你可能正卡在这个节点：培训班说缺口大，招聘页却要求一堆没听过的东西；投了几家没回音，也说不清是简历问题还是方向问题。这篇不喊口号，只给一套自查顺序——先分清岗位类型，再对照能力清单找缺口，最后用能跑起来的东西把差距补上。判断标准都写了不适用的情况，别硬套。
你可能正卡在这个节点：培训班说缺口大，招聘页却要求一堆没听过的东西；投了几家没回音，也说不清是简历问题还是方向问题。这篇不喊口号，只给一套自查顺序——先分清岗位类型，再对照能力清单找缺口，最后用能跑起来的东西把差距补上。
需要提前说明的是，判断标准都写了不适用的情况，别硬套。别人说「好就业」的时候，往下问一句：招的是哪类岗、在哪个城市、要求什么经验，答案往往跟你的处境差很远。
先分清「大模型应用开发」到底指哪几类岗
同一个词在不同公司里干的活差得远。有人整天在调检索链路和提示，有人大部分时间在写接口和兜底逻辑，还有人主要做部署和推理优化。不先分类，对照能力清单就是白对。
| 岗位类型 | 日常在做什么 | 常见雇主 |
|---|---|---|
| 接口集成与业务落地 | 把模型能力接进已有产品，处理超时、重试、流式返回 | 做自有产品的团队、企业信息化部门 |
| 提示与检索链路调优 | 组织提示、搭检索增强、解析结构化输出 | 做 AI 功能的初创、垂直场景产品 |
| 评测与数据回流 | 搭评测集、看效果波动、把坏例子收回改进 | 有一定规模、开始在意效果稳定的团队 |
| 部署与推理性能 | 管并发、延迟、成本，做压测和资源调度 | 平台团队、算力相关团队 |
- 按工作内容分类只是第一刀，四类岗要求差别很大，别用一份简历投全部
- 按雇主分类同样重要：自研产品团队要能独立跑通全流程，外包与集成商要能快速交付、扛住客户改需求
- 自查动作：把最近看过的十份 JD 按上面分类打标，看哪一类占比高，再决定主攻方向
- 不适用的情况：只投「大模型算法工程师」的人，这篇讲的是应用侧，模型训练岗要另看训练与微调那条线
用一张能力清单找出自己的真实缺口
找缺口比补全更省时间。下面按从入场券到加分项的顺序排，跳步最容易被面试问穿：先确认接口层能跑通，再补检索与评测，最后补部署与并发。
- 底层功
- 会调 API、懂上下文与 token 预算、能处理超时重试和流式输出，这些是入场券而不是加分项
- 中间层
- 检索增强、提示组织、结构化输出解析、评测集搭建，决定你能不能把效果稳定住而不是靠运气
- 工程侧
- 版本管理、日志与成本记录、把 demo 变成能长期跑的服务，这部分最容易被自学者忽略
- 第一步 确认接口层自己写一个最小的调用脚本，跑通同步与流式两种返回。验证方式：断网、错误参数、超长输入三种情况都能给出可读的报错而不是崩掉
- 第二步 补检索与评测准备二十条左右真实问题当小评测集。验证方式：改动前后各跑一遍，能说清哪几条变好、哪几条变差，而不是只凭感觉
- 第三步 补部署与并发把项目放到能对外访问的环境，模拟多人同时用。验证方式：到 /tools/speed-test 这类站内实测页看延迟和失败率，能不能说出口
不适用的情况也要说清：如果你已经有几年后端经验，前两步基本是既有技能的小改，重点应放在评测和成本控制上，从零再撸一遍接口反而浪费时间。
拿什么证明你会，而不是「学过」
招聘方看不出你上过什么课，只看得见你做出来的东西。一个能演示的小项目胜过一堆课程证书，重点不是功能多，而是它有真实输入、有失败处理、有你自己的评测结论。
- 有真实输入：哪怕是通用场景，比如给一家 5 人小团队做会议记录整理，也比纯问答 demo 可信
- 有失败处理：接口挂了、返回格式不对时怎么办，写在项目说明里
- 有评测结论：说清用什么标准判断效果变好了，改动前后差别在哪
- 不适用的情况：目标是进大厂平台团队时，项目深度要够，玩具项目反而减分，这时优先补系统设计与性能相关的经历
简历里写清三件事就够了：解决什么场景、遇到什么坑、用什么方法判断效果变好了。这三句比「精通」有用得多。数字部分不要凭记忆写，去 /price-watch 和站内实测页核对当时的成本与延迟，再决定要不要写进简历。
发展路径怎么选，以及哪些预期要放低
大致分两条路线，选哪条看你更愿意靠近哪一端：一种是业务应用方向，靠近产品和场景，转岗面宽；另一种是工程与推理方向，靠近性能和成本，门槛高但替代性低。两条路早期可以都碰，但别长期两头都不深。
- 风险点：工具和框架迭代快，只记操作步骤的技能会贬值，能讲清原理和取舍的才保值
- 风险点：应用侧岗位对「能交付」的要求高，光会写提示不算优势，能接进业务系统才算
- 不适用的情况：所在城市相关岗位极少时，纯靠远程投递成功率有限，要先看本地招聘密度再决定投入多少
- 下一步动作：把目标岗位的 JD 存下来，隔一段时间回看一遍，观察要求是在往应用侧还是往底层漂
至于薪酬和需求量的具体数字，别听转述，直接到 /rankings 看当时整理的公开信息，再结合自己的城市和经验判断，而不是拿一个全国平均值套自己。
下一步先花半小时把最近的 JD 按四类岗打标，记下自己缺的那一块，再去核对实际数据，比继续刷课程有用。→常见问题
没有算法背景，转大模型应用开发现实吗？
现实，但要挑对入口。应用侧更看重能不能把接口、检索和评测串起来跑通，数学门槛比训练岗低。判断自己适不适合，先做一个小项目从调用到上线走一遍，走得下来再谈转行；走不下来就先补工程基础，别急着报班。
这个方向需求会一直涨吗？
没人能给保证。能确认的是：企业在上 AI 功能这件事还在持续，但岗位形态会变，从「会调接口」往「会用得省、跑得稳」倾斜。想降低风险，就把能力押在可迁移的部分——评测方法、成本意识、工程习惯，这些换个平台照样用。
该先学框架还是先学原理？
两个都别偏。只学框架，换个版本就懵；只学原理，做不出能演示的东西。务实顺序是：先能用 API 做出一个小功能，再回头补上下文、检索、量化这些概念，边做边补，比先啃完理论再动手快得多。
