体验是技术含量很高进步很大，虽然业务核心代码没啥注释，但用的都是比较先进的工程框架，靠着GPT老师一个个接口学，硬啃学会了分布式训练框架、推理框架，各种类型的微调……选择了小厂继续做rag，不过这边有agent开发内容，学会了langchain那些框架，有一说一感觉没啥用，自己也能写，纯应用层包装，门槛特低。小公司or普通研究院，非常一般。海面了好几家公司，靠以前的课题项目和pku一个研究院切合，

LoRA, 大模型微调, 轻量化训练, QLoRA, PEFT, 深度学习。

从2024年底DeepSeek"诺曼底登陆"以来，2025年开源和闭源模型迭代速度和开源质量远超以往几年。经常会遇到当T时刻在领域benchmark上优化到SOTA之后，T+1时刻有更优的通用模型公布，在领域benchmark指标反而比你专门优化的领域大模型更好。经历过几轮类似事件后，理解到做领域大模型的本质其实是产出一套稳健的训练方案Training-Recipe。即不管通用SOTA模型如何变化

3.后来读研一年多，潜修内功，学了vLLM，peft之类的训练框架，做了几个横向课题，对简单业务熟练了。选择了小厂继续做rag，不过这边有agent开发内容，学会了langchain那些框架，有一说一感觉没啥用，自己也能写，纯应用层包装，门槛特低。总结：互联网中厂大厂，尤其是给你权限给你机器玩的，去，提升极大。小公司or普通研究院，非常一般。海面了好几家公司，靠以前的课题项目和pku一个研究院切合

从2024年底DeepSeek"诺曼底登陆"以来，2025年开源和闭源模型迭代速度和开源质量远超以往几年。经常会遇到当T时刻在领域benchmark上优化到SOTA之后，T+1时刻有更优的通用模型公布，在领域benchmark指标反而比你专门优化的领域大模型更好。经历过几轮类似事件后，理解到做领域大模型的本质其实是产出一套稳健的训练方案Training-Recipe。即不管通用SOTA模型如何变化

深度学习是后续学习自然语言处理，强化学习，计算机视觉等细分领域的基础，深度学习的应用也非常广泛，各个学科都会涉及，所以建议大家掌握基本的深度学习理论知识深度学习的理论可能会比机器学习更复杂一点，因为其中的数据流向是一个比较困难的点，很多同学学了很久都搞不清楚每个模块输入和输出的数据shape和类型这一期主要是给大家推荐一个深度学习理论教程：可以按照下面的学习计划来学习，总共六周的计划安排下面是具体

钱景”是肯定有的，重点是怎么拿到offer。现在这行正处于爆发期，月薪3-4w很常见，搞得好年薪80万往上都有可能，大量高薪酬待遇岗都在招，我们这种中小厂都能给到40w税后。如果实在没啥项目经验，可以看看知乎知学堂的AILLM开发课，最为讲的就是ai agent的应用开发，除了模型调用、对接、搭建外，还有很多「实战项目」拆解，自己做完可以写到简历里，求职面试的时候也不虚。

这些实际上更像工程难题，公司愿意给30k月薪的原因就在这里，Agent研发不是玩具技能人，是能把玩具变成生产力的人。这环节最直接有效的策略就是跟着项目完整走一遍，如果你无从下手，趁着有大佬带队，你直接跟着做就行。我就是跟着这个「Agent 从入门到实战」学的，技能大佬带你手搓企业级项目全流程，手把手带你做出一个能用的Agent架构，简历项目阅历就有了。

这些实际上更像工程难题，公司愿意给30k月薪的原因就在这里，Agent研发不是玩具技能人，是能把玩具变成生产力的人。这环节最直接有效的策略就是跟着项目完整走一遍，如果你无从下手，趁着有大佬带队，你直接跟着做就行。我就是跟着这个「Agent 从入门到实战」学的，技能大佬带你手搓企业级项目全流程，手把手带你做出一个能用的Agent架构，简历项目阅历就有了。

那具体该怎么干呢？不是画大饼，现在市场就是这个价格，好的ai agent开发公司都是抢着要的，由于懂这个的人太少了，而想用这个技术的公司又太多了。我们公司就有一个二本毕业的同学，由于技术牛又懂业务，现在一个月四万多，去年年终奖就几十万。再往上走，如果你能成为公司的技术大拿，负责设计整个公司的AI平台，那你一年的收入就是百万甚至两百万起步了。