一眨眼我已经工作 10 年了。在 2022 年以前我一直相信在这个行业里只要技术栈钻得深比如精通三方框架、熟悉 Android Framework、搞定性能优化就能端稳饭碗。但从 2023 年开始一切都变了。那一年我第一次接触 Cursor 的初版看着光标自动补全了我心里正想写的代码那种感觉既兴奋又恐惧。紧接着我所在的公司全面拥抱 AI我被迫从舒适区里跳出来去啃大模型、去搞 RAG、去调 Prompt。这两年我踩了无数坑以为 AI 就是调包结果 API 成本爆表以为 Prompt 就是说人话结果输出全是幻觉以为 RAG 很简单结果检索准确率惨不忍睹……但我挺过来了。现在我已经成功转型为一名 AI 应用工程师。回头看这不仅是一次技术的升级更是一场“程序员的“第三次工业革命”。今天我想把这两年的转型经验揉碎了、摊开了讲给所有还在迷茫的兄弟们听。一、转型经过我所在的公司主营业务是内容方面的完整的链路是由生产到消费首先引进 IP找专门的制作人选题、再找专业的播音老师录制、运营配置上线然后内部系统对内容进行打标、入库最后通过推荐分发到 C 端用户整个链路很长并且很多环节是人为决策热点响应速度也比较慢。随着 AI 出现以后很多环节都可以自动化完成。比如内容生产可以用 AI 完成百分之七八十的工作再由人来优化剩余的。从信号捕捉到选题、文稿转写、生成图片/音视频这些都能实现自动化。再说推荐这块儿也可以 AI 化。首先要对用户的喜好有充分的理解然后对内容有深入的分析、归类。之前这些都是算法工程师做的但大模型来了以后我们普通开发者也可以参与其中。然后到 C 端C 端重要的就是怎么样把好的内容分发给对的人让用户获取想要的内容成本越低越好。这同样也是可以用 AI 去完成的比如把内容重组成不同的形态小说变漫画满足不同场景的需求。这是我们公司业务受 AI 的影响情况几乎每个环节都可以通过 AI 提效所以2024 年就开始从上到下 All In AI。现在来看老板们对 AI 的认识是行业里领先的。实际上很多公司都类似不管是做旅游的、短视频的还是电商只要业务核心是「内容用户」基本流程都差不多。所以未来会有越来越多公司拥抱 AI、大量招聘 AI 人才因为 AI 在这些环节里能做的太多了。我因为一直对新技术比较关注也在谷歌、字节的官方技术圈子里所以知道一些 AI 技术比较早就主动拥抱 AI转向了 AI 创新业务。做的内容主要是 AIGC也就是通过 AI 提升内容生产效率也做了内容理解和重组。很多时候是自己想点子、提方案然后完整前后端闭环、上线。比如第一个自己想的项目在收听内容的同时用户可能还会想要了解内容的一些附加信息比如说人物关系图、重点的事件背景等等这些都用 AI 去做。后来又跟同事一起做了热点资讯生成用自动化的方式去生产一些六七十分的内容通过量大取胜。一开始也是一头雾水但好在有 Dify 这种低代码 Agent 平台。低代码 Agent最大的好处就是学习成本很低。我们有一些校招生他们不怎么会编程但通过这种 UI 拖拽的方式就能完成一个工作流/Agent 的搭建。所以我判断未来这种界面搭建 Agent 的方式应该会是主流它成本低效率高。但是也有缺点缺点就是它的性能没那么好在比较复杂的业务上还是要用代码去做。Dify 我花了一两天看他们的文档边学边结合业务流程去做工作流。学习 Dify 的时候需要了解它的每个节点都能干什么通过使用合适的节点、合适的参数完成整个流程。最重要的就是大模型节点我们需要去配置它的一些参数知道不同的参数会有什么影响还要去选择不同的模型哪些模型应该适合做什么它们的优缺点。这些都是逐渐摸索过来的我也把它们都写到了专栏里。然后就是 RPC 和 HTTP 的调用。这些节点有些是调用公司内部的服务有些需要自己去开发。一开始其实还是有一些畏惧的因为之前主要是做前端项目。好在 Cursor 这样的 AI IDE 比较强大。自己做了一两个项目并且上线以后我就发现其实也没那么复杂。