转行最热门赛道的文科生，现在怎么样了？

本文探讨了文科生进入AI行业的路径与价值。文章指出，AI行业对文科生既是机遇也是挑战，需要先掌握基础技术知识，理解AI工作原理。数据标注、提示词工程、产品经理等岗位对文科生较为友好，但技术门槛和知识快速迭代是主要挑战。文章强调，真正稀缺的是将人文思考与技术创新结合的能力，当文科生跨越技术门槛后，他们的人文素养、审美判断和共情能力将成为独特优势，为AI注入温度与深度。

要进入AI行业，文科生首先需要掌握基础技术知识，理解AI的工作原理，但这只是更好释放自身优势的基石。AI行业中“真正稀缺的是能将人文思考与技术创新结合的能力。当你不再被技术门槛阻挡，过往积累的审美判断、文化理解和共情能力就会成为独特优势”。

入行AI

2023年，当万玉磊决定入行人工智能（AI）时，他面临着从什么岗位开始的选择。

在AI行业里，文科生可选择的岗位大致分为两类，数据工作是最常见的一类。它不要求应聘者有技术背景，更看重文字表达能力、人文素养和良好的审美，为模型提供数据“养料”，这正是文科生的优势所在。但因为重复性强、技术含量低，数据工作又常被视为AI行业中的低端工种，社交媒体上的经验分享贴甚至称它为“污染简历”的职业。2023年万玉磊刚入行时就面临着这种尴尬。

《社交网络》剧照

万玉磊在读研时攻读的是中国古代史，但痴迷于AI大模型，2022年OpenAI在国内火起来后，万玉磊就一直是AI的深度用户，从健身计划到文字冒险游戏，他把自己感兴趣的东西都用AI尝试了一遍。“我觉得太神奇了，这是一条全新的技术路线，当时所有人都认为OpenAI是疯子一样的公司，伊利亚·苏茨克维（OpenAI原首席科学家）说服了萨姆·奥尔特曼（OpenAI首席执行官）把所有的数据合到一起，用天价的算力去做史无前例的‘炼丹工程’。最后居然被他们做成了，‘嘭’的一声，整个世界被改变了。”2023年，万玉磊决定入行AI。求职时，他只找和大模型相关的岗位，也不排斥数据工作，“先上车再说”。

数据标记是AI行业底层且规模庞大的基础环节。标注员需要日复一日地对原始数据进行人工处理，例如在一张街景图片中，用框线精确标出所有车辆与行人；在自动驾驶研发中，在海量视频帧中圈出每一个交通标志。这类工作的重复性极强，依赖大量人力，一些人工智能研发企业会在偏远地区设立基地，在当地招聘低薪资的标注员，其中不乏只有高中学历的人。另一个岗位人文训练师处于更上游的位置，需要基于人文社科素养，定义什么是“好的语言”“好的修辞”“有人文关怀”，制定出数据标注的规则与质量标准，为模型输出建立审美标准和价值判断。

万玉磊是从最基础的提示词工程师开始做起的。这个岗位不需要亲手编写复杂的模型代码，而是通过不断调试和精炼与AI的“对话”，引导和激发AI模型产出高质量的成果，是文科生入行的一个好选择。入行初期，万玉磊的工作更接近于传统的手工艺人，需要亲自编写每一条提示词，仔细阅读模型的输出，检查回答质量。这个过程完全依赖人工，工程师凭借自己的经验和判断力来评估回答是否符合要求。这种工作模式的效率相当有限，一个复杂的任务往往需要花费数天时间进行测试和调整。

但万玉磊相信这个行业的未来。在入行前，他搜索了很多国内外新闻后，确信这将是未来的风口产业，因为“资本都在疯狂涌入AI”。后面的发展也证明了他的判断。据中国信息通信研究院发布数据，2024年我国人工智能产业规模已突破9000亿元，同比增长24%；截至2025年9月，全国人工智能企业数量超过5300家。这样的风口也惠及没有技术背景的文科生。在“文科生就业难”成为老生常谈的当下，AI似乎带来了转机。一种网上广为流传的说法是，AI大模型是一个诞生不久的全新领域，技术迭代飞快，所有人都是从零开始学习，这给了文科生一个难得的、相对公平的竞争机会。

技术门槛

李悦也是一名较早瞄上AI赛道的文科生。2022年李悦从一所“985”理工科院校的金融专业毕业时，金融行业招聘需求已经大量萎缩，昔日学长们“毕业即高薪”的场景一去不复返。她入职了一家中小型游戏公司做运营，这里的工作并不顺心：没有人带教，公司需求混乱，实行“大小周”休息制度。老板只有专科学历，专业能力也不突出，“他当年就是撞上了游戏发展的风口，飞了起来。那时候我就琢磨，要当风口上的猪”。

