本文详细解析了大模型相关岗位包括算法、开发、infra、评估和数据等五大类。其中算法岗分为基座模型岗和应用算法岗前者注重理论研究与模型构建后者聚焦行业场景落地。开发岗主要负责模型部署与优化infra岗处理底层支撑数据岗负责数据采集与清洗评估岗进行产品性能评测。文章强调随着技术发展岗位界限逐渐模糊跨技术栈能力将成为核心竞争力鼓励读者关注大模型发展趋势积极准备相关技能。文字版如下大模型算法、大模型应用、基座算法、agent研发、Agent开发这些岗位你能分得清吗看到这些名词是不是 感觉脑袋晕晕的其实这也不能怪你毕竟就在几年前你的师兄师姐们在找工作时只需要面对两种选择java还是c。很多刚接触到大模型的同学都会产生这样的疑问我适合哪个岗位我应该照着哪个方向准备今天我就把大模型相关岗位分为这么五类算法、开发、infra、评估、数据岗位划分大模型算法工程师我们先来介绍算法岗。算法岗可以分为两大类基座模型岗和应用算法岗。基座模型岗基座模型岗有的也叫预训练算法岗可以分为三类理论派、工程派、能力派1.理论派主攻 Attention、MoE 这些核心基础架构目标是突破理论天花板。2.工程派做预训练、中期训练、后期调优全流程验证模型的规模效应。特点是极其吃算力、数据等资源可能千卡、万卡集群都很常见有明确的技术交付指标主打通用基础能力的搭建。3.能力派也是当下的热门方向就是让模型具备自主行动能力目标是 “模型即产品”、最终落地产生价值。现阶段的核心还是搭建 Agent 相关基础能力比如工具调用、计算机操作和前两类比这类工作的反馈更快要做大量后期调优和强化学习还需要让模型和真实环境深度交互。这里多说几句很多同学对agent相关工作有误解认为调个 API 套个壳就是agent的全部工作了就觉得这个工作跟算法好像没什么关系但其实不是这样的。通过数据微调让模型原生具备更强的 Tool Call 能力、解决复杂场景的规划问题这也是agent相关的工作。比如最近很火的 GUI Agent其中美团做了一个 EvoCUA 的工作团队中的成员也有发过工作总结大家也可以去看一下一般来说基座模型岗是要求有对口论文的。但有同学会说居老师你说的不对我没有论文我现在也在某某基座模型实习。是这样的一方面呢基座算法其中有80%的工作是数据工作另一方面除了通义千问、字节 Seed、智谱 GLM 这些大家熟悉的基座模型像商汤、讯飞、百川这些公司也有自己的基座模型研发团队。不过这里有个问题啊现在基座模型领域正处于百模混战的阶段行业发展规律其实和早年团购行业的百团大战很像 —— 初期大批玩家扎堆入局后期经过市场、资源的层层筛选最终只有少数头部玩家能站稳脚跟持续提供大模型的底层基建服务其余玩家会逐步被淘汰。大家可以想想最终能在基座模型这条赛道活下来的会是哪几家应用算法岗还有一类是大模型应用算法岗也是大部分同学最终会入职的岗位 —— 不光是计算机科班很多非科班、和计算机沾边的跨专业同学或是没有论文成果的同学都能适配入行。这类岗位核心聚焦行业场景落地比如金融、医疗、智能客服、营销等领域核心业务目标就是让大模型产品落地后真正能用、好用。至于具体是调用 API、搭建 Workflow、做 Agent 应用还是针对场景做轻量化模型训练这些都只是实现落地目标的手段而已。当然部分业务部门的应用算法岗也会根据需求做相关研究工作部分岗位还会有论文产出的要求。这类岗位更看重对口的项目经验和工程能力尤其是 Agent 方向变化特别明显以往算法岗基本只需要提供模型或算法逻辑接口而现在随着行业业态的成熟调度算法的业务逻辑逐渐由算法岗主导算法岗尤其是 Agent 方向后续对工程能力的要求大概率会持续提升。当然算法岗对学历会有一定要求。我今天把基座模型岗的内容讲得比较细致而应用算法岗的范畴更广、细分方向也五花八门没法穷尽。大家之后再看到大模型算法岗的招聘只要排除掉基座模型岗的范畴剩下的基本就都是应用算法岗了。大模型开发/Agent工程师这个是界限最不明确的一类岗位了这个岗位从诞生至今可能都没有超过三年很多同学不太能区分它和大模型应用算法岗的区别。而且大模型算法岗其实就是以前的 NLP 算法岗现在各家公司的大模型部门、业务线又都是刚成立没多久所以岗位划分没有那么明确。这里面开发岗也分两种用 java 或者 go 的跟算法岗的区别特别明显但用 python 的就容易混比如有些大厂会让开发部门自己做类似 langchain、langgraph 的框架供内部用这类工作就和算法岗有点交集。这里有一个判断方法比如云端部署、断点续传、缓存、模型api接口维护这些肯定是开发的工作强化学习、思维链压缩、知识蒸馏这些涉及模型效果优化的肯定是算法的工作但是像文档解析、agent搭建、tools编写、sft、向量入库这些就不是很清晰了有的公司是算法在做有的公司是开发在做。AI Infra 工程师负责分布式训练、推理加速等底层支撑是模型高效运行的基础难度比较大大多数做这个方向的同学在校期间导师的研究方向就是这个有一定积累才会去做真感兴趣的话就从看vllm或者sglang的源码开始吧。大模型数据工程师主要工作是是做数据的采集、清洗与 Pipeline 搭建目标是构建高质量数据。大模型评估 / Agent 评估工程师负责产品的性能、效果、安全性等维度的评测体系构建是模型、agent迭代优化的关键环节。不是很推荐学历不太好的同学可以做更容易进大厂。趋势判断岗位介绍就讲完了前段时间有个新闻不知道大家有没有看到就是前阿里 P10 毕玄他现在正在创业的一条钉钉消息无独有偶美团履约团队也推行 全栈化把部分前端同学转到了后端组前后端代码一起写。所以经常有同学问我我不知道我应该投哪个岗位我的意见都是不用管岗位是什么名字jd描述中你懂的东西超过三分之一就可以投。我也见到过很多同学可能一开始准备的是算法结果最后去做了产品。尤其是大一大二的同学等你就业的时候这种打破技术栈边界的岗位划分说不定已经成了行业普遍现象而大多数人只需要通过自然语言就可以独立开发可盈利、高可用的工具和产品。这可能意味着在未来每个人都能找到自己独特的生态位不再被单一技术栈定义不再是流水线上的一个环节。而信息差的不断抹平更是让 超级个体 和 一人公司 成为可能。比如前段时间火过的红墨、蕉幻、微舆这些产品从想法萌生到产品落地再到市场推广整个链路的时间被不断压缩一个人就能完成过去一个团队的工作 —— 当销售渠道、推广费用、后期维护这些环节都能通过工具和平台高效解决个体的创造力会成为这个新时代最核心的竞争力。当然我们也得承认人性的差异有人偏爱创新与探索有人更倾向于稳定和按部就班所以基础岗位依然会存在。但不可否认的是大模型正在重构行业的人才需求从专才到通才从技术深耕到技术融合是不可逆的趋势。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】