招聘会转了三圈，没有一个摊位招 .NET

国展中心三楼，我把两百多个摊位看了两遍

去年三月，天津国展中心，春季综合招聘会。我特意请了一天假，穿了件不显旧的衬衫，简历印了三十份，装在牛皮纸袋里。

三楼整层，两百多个摊位，我从 A 区走到 F 区，又走回来，怕漏了，再走一遍。Java、前端、测试、实施、销售，什么都有。招 .NET 的，零。

不死心，挑了家看着像软件公司的摊位问。招聘的姑娘挺客气："我们后端只要 Java，您这个……C#？哦，那您会 Java 吗？"我说没做过。“那没办法了，技术栈不匹配。”

另一家做政企项目的摊位，负责招聘的大姐扫了眼简历："三十四了？我们这个岗要经常出差驻场，你家里……"她没说完，把简历递回来了。纸袋里的三十份简历，那天发出去两份，一份被当场还回来了。

回家的地铁上，我数了数，从国展中心到家十四站。想了十四站，没想明白一件事：我写了九年 .NET，怎么在这座城市就成了不存在的技术栈？

.NET 在天津意味着什么

我三十四，在一家给制造业做信息化的公司干 MES 系统，车间生产执行那一套：工单、报工、追溯、设备数据。技术栈是 .NET 全家桶，C#、WPF、SQL Server，干了九年，从程序员干到项目组长。

在天津，.NET 的活路基本就三条：制造业信息化、医院系统、外企。这两年外企研发中心撤的撤、缩的缩，医院项目回款慢得吓人，只剩制造业还在转，但利润薄，公司两年没普涨过工资。年初老板在全员会上说得倒也坦白："今年目标就一个字，活。谁能给公司找来新钱，谁就是我亲哥。"底下没人笑得出来。

组里年轻人走了三个，走的都去北京了，一个转了 Java，一个干脆转了售前。走之前有个小伙子劝我："哥，你也转吧，C# 这东西，除了咱们这行，外面没人认了。"我说我三十四了，拖家带口，转不动了。他那个眼神我到现在还记得，像看一个认命的人。

我走不了。孩子上小学三年级，老人身体不好，房贷还有十七年。这座城市走不出去，这座城市里又没有我的摊位——这是我去年最真实的处境。

转机出在车间，不在招聘软件

四月，我们去给老客户——一家做汽车零部件的工厂——做季度巡检。生产例会上，厂长当着我们的面发火，不是冲我们，是冲他自己的报表。

原话我记得很清楚：“我就想问一句，上个月三号线为什么停了两次、损失多少产量——这么点事，IT 说要取数，计划员说要对表，三天了，没人给我一个数！”

会议室没人接话。MES 里明明什么数据都有，停机记录、产量数据、设备报警，全在 SQL Server 里躺着。但要回答厂长这个问题，得有人懂表结构、会写查询、再把几个表对到一起。全厂两千人，能干这个的不超过五个，还都排满了活。

回程的高铁上我一直在想这件事。数据都在，问题都是人话，中间隔着一层 SQL。这层 SQL，不就是大模型最擅长填的缝吗？

六周，把厂长的问题变成一个对话框

回公司我跟老板提了想法：给 MES 加一个"问数助手"，管理层用大白话提问，系统自动查数、生成答案。

技术选型上，.NET 这次反而成了优势。微软自家的 Semantic Kernel 就是给 C# 写的 AI 编排框架，NuGet 一装，和现有系统无缝集成，不用换语言、不用搭新平台。思路分两块：把常用报表口径、表结构说明、指标定义做成知识库，用 RAG 的方式让模型先搞懂"产量""停机时长"在这家工厂的具体口径；再通过 Semantic Kernel 的函数调用能力，把取数查询封装成工具，模型把"上个月三号线停机几次"翻译成参数化查询，执行完再用人话组织答案。所有查询走预定义的只读接口，带权限校验——厂长能问的，和车间主任能问的，不是一回事。

这里也说句实在话：整个项目没碰任何模型训练，一行都不用。选模型、调参数是算法岗的事；把现成的模型接进你的业务系统，让它守规矩地干活，是我们应用开发的事。别被"AI"俩字唬住。