3月16日，广州，2025年全国城市联合招聘高校毕业生春季专场活动（视觉中国供图）

AI产品经理是文科生转行时的一个热门选择。产品经理要理解用户与市场，负责定义产品方向与功能，协调多个部门共同推动产品从概念到上线。它看起来比数据工作更高级、更接近核心，而且在传统互联网领域，产品经理是个对文科生相对友好的工种。

但AI产品经理和传统岗位不同，要求求职者必须懂得基本的技术原理，才不至于提出一些荒谬的需求。一位不懂技术的产品经理可能会提出：“当用户拍摄上传了一张宠物狗奔跑照片时，系统能够迅速、精准地识别出狗的品种”，或是“语音识别功能必须在用户断网时也正常使用”。他并不清楚，图像识别模型的准确率受数据质量、模型能力等多重限制，面对模糊图片，当前技术根本无法保证100%正确；大模型需要云端强大的算力支持，离线根本无法运行。

技术是横在李悦面前的第一道坎。李悦明显感受到，企业希望招聘的是“懂AI知识的资深产品经理”。一位面试官向她提出的问题是，有一家公司专门为淘宝大品牌店铺提供客服外包，用AI处理客诉与退货需求，如何设计方案让AI能够准确识别合理与不合理的退货申请，并分别处理。李悦觉得，这个问题里技术的成分已经远远大于产品理念设计，“我可以不会写代码，但至少要知道算法能够实现哪些功能，再去和后端沟通。不能提出天马行空的产品理念，否则就太不专业了”。

在决定转行到AI行业后，李悦花了大约三个月时间自学，掌握了三项AI领域的基本技能：用于从数据库中精准查询和提取数据的SQL；用于清洗和预处理原始数据、使其适合模型使用的Transform；能将外部知识库与大型语言模型相结合的RAG。零基础自学技术很难，但没有想象中那么寸步难行，李悦觉得，“大家会有畏难情绪，觉得自己是个文科生，理工科的知识天生与自己相克。其实只要理解基础知识，多上手练，大部分人‘入门’是没问题的”。

《好事成双》剧照

真正让李悦觉得痛苦的是，学习似乎是永无止境的。为了让自己拥有AI项目经验，结合上一段游戏公司的经验，她摸索着搭建了一个用来召回老玩家的AI程序（agent）。从提示词、逻辑链条到测试集，每个环节都要李悦自己动手操作。这个AI程序会给老玩家发消息，包括介绍游戏、发放礼包、答疑和安抚用户等。根据用户回复的内容，AI会识别用户意图，再触发下一步回应。

测试时，如果AI给用户的回复答非所问，或是不够精准，李悦就要重新返工：不停地调整提示词，换掉各个节点的模型，重新设计逻辑线路。每调整一个因素，都会引发一连串后续的改变；每次改动，李悦都要学习新的知识。“我完全没预料到，改动其中一个代码，变化会这么复杂。要调整的东西实在太多了，像是看不到尽头的循环。我自学的那些知识只是原理，到底如何做好一个agent，还需要自己不断动手才能摸索到关窍。”

这种巨大的不确定性让她倍感压力和不自信，也让她在几次面试碰壁后放弃了寻求AI行业工作。“学得越深，越觉得自己懂得太少。对自己很没有信心，我能找到工作吗？即使我混进去了，怎么通过试用期？我能一直学下去吗？如果学不动了，就要被裁了吗？”

这也是AI行业的特点：飞速发展的技术意味着知识的不断更迭。挤入AI赛道并不意味着一劳永逸，反而只是转行第一步。本刊接触到的十几位文科生里，无论最终是否成功入行AI，他们普遍认同，只有拥有持续学习能力的人，才可能在这个AI行业里生存下来。29岁的潘潘在2023年入职一家“大厂”的AI团队。她还记得，自己在半年里都过得非常痛苦，“每天都有高浓度的信息等着我去消化”。白天，潘潘和算法的同事沟通时，他们会抛出一系列专业名词和原理，潘潘把听不懂的内容悄悄记在笔记本上，晚上9点多下班后继续加班学习。将近半年后，她才成功理顺了工作，“保持非常陡峭的学习曲线，才能待下来”。

