

精心筛选的经典与前沿并重的电子书和教程合集，包含《深度学习》等一百多本书籍和讲义精要等材料。绝对是深入理解理论、夯实基础的不二之选。

【AI 大模型面试题 】

除了 AI 入门课程，我还给大家准备了非常全面的**「AI 大模型面试题」，**包括字节、腾讯等一线大厂的 AI 岗面经分享、LLMs、Transformer、RAG 面试真题等，帮你在面试大模型工作中更快一步。

【大厂 AI 岗位面经分享（92份）】

【AI 大模型面试真题（102 道）】

【LLMs 面试真题（97 道）】

【640套 AI 大模型行业研究报告】

【AI大模型完整版学习路线图（2025版）】

明确学习方向，2025年 AI 要学什么，这一张图就够了！

👇👇点击下方卡片链接免费领取全部内容👇👇

抓住AI浪潮，重塑职业未来！

科技行业正处于深刻变革之中。英特尔等巨头近期进行结构性调整，缩减部分传统岗位，同时AI相关技术岗位（尤其是大模型方向）需求激增，已成为不争的事实。具备相关技能的人才在就业市场上正变得炙手可热。

行业趋势洞察：

• 转型加速： 传统IT岗位面临转型压力，拥抱AI技术成为关键。
• 人才争夺战： 拥有3-5年经验、扎实AI技术功底和真实项目经验的工程师，在头部大厂及明星AI企业中的薪资竞争力显著提升（部分核心岗位可达较高水平）。
• 门槛提高： “具备AI项目实操经验”正迅速成为简历筛选的重要标准，预计未来1-2年将成为普遍门槛。

与其观望，不如行动！

面对变革，主动学习、提升技能才是应对之道。掌握AI大模型核心原理、主流应用技术与项目实战经验，是抓住时代机遇、实现职业跃迁的关键一步。

01 为什么分享这份学习资料？

当前，我国在AI大模型领域的高质量人才供给仍显不足，行业亟需更多有志于此的专业力量加入。

因此，我们决定将这份精心整理的AI大模型学习资料，无偿分享给每一位真心渴望进入这个领域、愿意投入学习的伙伴！

我们希望能为你的学习之路提供一份助力。如果在学习过程中遇到技术问题，也欢迎交流探讨，我们乐于分享所知。

*02 这份资料的价值在哪里？*

专业背书，系统构建：

• 本资料由我与MoPaaS魔泊云的鲁为民博士共同整理。鲁博士拥有清华大学学士和美国加州理工学院博士学位，在人工智能领域造诣深厚：

• • 在IEEE Transactions等顶级学术期刊及国际会议发表论文超过50篇。
  • 拥有多项中美发明专利。
  • 荣获吴文俊人工智能科学技术奖（中国人工智能领域重要奖项）。

• 目前，我有幸与鲁博士共同进行人工智能相关研究。

内容实用，循序渐进：

• 资料体系化覆盖了从基础概念入门到核心技术进阶的知识点。

• 包含丰富的视频教程与实战项目案例，强调动手实践能力。

• 无论你是初探AI领域的新手，还是已有一定技术基础希望深入大模型的学习者，这份资料都能为你提供系统性的学习路径和宝贵的实践参考，助力你提升技术能力，向大模型相关岗位转型发展。

  

抓住机遇，开启你的AI学习之旅！