传说中的高并发 QPS 上千通过加机器、加 Redis、队列再让 AI 进行一些性能优化就能扛住了。所以说这种全栈项目没有想象中那么复杂。重点是你怎么用好工具通过 AI 的力量去解决问题。在工作之余我也自己做一些 AI 项目从小程序到海外独立站都做了一遍感触很深。现在的时代红利是有问题基本都能找到答案关键是你能不能提出好问题。二、为什么做这个专栏在 2025 年底做年终总结时我发现自己学了很多东西但没有好好沉淀所以有了做这个专栏的念头。整理了一下自己用过的技术栈意识到其实这个路线是通用的。很多人要转到 AI 开发面临的问题主要有不知道 AI 开发是什么。不清楚该学习哪些知识点迭代的太快了。最重要的是没有信心不知道自己零基础能不能学会。所以我决定先讲一些思维方面的内容介绍AI 应用开发每天都做什么、在 AI 时代全栈开发变得如何更加容易、同样都是 Vibe Coding 如何提高效率以及如何写出更好的提示词等等。现在流行的 Spec、Skills没接触过的人可能会好奇是什么等你把提示词工作搞明白以后会发现并没有太多新东西。解决思维问题后剩下的就是动手。最简单的 AI 应用就是通过调用大模型 API 去做文本、图片或视频的理解或生成比如很多独立站其实就是生图模型套壳。这方面是很多人做 AI 应用时遇到的第一个难点大家不知道怎么对接、参数怎么控制、怎么选择模型、怎么做鲁棒性所以我把它作为第二个内容放到了专栏里。第三点是解决大模型的知识局限性的技术也是现在招聘的热点需求 — RAG。我最早接触 RAG 是因为 Google AI Edge 的一个 RAG SDK它提供了在手机侧做 RAG 的能力。熟悉 RAG 的流程不复杂但真正做实际系统时就会发现除了简单的向量化和检索中间还会有很多细节会影响检索结果。所以我把 RAG 作为第三部分刚刚更新完。很多朋友都反馈之前觉得很复杂的东西看完后比较理解了我很开心。那接下来我们会去系统的学习低代码 Agent 平台Dify 和 Coze。动手搭建工作流和 Agent更重要的是学习怎么样自动化地去搭建这个是我想要花点时间去重点讲的尽量把能自动化的自动化。最后就是讲一下代码级别的 AI Agent 如何开发这个是我们和不懂技术的小白的重要区分点。前面也讲了复杂的高性能 Agent 是低代码做不了的还是需要通过写代码解决。那写代码的时候怎么样去设计调用哪些工具使用哪些框架这个是我们第五阶段会讲的。这些要教的内容基本上都是我从一个小白到一个正式的 AI 工程师实战里需要掌握的东西。学AI大模型的正确顺序千万不要搞错了2026年AI风口已来各行各业的AI渗透肉眼可见超多公司要么转型做AI相关产品要么高薪挖AI技术人才机遇直接摆在眼前有往AI方向发展或者本身有后端编程基础的朋友直接冲AI大模型应用开发转岗超合适就算暂时不打算转岗了解大模型、RAG、Prompt、Agent这些热门概念能上手做简单项目也绝对是求职加分王给大家整理了超全最新的AI大模型应用开发学习清单和资料手把手帮你快速入门学习路线:✅大模型基础认知—大模型核心原理、发展历程、主流模型GPT、文心一言等特点解析✅核心技术模块—RAG检索增强生成、Prompt工程实战、Agent智能体开发逻辑✅开发基础能力—Python进阶、API接口调用、大模型开发框架LangChain等实操✅应用场景开发—智能问答系统、企业知识库、AIGC内容生成工具、行业定制化大模型应用✅项目落地流程—需求拆解、技术选型、模型调优、测试上线、运维迭代✅面试求职冲刺—岗位JD解析、简历AI项目包装、高频面试题汇总、模拟面经以上6大模块看似清晰好上手实则每个部分都有扎实的核心内容需要吃透我把大模型的学习全流程已经整理好了抓住AI时代风口轻松解锁职业新可能希望大家都能把握机遇实现薪资/职业跃迁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】