人文素养重要吗？

只有成功翻越技术的门槛并能跟上技术的发展后，文科生的人文素养才可能在行业中有所体现。当前的大模型在信息处理上表现出色，却缺乏人类特有的共情能力与价值判断，许多AI公司正致力于让产品交互更具人情味，需要来自语言学、心理学等人文学科的视角介入，这正是文科生能够发挥价值的地方。

插图：Evie Zhu

潘潘曾经拿到过“AI人文训练师”的offer，她向本刊解释文科生如何能让AI更有温度：一位用户和AI聊天时说，自己体检的结果不太好，得了胃癌。传统AI会很笨拙、机械地回复：“你得的是癌症，要按时化疗，下面我给你提供一些化疗建议。”人文训练师的作用是告诉AI，“普通人听说别人不幸遭遇时，第一反应是不知所措，再表示同情，而不是突然给出一堆建议”。于是，经过训练的AI会模拟人的思维方式，先打一串省略号表示沉重和犹豫，然后才是“××（用户名字，需调取对话记忆），实在抱歉听到这个消息，如果你需要帮助，我可以给出一些建议”。

28岁的何卉从媒体记者转行到一家大模型公司，专门给AI设计人文题目，训练AI的“人味”。她曾经在公司内部提出，想设计一款能做角色扮演的AI工具，“角色扮演游戏可以很好地观测大模型的模仿能力和情商，它背后是人与人的心理博弈”。

何卉举了一个AI算命的例子。“用户让AI算命时，其实是有心理需求的。AI算得准不准是一回事，能不能体会到用户的潜在心理需求是另一回事。”何卉说，有用户会向AI提问，“我是否会和这个男生复合？”如果用户询问的是一个现实中的算命先生，算命先生会知道，这个问题背后的潜台词是用户希望复合。“为了让客户高兴，可以多给些钱，算命先生就会往‘能复合’这个答案上引导。但不能一下子给出答案，否则客户就不会继续交流了，算命先生还怎么提供建议然后赚钱？所以他不会直说，而是沿着‘复合’这个方向不断抛出问题，引导用户继续对话。”何卉希望能让AI也学会这样的“心机”，更好地揣摩用户的内心。

但算法的同事显然并不认同这个想法。“算法说‘这个改一下system prompt（系统提示词）就行’，而且他们觉得角色扮演的想法很‘泛泛’，看不出AI的什么能力来。”沟通中，何卉显得很弱势，“当技术同事说这个东西没有意义、做不了的时候，我不知道怎么去反驳他”。

《胜券在握》剧照

这大概是基本技术门槛之后，文科生闯AI赛道要面临的第二道关卡：如何让自己的人文思考，能被最终去实现这些思考的技术同事理解和转化？模型性能和数据准确性在这个行业中排在第一位，文科背景从业者在公司内部往往缺乏足够的话语权，他们提出的人文视角与伦理考量虽然被视为重要补充，但在实际决策中常被置于技术指标之后。

今年9月份，何卉被公司裁员了，距离她入职仅过去了10个月。她被裁员的直接原因是公司正在做战略调整，缩减“人文关怀”的投入，把全部资源集中在了技术端。“公司觉得，大模型不需要有哲学思想，只要有基本的人际交往能力就行，但要不断提高技术团队的实力，做一个很聪明的大模型。”另一个原因是，她被自己训练出来的AI淘汰了。何卉说，早期大模型在面对“是否复合”这道题目时，可能连基础事实的回答都会出现错误；她会设计出一份准确、有同理心的答案，包括在某些网站搜索相关知识、如何表达、如何揣摩用户的心思，并将它们设置为得分点，发给大模型学习。随着AI的学习和更迭，她出的题很快就难不倒AI了，“它需要比我水平更高的训练师”。

找到“好答案”

万玉磊是少有的在这个行业里发展相对顺遂的文科生。尤其从今年下半年开始，他频繁接到AI猎头电话，询问他是否寻找新的工作机会，开出的薪资水平是如今的两倍。他最后接受了一家“大厂”的offer，负责大模型的数据团队工作。万玉磊觉得，AI行业对文科生也并非完全严苛，关键还是个人如何在其中自处。“身在这个行业里，向你飞来的信息量会是行外人的好几倍，只要愿意学，成长速度很快。”

以他自己的成长经历为例。最早他以提示词工程师的身份入职，第一个月被安排清洗数据。这是一件只需要耐心就能完成的工作，也是新员工接触大模型最底层预训练过程的机会，“数据是大模型的基础，弄懂数据是做好一切的前提。不能只是机械地清洗，要去思考，某个语义为什么要这么分割？为什么会输出这样的东西？模型需要什么样的数据？”