中间踩的坑也记一笔。最头疼的是"口径对齐"：厂长说的"产量"是入库数，生产部长说的"产量"是报工数，两个数差百分之八，模型按表结构取的是报工数，厂长一看就说不对。这种坑，不写业务的人根本想象不到。最后我把厂里各部门对十七个核心指标的叫法和口径整理成了一份对照文档喂给知识库，又加了层确认机制——涉及指标计算，答案底下必须标明取数口径，谁质疑，点一下能看到完整的取数逻辑。这个设计后来被厂长夸了一句"比人做得细"。

六周做完，前后就我一个人，外加测试姑娘帮我点了两周。

拍板那天，厂长自己问了三个问题

交付演示还是在那个会议室，还是那位厂长。他没让我们照着 PPT 讲，直接走到电脑前，自己敲了三个问题。

第一个：“上个月三号线停机几次，分别什么原因，各损失多少产量。”

十几秒，答案出来了，停机两次，一次换模超时、一次液压故障，损失产量精确到件，底下还附了明细表。厂长扭头看生产部长，部长翻自己的本子对了半天，说：“数对得上。”

第二个问题："一季度哪个班组的报工及时率最差。"答了。第三个："照这个月的排产，哪台设备最可能成为瓶颈。"答了，还给了依据。

厂长在电脑前站了大概半分钟，回头跟我们老板说了句：“这个东西，报价吧。”

回公司的车上，老板一路没说话，快到的时候突然开口："你年初听见我说的话了吧，谁能找来新钱谁是亲哥。"他顿了顿，“这玩意儿别当定制项目做了，做成模块，咱手里四十多家工厂客户，一家家卖。”

后来的事顺理成章：问数助手成了公司 MES 产品的标准选配模块，半年卖出去七套。老板兑现了那句话的分量——我牵头成立了 AI 应用组，职责从"带项目"变成"带方向"，薪资调了一次，幅度我没细算，反正孩子明年的兴趣班费用有着落了。

一个对照：老季的提醒

转 Java 的那个前同事老季，前阵回来办事，聊起这事。他在北京一家互联网公司，薪资确实高我一截，但他说了句实话：“你这步走得巧。我转了 Java，是把自己扔进人最多的池子里；你没转，是把 AI 塞进了没人跟你抢的池子里。”

他说得比我明白。

这次转型教会我的事

招聘会那天我难受，是因为我把"市场要什么"理解成了"市场要什么语言的程序员"。这个理解本身就是错的。工厂厂长不知道什么是 .NET，也不知道什么是大模型，他只知道"问一句话三天没人答"这件事让他发火。谁能把三天变成十几秒，他就给谁付钱。

客户要的是答案，不是你的技术栈。技术栈是你干活的家伙，不是卖钱的商品。我差点因为"天津没有 .NET 摊位"就把九年的家伙什全扔了，去学一门新语言，从零开始和应届生排同一个队。那才叫真的亏。

还有一点：冷门生态的好处，现在我才尝到。Java 那边做 AI 应用，一个需求十家公司抢；制造业信息化这边，懂 MES 又懂 Semantic Kernel 的，全天津掰着手指头数得过来。护城河不一定修在大城市，有时候就修在别人看不上的角落里。

现在我的 title 变成了"AI 应用方向负责人"，带的还是原来那几个人，干的还是制造业，只是客户名单在变长。

写 .NET 的朋友，你们还在坚持吗，还是已经转了？评论区聊聊。

想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2026 年AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！

👇👇扫码免费领取全部内容👇👇

​

一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势

想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：

1. 100+本大模型方向电子书

2. 26 份行业研究报告：覆盖多领域实践与趋势

报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：

• 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
• 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
• 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
• 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。

3. 600+套技术大会 PPT：听行业大咖讲实战

PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：

• 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
• 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
• 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
• 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。

二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走

想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！

1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位

面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：

2. 102 道 AI 大模型真题：直击大模型核心考点

针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：

3. 97 道 LLMs 真题：聚焦大型语言模型高频问题

专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：

三、路线必明： AI 大模型学习路线图，1 张图理清核心内容

刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！

路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。

L1阶段:启航篇丨极速破界AI新时代

L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。

L2阶段：攻坚篇丨RAG开发实战工坊

L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。

L3阶段：跃迁篇丨Agent智能体架构设计

L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。

L4阶段：精进篇丨模型微调与私有化部署

L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。

L5阶段：专题集丨特训篇 【录播课】

四、资料领取：全套内容免费抱走，学 AI 不用再找第二份

不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：

👇👇扫码免费领取全部内容👇👇

​

2026 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！