当前位置: 首页 > news >正文

AI浪潮来袭:小白程序员必备!掌握AI合作,收藏这篇求职AI+岗位指南

AI已融入企业工作,提升效率的同时也带来焦虑。AI技能成为面试硬通货,懂AI的岗位薪资更高。AI改变招聘标准,销售、资源整合能力与AI使用能力并重。AI无法替代核心人工,但会冲击初级岗位,同时催生AI+硬件、算法等新岗位需求。职场人需学会与AI合作,提升综合技能,才能在AI时代脱颖而出。

“AI全民化”带来便捷的同时,也带来了焦虑。

AI已融入企业的日常工作中,对于很多打工人来说,使用AI提高了效率,减少了很多琐碎工作的执行。不仅如此,AI+岗位迎来增量爆发,造就了庞大的新就业市场,不少人都跃跃欲试,想进入AI领域施展拳脚。

但硬币的另一面是,岗位需求变化、招聘标准改变,AI也让打工人人压力倍增,工作方式的更新倒逼着员工不断学习越来越复杂的新技术,职场氛围越来越卷。

在AI热潮中,学会与AI合作成了打工人新的“生存之道”。

“不会养虾的直接淘汰”,

AI成面试硬通货

AI对打工人的影响,已经体现在了面试标准上。

一位猎头告诉Tech星球,她在对接一家科技类企业的时候,发现会“养虾”变成了通过面试的硬性条件,不会的就直接淘汰。对于科技类公司和互联网大厂的AI+岗位来说,他们更倾向于招聘AI相关专业的毕业生或者具有AI技术实操经验的人,这些岗位需要的是AI精专人员。

不仅AI研发运营岗,一些大厂的普通职能岗也开始跟进前沿技术。一位小红书博主在平台上自述,她所在的公司最近开了AI动员大会,所有人都要写自己的工作流以及AI提效的部分,介入的点及替代程度,每个人都要安装龙虾,开始采购Token让大家训练,每周的周报也都要包含AI内容和使用方法。

但一般情况下,普通职能岗不会要求员工对AI有太深入的技术理解,不过使用AI工具已经成为了打工人必备的基础能力。

一位求职者在社交平台上自述,她面试某互联网大厂产品经理时时,开场问题就是“你目前常用的AI工具有哪些”,在之后还针对其具体业务问到“如果你负责某社区,你觉得AI技术能带来哪些改进”,一方面要考察求职者对前沿技术的关注度,另一方面则是考察求职者能否将AI技术和具体业务结合起来。

一位HR告诉Tech星球,近两年开始,越来越多的业务部门开始要求AI能力,最近在与业务部门沟通职位描述时,所有部门都加入了会使用AI工具这一条。

对应届生来说,AI使用能力也能给求职面试加分,但需要注意场景和技巧。一位做校招的资深HR告诉Tech星球,对于应届生来说,用AI做的岗位有关的作品集更容易在应聘过程中多一个加分项,他接触到的学生里,只要能拿出一个作品,哪怕只是用AI跑了一个demo,都容易让人眼前一亮,收到中小企业的offer概率也会更高。

但需要注意就是,很多人用AI改简历变成了用AI编简历,简历一旦作假,基本就是直接淘汰。最实用的可以用AI基于个人事实进行完善简历,结合JD和自己简历进行面试模拟练习,让自己借助AI做到“知己知彼”多一些,求职就会更从容些。

目前看来,AI使用能力明显影响着薪资水平。以互联网大厂的产品经理为例,在脉脉等招聘软件上可以看到,一般情况下,不要求AI使用能力的岗位月薪通常在15-40k左右,极少一些能够达到50k,15k到30k之间最多;要求AI能力的岗位月薪通常在25k到50k之间;而大模型产品经理月薪通常在在40k到75k之间。

AI改变招聘选人标准

AI的广泛使用已经影响了部分行业的选人标准,与内容创意相关的工作岗位,开始更加注重员工的销售和整合资源能力。

一位广告设计行业从业者告诉Tech星球,AI被普遍运用在工作中后,他们的招聘标准发生了很大变化。

他们的日常工作分为两部分,一部分是销售工作,包含拉赞助、找商务、拓展渠道等;另一部分是创意设计工作。在两年前,优秀的广告设计能力是他们招聘时最看重的条件,而销售能力和资源是附加项。

但由于现在创意设计工作的大部分执行过程都可以交给AI,销售和统筹资源的能力,反而成为了最无法被替代的工作内容。因此,他们现在的招聘标准从作品集质量权重最高,变成销售能力和资源持有几乎与专业能力权重持平。

上述从业者告诉Tech星球,他们在设计工作中需要做的事情主要就是训练AI、挑选AI和内容校准。

“我们一般会采用四五个AI 同时跑创意,最后进行创意整合,再根据客户的具体要求以及公司风格进行调整。”上述从业者告诉Tech星球,对于这个行业来说,使用AI的方式较为简单,只需进行培训,小白也可迅速上手,公司则会为新入职的员工安排为期五天的AI培训。

