以前做后端的时候Java、数据库、Redis、MQ、微服务这些东西做了很多年工作基本比较稳定。可这两年明显感觉到身边讨论最多的已经不是以前那些技术了而是大模型、RAG、Agent、MCP。刚开始我也纠结过。35岁了现在开始学AI会不会太晚Python要不要重新学大模型要不要从原理开始啃是不是得把机器学习、深度学习全部补一遍后来我真正转过去以后才发现Agent根本不是这么学的。 说点扎心但是很现实的话说实话这几年程序员的焦虑已经和以前不太一样了。以前我们焦虑的是技术学不会Java不会怎么办Spring不会怎么办换个公司再学一套技术栈就行了。但现在真正让人不安的是你会发现**很多过去需要程序员花大量时间完成的工作AI正在一点一点接手。**写代码、查资料、生成SQL、写接口、改Bug、写测试甚至一些简单的业务逻辑AI都已经可以参与进来。更让人焦虑的是你打开招聘网站一看岗位要求也在变化。以前写着“Java开发、Spring Boot、MySQL、Redis”现在越来越多岗位开始出现大模型、RAG、Agent、AI应用开发这些关键词。你不是不会Java而是突然发现自己最熟悉的能力正在从“核心竞争力”慢慢变成“基础能力”。尤其是工作了五年、八年甚至十年以上的程序员这种感觉会更明显。年轻人可以重新学可以接受短期薪资下降可以从初级岗位重新积累但到了我们这个阶段真正让人纠结的不是“AI要不要学”而是如果现在不学三年以后怎么办如果现在学自己又到底该从哪里开始我当时就是被这种焦虑推着开始认真研究Agent的。后来真正做进去以后我才发现事情其实没有想象中那么悲观。AI不是让程序员重新从零开始而是在重新定义程序员应该具备什么能力。好了言归正传不吓唬你了下面是我这一年总结出来的学习顺序踩了很多坑总结的 第一阶段先别碰框架把大模型API搞明白我刚开始最大的一个坑就是一上来学框架。LangChain、LangGraph各种教程看了一堆代码也跟着跑但越学越懵。后来我干脆把框架全部放下直接从大模型API开始。自己调用模型搞清楚System Prompt、User Message、上下文、Token、Temperature这些到底是什么意思再看看一次模型调用到底花多少钱。这一步看起来很基础但我觉得特别重要。因为你连模型本身怎么工作的基本逻辑都没搞清楚后面学Agent框架很容易就变成“背API”。所以我现在特别建议后端转Agent的人第一步不要急着学LangChain。先用原生API把模型调用跑通。 第二阶段Prompt不用学得特别玄但一定要会控制模型以前我也觉得Prompt就是写几句话没什么技术含量。真正做项目以后才发现Prompt直接影响Agent的稳定性。你需要知道怎么给模型定义角色怎么提供业务规则怎么约束输出格式怎么放上下文怎么通过Few-shot减少模型理解偏差。但也没必要花几个月专门研究Prompt。我的建议是学完基础以后马上结合项目练。自己写一个Prompt然后不断修改看模型输出到底发生什么变化。不要把Prompt当成一门独立学科而是把它当成Agent开发的一部分。 第三阶段Tool Calling这才是真正进入Agent如果让我重新学一次我会把Tool Calling放在非常重要的位置。因为Agent和普通聊天机器人最大的区别之一就是它不只是回答问题而是可以调用外部工具完成事情。比如查询数据库、调用天气接口、搜索知识库、操作业务系统。你需要真正搞懂的是模型怎么决定调用哪个工具工具参数怎么定义调用以后结果怎么返回给模型工具失败以后怎么办多个工具连续调用又怎么处理这些东西搞懂以后你才真正理解Agent为什么能够“做事”。而不是停留在“模型会聊天”这个阶段。 第四阶段再学RAG不要一上来就搭知识库很多人学Agent第一件事情就是搭RAG。我自己走过这个弯路所以后来发现RAG放得太早反而容易学得很乱。因为你连模型怎么调用、Tool怎么工作都没搞清楚就开始研究Chunk Size、Embedding、向量数据库很容易变成机械调参数。我后来真正做RAG的时候重点就放在几个问题上文档怎么切、Embedding怎么选、召回结果准不准、需不需要重排、最终怎么把检索内容交给模型。尤其要注意RAG不是“搭出来就结束”。真正做项目以后你会发现召回效果、上下文长度、回答准确率和业务场景之间需要不断调整。能把一个真实知识库做到稳定可用比会搭一个RAG Demo重要得多。 第五阶段最后再系统学Agent框架到了前面这些东西真正搞懂以后再学LangGraph、MCP或者其他Agent框架速度会快很多。因为这时候你已经知道框架到底在帮你解决什么问题。以前你看到一个Agent框架可能觉得里面各种节点、状态、Tool特别复杂。但当你自己手写过一遍以后再去看框架就会发现很多东西其实是在帮你管理模型调用、工具调用、状态和流程。框架应该是放大器而不是拐杖。 第六阶段真正决定能不能上岸的是工程化这也是我45岁转Agent以后最有感触的一点。以前我以为只要Agent能跑起来就可以。后来才知道企业真正关心的是它能不能稳定运行。