万玉磊进入人工智能行业两年，已经是行业里的“资深工作者”（蔡小川 摄）

两年时间里，作为提示词工程师，万玉磊的工作方式已经发生了根本性的改变。“以前是人测试模型，现在是用模型测试模型。”

转折点在于DeepSeek-R1等长序列推理模型和思维链技术的出现，AI不再只是简单给出问题的答案，而是逐步分析一个包含多个步骤的复杂问题，就像学生做数学题时不仅要给出答案，还要写出完整的思考步骤和解题过程。

面对这种变化，传统的人工测试方法显得力不从心。“当模型需要完成包含十几个推理步骤的任务时，靠人力去逐条验证效果几乎是不可能的。”万玉磊解释，比如对于一个诊断电网故障的AI模型，工程师要设计能够引导AI完成10多个诊断步骤的复杂提示词：从读取监测数据、识别异常信号，到分析故障类型、评估风险等级，最后给出处理建议。每个步骤都需要精准的指令引导，任何一环的提示词出现问题，都会导致后续推理偏离方向。工程师可能要花费数周时间，才能完整测试一个复杂提示词的所有可能路径。

他学习了自动化技术并引入工作中，也就是所谓的“用模型测试模型”。这套系统的核心是“母提示词”技术，是一种可复用的提示词框架，能够自动生成上千条不同风格的候选指令。这些指令通过精心设计的工作流进行串联，形成一个完整的处理流水线。他们首先需要准备测试集——一套覆盖各种情况的“考题”，以及对应的评估标准。通过“母提示词”自动生成上千条候选指令，再由专门的评估系统对这些指令进行批量测试和打分。

《凡人歌》剧照

万玉磊举例，他们曾经与心理咨询领域的专家合作研发一款大模型，用来帮助有抑郁症但不愿意和医生沟通的患者。在设计这款AI工具时，他们会先用“母提示词”生成不同版本的分析指令，比如“请分析用户的情绪状态”“请识别用户话语中的抑郁倾向”等。随后，这些指令会被送入自动化评估系统，该系统包含了大量心理学领域的专业知识，以及专业心理咨询师设定的多个评估维度，不仅要准确识别抑郁症状，还要考量回应的共情程度、安全性，以及是否避免了可能引发负面情绪的表述。最后，评估系统会让AI模型用这些不同的指令去处理测试多个场景，并根据预设标准自动打分，最终筛选出表现最好的那个指令版本。

自动化测试中，评估标准的制定是最关键的。“定义什么是‘好的答案’是最具有挑战性的环节。”万玉磊说，写提示词是试图找到通往“好答案”的路径。而定义“好答案”是在明确“目的地”究竟在哪里——如果目的地搞错了，路径设计得再精巧，也是南辕北辙。

要定义“好”的回答，需要出色的审美能力和对语言的细腻把握，这正是文科生在长期积淀中形成的能力。他们经过系统的文学训练，培养出对文字韵律、情感张力和文化内涵的敏锐感知；通过哲学思辨，建立起审视价值与伦理的深层视角。这种人文素养使他们能够超越技术指标，评判内容的质量与温度。

万玉磊对人文领域一直很感兴趣，本科期间，他将大把的时间花在阅读上，范围涵盖网络小说、经典文学与当代文艺作品。他还常看CCTV10的《探索·发现》节目，其中关于考古的内容让他尤其着迷，直接影响了他在考研时选择中国古代史。

《月光变奏曲》剧照

读研时，万玉磊的具体研究方向是历史上少数民族的生存踪迹，不仅需要阅读大量的古籍文献，还要实地考古，曾经跟着老师从西安一路出发，翻越草原、帕米尔高原，到达乌兹别克斯坦，一路追寻大月氏的踪迹。“这是我生命里不可多得的体验，我看过的书、做过的田野调查，提升的是人对事物的判断和审美。一个人只有看过《圣经》，知道里面的典故，才能理解《罪与罚》里男主角在索尼娅脚下跪下忏悔，望向大地那一刻的含义。”这些能力恰恰成为他如今能够定义AI“好回答”的标尺。

“技术是基础，但不是全部”，万玉磊觉得，要进入AI行业，文科生首先需要掌握基础技术知识，理解AI的工作原理，但这恰恰是为了更好地释放自身优势。“真正稀缺的是能将人文思考与技术创新结合的能力。当你不再被技术门槛阻挡，过往积累的审美判断、文化理解和共情能力就会成为独特优势。”

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！