字节跳动社招数据：AI/大模型岗位占比34.6%！收藏这份岗位分类指南，小白也能进大厂学大模型！

字节跳动最新社招数据显示，AI/大模型相关岗位占比高达34.6%，远超传统研发岗位。文章详细介绍了大模型算法岗、大模型开发/Agent工程师和AI Infra工程师三个方向，并建议CodeTop新增AI相关岗位分类，欢迎相关方向的同学分享面试题目。

最近我扒了一份字节跳动官网最新的社招研发岗位数据，
一共 5346 个岗位，
跟 AI / 大模型沾边的岗位有 1852 个，
占到了整整 34.6%，

也就是说，差不多每三个研发岗里，
就有一个是 AI/LLM/agent 相关的。
把传统的「前端」「客户端」「后端」都甩在了后面…
这些岗位名字很杂，
说实话，我都有点懵，感觉太多了…
岗位名字也很很多都有相近，
可能是因为这几年新发展的方向，
很多工作的边界线还没那么清晰。
我按照我的理解大概捋一捋，
如果有错误，恳请大佬指出。

一、大模型算法岗

简单说就分两种：一种造模型，一种用模型。
造模型的，就是大家常听到的预训练、基座模型那拨人。
这活儿烧钱烧卡，动不动就是上千张卡一起跑，
对论文和学历的要求较高。
用模型的，是大多数算法工程师最后会去的地方。
哪个行业都能塞——金融、医疗、客服、营销，
目标就一个：把大模型真正落到业务里、让它好用。

二、大模型开发 / Agent 工程师

我理解这个岗位就是造Claude Code或者其他的agent工具的人，
Agent = Model + Harness，
Model是由岗位一的算法团队负责的，
而这个岗位就是负责 Harness，
怎么使用算法，负责让模型稳定、高效地工作。
由于不需要涉及具体算法，
最近一两年很多传统的开发岗会转到这个岗位上。

三、AI Infra 工程师

负责搭建和优化 AI 系统的底层基础设施，
让训练、推理能又快又稳地跑起来。
包括算子开发，训推框架加速等方向，
这块门槛偏高，偏底层，
可以学习vllm 或 sglang 的源码。

目前我了解的就这三个方向～
说回正题。
从CodeTop诞生起，
就是后端、前端、算法、测试这些岗位。
现在 AI 岗位几乎是招人最多的，
也是目前看比传统的岗位更有前景的，
所以我准备给 codetop 新增个AI相关的岗位分类：

• 大模型/AI infra/Agent开发
  无论面的是算法还是开发，
  只要是这类方向的，
  欢迎大家选择这个岗位爆料题目！！！

  最后

如果说程序员已经是高薪职业，那么干AI的程序员，就是高薪中的高薪。

现在的市场，已经用数据给程序员指明了方向：学AI大模型，就是冲刺高薪的最优解！

看着身边越来越多的同行转型大模型、拿到高薪offer，很多人心里都动了心，但真正的难题来了：零基础小白不知道从哪入门？有基础的程序员找不到系统学习路径？实战项目练手无门？面试不知道考什么？

别慌！今天就给大家整理了一份【2026年最新版】AI大模型免费学习资源包，覆盖从入门到实战、从理论到面试、从基础到进阶的全流程，所有资料均已整理归档，无冗余、无套路，免费分享给每一位想抓住AI风口的程序员和小白！

👇👇扫码免费领取全部内容👇👇

1、大模型系统化学习路线

2、大模型学习书籍&文档

3、AI大模型最新行业报告

4、大模型项目实战&配套源码

5、大模型大厂面试真题

四阶段精细化学习规划（附时间节点，可直接照做）

结合上述资源，给大家整理了一份可直接落地的四阶段学习规划，总时长约2个月，小白可循序渐进，程序员可根据自身基础调整节奏，高效掌握大模型核心能力，快速实现从“入门”到“能落地、能面试”的跨越。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

👇👇扫码免费领取全部内容👇👇

6、这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】