模型超时怎么办Tool调用失败怎么办上下文太长怎么办Token成本太高怎么办RAG召回不准怎么办用户输入异常怎么办这些问题最后都落到了工程能力上。所以后端转Agent其实有一个天然优势。你过去做的接口、数据库、缓存、消息队列、日志、监控、异常处理这些东西全部还能用。只是现在系统里面多了一个大模型。 我最后悔的一件事就是前期花太多时间追热点刚开始学AI的时候我特别容易焦虑。今天这个模型火了赶紧研究。明天那个框架火了又开始学。后天MCP突然火了又去补MCP。每天都很忙但回头一看真正能留下来的东西并不多。后来我给自己定了一个规则项目需要的就学项目暂时用不到的先放着。这个方法反而让我学得越来越快。因为每学一个东西都有明确的问题要解决。最后对于正在迷茫择业、想转行提升或是刚入门的程序员、编程小白来说有一个问题几乎人人都在问未来10年什么领域的职业发展潜力最大答案只有一个人工智能尤其是大模型方向当下人工智能行业正处于爆发式增长期其中大模型相关岗位更是供不应求薪资待遇直接拉满——字节跳动作为AI领域的头部玩家给硕士毕业的优质AI人才含大模型相关方向开出的月基础工资高达5万—6万元即便是非“人才计划”的普通应聘者月基础工资也能稳定在4万元左右。再看阿里、腾讯两大互联网大厂非“人才计划”的AI相关岗位应聘者月基础工资也约有3万元远超其他行业同资历岗位的薪资水平对于程序员、小白来说无疑是绝佳的转型和提升赛道。如果你还不知道从何开始我自己整理一套全网最全最细的大模型零基础教程我也是一路自学走过来的很清楚小白前期学习的痛楚你要是没有方向还没有好的资源根本学不到东西下面是我整理的大模型学习资源希望能帮到你。扫码免费领取全部内容最后1、大模型学习路线2、从0到进阶大模型学习视频教程从入门到进阶这里都有跟着老师学习事半功倍。3、 入门必看大模型学习书籍文档.pdf书面上的技术书籍确实太多了这些是我精选出来的还有很多不在图里4、AI大模型最新行业报告2026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。5、面试试题/经验【大厂 AI 岗位面经分享107 道】【AI 大模型面试真题102 道】【LLMs 面试真题97 道】6、大模型项目实战配套源码适用人群四阶段学习规划共90天可落地执行第一阶段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3、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】 35岁转Agent，我其实比很多年轻人更怕失败
以前做后端的时候Java、数据库、Redis、MQ、微服务这些东西做了很多年工作基本比较稳定。可这两年明显感觉到身边讨论最多的已经不是以前那些技术了而是大模型、RAG、Agent、MCP。刚开始我也纠结过。35岁了现在开始学AI会不会太晚Python要不要重新学大模型要不要从原理开始啃是不是得把机器学习、深度学习全部补一遍后来我真正转过去以后才发现Agent根本不是这么学的。 说点扎心但是很现实的话说实话这几年程序员的焦虑已经和以前不太一样了。以前我们焦虑的是技术学不会Java不会怎么办Spring不会怎么办换个公司再学一套技术栈就行了。但现在真正让人不安的是你会发现**很多过去需要程序员花大量时间完成的工作AI正在一点一点接手。**写代码、查资料、生成SQL、写接口、改Bug、写测试甚至一些简单的业务逻辑AI都已经可以参与进来。更让人焦虑的是你打开招聘网站一看岗位要求也在变化。以前写着“Java开发、Spring Boot、MySQL、Redis”现在越来越多岗位开始出现大模型、RAG、Agent、AI应用开发这些关键词。你不是不会Java而是突然发现自己最熟悉的能力正在从“核心竞争力”慢慢变成“基础能力”。尤其是工作了五年、八年甚至十年以上的程序员这种感觉会更明显。年轻人可以重新学可以接受短期薪资下降可以从初级岗位重新积累但到了我们这个阶段真正让人纠结的不是“AI要不要学”而是如果现在不学三年以后怎么办如果现在学自己又到底该从哪里开始我当时就是被这种焦虑推着开始认真研究Agent的。后来真正做进去以后我才发现事情其实没有想象中那么悲观。AI不是让程序员重新从零开始而是在重新定义程序员应该具备什么能力。好了言归正传不吓唬你了下面是我这一年总结出来的学习顺序踩了很多坑总结的 第一阶段先别碰框架把大模型API搞明白我刚开始最大的一个坑就是一上来学框架。LangChain、LangGraph各种教程看了一堆代码也跟着跑但越学越懵。后来我干脆把框架全部放下直接从大模型API开始。自己调用模型搞清楚System Prompt、User Message、上下文、Token、Temperature这些到底是什么意思再看看一次模型调用到底花多少钱。这一步看起来很基础但我觉得特别重要。因为你连模型本身怎么工作的基本逻辑都没搞清楚后面学Agent框架很容易就变成“背API”。所以我现在特别建议后端转Agent的人第一步不要急着学LangChain。先用原生API把模型调用跑通。 