这种改变的隐患也不小。过度依赖AI往往会让人产生惰性,有经验的从业者可以把AI变成工具,但不少行业新人或在校生从一开始就接触到这样的模式,难免会忽略基础技能的构筑,若基础打得不够扎实,只会依靠AI来做机械性工作,对最终产出的内容就无法进行准确筛选。

因此,标准的改变不代表对专业能力要求的松懈,而是在此基础上要求得更多。

一位程序员在社交平台自述,这两年有AI帮忙,写代码确实方便了。但是突然变成了需要所有人都会vibe coding(氛围编程),原来学的语言都要改成另一种语言,领导觉得什么都能做了,谁都能做了,那么就越来越卷,只能会得更多,才不会被其他岗位的人替代。

面对AI浪潮,一位HR告诉Tech星球,现在的企业需要更多的是一专多能人才,对于一些日常工作来说,个人只要能做到70%-80%的标准就可以,通过AI可以把这些工作实现到比较精专的程度,所以在实际的招聘市场中,能做多种工作的人更受青睐,即求职成功的概率往往更高。

以其自身工作为例,在实际工作中,除了要有专业相关的能力,如果还对运营知识有了解,还对还有销售能力并自带渠道资源,往往就更受企业青睐,在人力资源领域的校园招聘中,企业就会希望HR有院校关系。

但并不是所有企业都会马上拥抱AI,进行全面转型。上述HR告诉Tech星球,对于一些中小企业来说,由于懂技术和业务的人才缺少、创新的ROI和员工的不安全感,AI相关新业务的试错风险还是比较高的。目前来说市场行情还不是那么明朗,没有看到哪一家AI+的业务马上就产生了很高的收益,而且即便有,往往需要满足组织、资金、业务和关键人才等多个条件。

前端员工缩减七倍,

AI能代替人工吗?

AI代替人工的危机感一直存在,解除危机的方式是学会与AI合作。

一位猎头告诉Tech星球,AI会代替一部分重复性的、不需依靠经验的的工作,但总体来说,AI在企业里更多是用来提效的,无法真正代替人工。

以猎头自己的工作为例,像简历初筛等繁琐的基础工作,已经可以完全用AI操作,Minimax现在有招聘软件,这些工作完全可以让龙虾自己去跑,不仅能够更有效率地分析数据、呈现数据,还能系统化管理求职者信息。

但获取信息后的对接工作才是真正的核心任务。如何与客户建立信任,如何与求职者和企业HR进行关系维护最终达成合作,这些后续“与人相关”的复杂工作是无法被AI代替的。

AI更像是一个记忆力强、知识储备全面的员工,但它无法考虑现实因素,也很难了解项目的全貌。“现在很多公司会用AI去写代码,即便如此还是需要人去盯着的,因为它没有那么百分百正确,无法真正验证这个组合起来的代码逻辑是否闭环,容易在一些关键节点的选择上出错”,上述猎头说。

但AI带来的效率提升,还是让不同岗位的需求量发生了巨变。

一些岗位的裁员在持续发生。一位信息公司的员工告诉Tech星球,他们以前大概有七八个前端,而自从该岗位普遍使用AI后,工作效率大幅度提升,如今只剩一个了,且未来两年内估计,如果业务没有大幅度增长,都不太会考虑新增人员。

一位HR告诉Tech星球,他之前做的主要是零售类和电商类的公司。这类公司属于业务导向,但又和技术息息相关,拥抱AI的速度比纯技术公司慢,但比大多数传统行业也是快了不少。尤其是针对AI 能力特别擅长相关的岗位,或者更具体说是任务,如果不是该领域专家级别的人,在业务完成度上已经很难和AI进行PK了,人员需求已经开始缩水,减员估计也是必然趋势。比如,电商领域的选品和卖点提炼,以前靠有经验的员工人工操作,如今借助AI可以成倍提升效率和质量,远超岗位新手的效果。

受到更大冲击的则是初级岗位。对于职场新人来说,很多岗位的实习岗位需求量明显降低了。一位HR告诉Tech星球,行业招聘群内部跟以前相比,发的需求越来越少,以HR工作为例,他们的基础工作可以用AI解决50-70%,已经有很多公司不再招聘HR实习生,这背后离不开AI的“有效补位”。

但与此同时,AI也让一些岗位需求量暴增。

一位猎头告诉Tech星球,现在AI+硬件交叉岗位迎来增量爆发,比如嵌入式、架构师、具身硬件,这些岗位几乎所有互联网公司都在做。算法岗位也在大幅度增加,除了需要用代码实现功能、构建系统的后端开发工程师 ,企业开始重视“定义和解决问题”的算法工程师。

因此,除了精进AI素养,打工人还需要掌握更多技能,只有“不止于专业能力”,才能在人才市场脱颖而出。

如何学习大模型 AI ?