第二阶段Prompt不用学得特别玄但一定要会控制模型以前我也觉得Prompt就是写几句话没什么技术含量。真正做项目以后才发现Prompt直接影响Agent的稳定性。你需要知道怎么给模型定义角色怎么提供业务规则怎么约束输出格式怎么放上下文怎么通过Few-shot减少模型理解偏差。但也没必要花几个月专门研究Prompt。我的建议是学完基础以后马上结合项目练。自己写一个Prompt然后不断修改看模型输出到底发生什么变化。不要把Prompt当成一门独立学科而是把它当成Agent开发的一部分。 第三阶段Tool Calling这才是真正进入Agent如果让我重新学一次我会把Tool Calling放在非常重要的位置。因为Agent和普通聊天机器人最大的区别之一就是它不只是回答问题而是可以调用外部工具完成事情。比如查询数据库、调用天气接口、搜索知识库、操作业务系统。你需要真正搞懂的是模型怎么决定调用哪个工具工具参数怎么定义调用以后结果怎么返回给模型工具失败以后怎么办多个工具连续调用又怎么处理这些东西搞懂以后你才真正理解Agent为什么能够“做事”。而不是停留在“模型会聊天”这个阶段。 第四阶段再学RAG不要一上来就搭知识库很多人学Agent第一件事情就是搭RAG。我自己走过这个弯路所以后来发现RAG放得太早反而容易学得很乱。因为你连模型怎么调用、Tool怎么工作都没搞清楚就开始研究Chunk Size、Embedding、向量数据库很容易变成机械调参数。我后来真正做RAG的时候重点就放在几个问题上文档怎么切、Embedding怎么选、召回结果准不准、需不需要重排、最终怎么把检索内容交给模型。尤其要注意RAG不是“搭出来就结束”。真正做项目以后你会发现召回效果、上下文长度、回答准确率和业务场景之间需要不断调整。能把一个真实知识库做到稳定可用比会搭一个RAG Demo重要得多。 第五阶段最后再系统学Agent框架到了前面这些东西真正搞懂以后再学LangGraph、MCP或者其他Agent框架速度会快很多。因为这时候你已经知道框架到底在帮你解决什么问题。以前你看到一个Agent框架可能觉得里面各种节点、状态、Tool特别复杂。但当你自己手写过一遍以后再去看框架就会发现很多东西其实是在帮你管理模型调用、工具调用、状态和流程。框架应该是放大器而不是拐杖。 第六阶段真正决定能不能上岸的是工程化这也是我45岁转Agent以后最有感触的一点。以前我以为只要Agent能跑起来就可以。后来才知道企业真正关心的是它能不能稳定运行。模型超时怎么办Tool调用失败怎么办上下文太长怎么办Token成本太高怎么办RAG召回不准怎么办用户输入异常怎么办这些问题最后都落到了工程能力上。所以后端转Agent其实有一个天然优势。你过去做的接口、数据库、缓存、消息队列、日志、监控、异常处理这些东西全部还能用。只是现在系统里面多了一个大模型。 我最后悔的一件事就是前期花太多时间追热点刚开始学AI的时候我特别容易焦虑。今天这个模型火了赶紧研究。明天那个框架火了又开始学。后天MCP突然火了又去补MCP。每天都很忙但回头一看真正能留下来的东西并不多。后来我给自己定了一个规则项目需要的就学项目暂时用不到的先放着。这个方法反而让我学得越来越快。因为每学一个东西都有明确的问题要解决。最后对于正在迷茫择业、想转行提升或是刚入门的程序员、编程小白来说有一个问题几乎人人都在问未来10年什么领域的职业发展潜力最大答案只有一个人工智能尤其是大模型方向当下人工智能行业正处于爆发式增长期其中大模型相关岗位更是供不应求薪资待遇直接拉满——字节跳动作为AI领域的头部玩家给硕士毕业的优质AI人才含大模型相关方向开出的月基础工资高达5万—6万元即便是非“人才计划”的普通应聘者月基础工资也能稳定在4万元左右。再看阿里、腾讯两大互联网大厂非“人才计划”的AI相关岗位应聘者月基础工资也约有3万元远超其他行业同资历岗位的薪资水平对于程序员、小白来说无疑是绝佳的转型和提升赛道。如果你还不知道从何开始我自己整理一套全网最全最细的大模型零基础教程我也是一路自学走过来的很清楚小白前期学习的痛楚你要是没有方向还没有好的资源根本学不到东西下面是我整理的大模型学习资源希望能帮到你。扫码免费领取全部内容最后1、大模型学习路线2、从0到进阶大模型学习视频教程从入门到进阶这里都有跟着老师学习事半功倍。3、 入门必看大模型学习书籍文档.pdf书面上的技术书籍确实太多了这些是我精选出来的还有很多不在图里4、AI大模型最新行业报告2026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。5、面试试题/经验【大厂 AI 岗位面经分享107 道】【AI 大模型面试真题102 道】【LLMs 面试真题97 道】6、大模型项目实战配套源码适用人群四阶段学习规划共90天可落地执行第一阶段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3、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】