由于新岗位的生产效率,要优于被取代岗位的生产效率,所以实际上整个社会的生产效率是提升的。

但是具体到个人,只能说是:

“最先掌握AI的人,将会比较晚掌握AI的人有竞争优势”。

这句话,放在计算机、互联网、移动互联网的开局时期,都是一样的道理。

我在一线互联网企业工作十余年里,指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家,也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑,所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限,很多互联网行业朋友无法获得正确的资料得到学习提升,故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

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

为什么要学习大模型?

我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年,人才缺口已超百万,凸显培养不足。随着AI技术飞速发展,预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。

大模型入门到实战全套学习大礼包

1、大模型系统化学习路线

作为学习AI大模型技术的新手,方向至关重要。 正确的学习路线可以为你节省时间,少走弯路;方向不对,努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划,带你从零基础入门到精通!


2、大模型学习书籍&文档

学习AI大模型离不开书籍文档,我精选了一系列大模型技术的书籍和学习文档(电子版),它们由领域内的顶尖专家撰写,内容全面、深入、详尽,为你学习大模型提供坚实的理论基础。

3、AI大模型最新行业报告

2025最新行业报告,针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估,以了解哪些行业更适合引入大模型的技术和应用,以及在哪些方面可以发挥大模型的优势。

4、大模型项目实战&配套源码

学以致用,在项目实战中检验和巩固你所学到的知识,同时为你找工作就业和职业发展打下坚实的基础。

5、大模型大厂面试真题

面试不仅是技术的较量,更需要充分的准备。在你已经掌握了大模型技术之后,就需要开始准备面试,我精心整理了一份大模型面试题库,涵盖当前面试中可能遇到的各种技术问题,让你在面试中游刃有余

适用人群

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

学习是一个过程,只要学习就会有挑战。天道酬勤,你越努力,就会成为越优秀的自己。

如果你能在15天内完成所有的任务,那你堪称天才。然而,如果你能完成 60-70% 的内容,你就已经开始具备成为一名大模型 AI 的正确特征了。

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

http://www.jsqmd.com/news/763639/

相关文章:

  • Android Studio 升级后编译报错?手把手教你解决 minCompileSdk 版本冲突(以 appcompat 1.4.1 为例)
  • 使用 Python 快速接入 Taotoken 并调用多模型服务
  • leetcode做题
  • AI命令行工具进程监控与通知系统:提升开发效率的智能外挂
  • 麦克斯韦方程组:电磁场理论的基石与工程应用
  • 终极FF14国际服汉化指南:3分钟实现全中文界面体验
  • 二进制报警器 学习笔记
  • 新手必看:TMS320F280049最小系统板DIY,从选型到电源设计的保姆级避坑指南
  • 2026 年 5 月国内外在线浊度仪十大品牌排名 - 仪表人小余
  • AI建站工具全流程指南:零基础如何从0到1搭建个人品牌网站
  • 用PyTorch手把手教你实现LoRA:从Linear到ConvLoRA的完整代码解析
  • 数学建模小白避坑指南:线性规划建模常见5大误区及Matlab的linprog函数正确打开方式
  • 为内部知识库问答系统集成Taotoken提供的多模型能力
  • 基于GPT的终端AI助手开发:从原理到工程实践
  • free-fs BOPLA VULNs Report
  • 从Matlab仿真到嵌入式C代码:雷达CFAR加速核的实战配置与参数调优指南
  • 【边缘AI场景Docker调优白皮书】:基于Raspberry Pi 5/JeVois-Bin/NVIDIA Jetson实测数据的12项关键参数配置清单
  • 音频重采样(Audio Resampling)实现指南
  • 别再一个个部署模型了!用Xinference在AutoDL上一次性搞定Embedding、Rerank和Qwen(附完整命令清单)
  • AI 英语伴学 APP的开发
  • 量子网络模拟中的张量网络技术与应用
  • 新手猫粮创业者的避坑指南与成功攻略
  • 【前端(十三)】JavaScript 数组与字符串笔记
  • Mac mini 从零开始:新建隔离用户 + 完整安装 Hermes Agent
  • 别再只会用等号了!C++ vector赋值,swap和assign到底哪个更快?
  • 程序化噪声在游戏开发中的应用:从Perlin到Shader实战
  • Barlow字体超级家族:如何用一个开源字体解决你的多平台设计统一难题
  • 效率提升:用快马ai一键生成winutil多模块工具箱代码框架
  • Golden UPF Flow实战解析:如何用一份UPF搞定RTL到门级的低功耗验证
  • LIDA:基于大语言模型的自然语言数据可视化代码生成工具