#BG
2014-2019：安徽双非-城乡规划-本科
2019-2022：南京985-城市规划-硕士
#工作经历
2022.07-2023.07：设计院做城市设计；
2023.08-至今：国内大模型公司prompter（提示词工程师）
01
2022年刚毕业，怀揣着理想，对城市设计行业还是有期许的，幻想着改变中国城市面貌。
当时领导跟我画的饼比我画的还要大。说好了第一年好好沉淀、认真画图，成为小组长；然后第二年，拓展技能点、学习汇报、项目管理、向上管理、甲方管理等综合技能，成为项目经理；再成长几年，成为项目负责人，拿着项目分成，去带项目，走向人生巅峰啦。
所以，领导说"小伙子啊，你要沉淀，要成长。"翻译一下就是："你要加班，要熬夜。“毕竟刚毕业，热情腾腾的，我当时就信了，跟着领导披荆斩棘、加班加点。当时的字典里充满"节后第一天送审”、"下班前发给我"这种丧心病狂的词。
我当时还傻乎乎地在小红书上分享设计方案，幻想着有朝一日成为设计院的当红炸子鸡。结果呢？我成了设计院里的大炸鸡，每天被各种图纸的deadline炸得外焦里嫩。
图 / 小红薯的一些记录（自从转行了，就没再更新了）
就这么热气腾腾（傻傻呼呼）地呆到2023年，在领略到上到“空间营造”、“在地性表达”、“场所精神”；下到“预借奖金”、“所内统筹”、“5小时会议”等等行业黑话后，我只能安慰着自己，或者催眠自己：成为大师，不就得学海无涯苦作舟吗?
可问题是，这舟是诺亚方舟呢？还是泰坦尼克号呢？
02
然后，平地一声惊雷响，2023年3月chatgpt来了。
当时的我为一个城市设计方案绞尽脑汁，ppt里堆满了"营城九法"、“山水通廊”、"特色地段"这些听起来高大上实则毫无意义的词汇和设计说明；还有除了押韵，其他都不同的城市设计七言绝句。用完chatgpt后发现，这些都不是问题了。
这玩意儿简直就是摸鱼神器啊！不对，是生产力的革命。认真学习多年的"专业能力"，居然不如一个AI。这感觉，像是大学辛辛苦苦学了三年仿宋体，最后不得不承认，你的努力没啥用。
于是，我白天依旧地画着永远不会实现的城市蓝图，晚上到点下班就偷偷跑，去自习室自学到深夜十一点多回家。当时学习资料还不像现在那么系统，资料很杂，只要和大模型沾边的资料自己都看，然后整理到自己的笔记里。
图 / 我的部分笔记
我还偷偷在公司最贵的电脑上部署了SD和本地大模型。领导有次问我干嘛，我拿出早就准备好的说辞，说：“大模型为了解放大家的生产力，可以带来更高的项目业绩。”
但事后我也反思SD文生图应用于建筑设计行业的局限性，主要卡点在于可控性，大多数图片第一眼看上去还可以，但仔细一推敲，还是很缺乏专业性。
图 / SD生图的一些尝试
6月份，我开始谋划跳槽。没有互联网经验？没关系，面试就是我的实习，把面试官当老师，把面试当免费课，靠着面试反馈来积累各类知识与经验。反正失败是常态，成功只是偶然，自己就是一个行走的"试错模型"。
7月份，攒够了经验，终于成功找到了一家大模型公司的工作。虽然当时的我对人工智能的理解可能还停留在"人工"这个层面，但是没关系，先上车再买票。
03
回顾一下自己当初的决策心路：选完赛道，便思考现阶段该选择什么职业，去参与这场革命呢？
目标是大模型赛道嘛，那时候想得比较直接，直接从招聘软件上过滤大模型初创公司和互联网公司的HC，看看目标赛道的岗位有什么要求？
大体上分为3类：
一种算法类，偏向于研究大模型，提升大模型的性能；
一种开发类，偏向于应用大模型，封装大模型的能力至软件某项功能中；
一种产品类，偏向于应用大模型，把软件设计得更加满足用户需求。
先把不能选的排除吧，算法、开发、运维、数分等职位直接略过。别人的履历都是竞赛金牌、大厂实习、手撕代码；只学过概率论、高等数学都没学过的我瑟瑟发抖（还是很想吐槽这点，大学数学不学，真的非常限制就业方向），实在是打不过，我直接略过了算法类和开发类岗位。
那接下来，只能从产品类挑选。传统的产品岗位也有很多细分，有不同功能模块的产品经理（计算机视觉、语音识别、平台、对话系统、数据分析等等）、交互设计产品经理（UI）、用户体验产品经理（UX）、解决方案产品经理（SA）等等。随着chatgpt等大模型爆火，还有一类产品经理，即prompter，提示词工程师的岗位也越来越多。
图 / 产品岗位与薪资
当时我的策略是，所有产品类岗位都投简历，哪家简历通过了，就面哪家。面试失败了，就复盘一下潜在的失败原因，补充相关知识后，继续面下一家。
其次，面试顺序还是有讲究的，先面小厂和一些创业公司，一半通过一半挂，有了一定的基本盘后；再面大厂，百度挂在二面、字节挂在三面，还有一些研究院也通过了，最后也很幸运地面上了一家清华系的大模型公司，担任prompt。
04
什么是prompt岗位？
具体来说：专门设计、优化和改进用于与大型语言模型互动的指令或问题。
日常工作是设计高效的提示词来引导大模型生成期望的输出；
进阶工作，则是利用结合coze、dify、清流等大模型低代码平台引导大模型生成期望的输出，这里会涉及到整体架构设计、代码能力、大模型能力边界等等；
再往上，做的也更综合一些，把控客户需求、协调团队成员、产品沟通开发、推进项目进度等等。
图/prompt低代码平台示例
也有同事会玩一些更酷的大模型，比如通过照片计算每餐的热量消耗、写爱恨情仇、恩怨纠葛，剪不断理还乱的长篇小说、大模型理财投资策略、大模型文字游戏等等潮流产品，做出的产品也非常酷炫。
就这样体验了一年多，我也是有一些感悟。
先说俗的吧，薪资方面，之前我在设计院一年15w多些，现在的一年30w少些；
再说点雅的，原来外面的世界这么丰富，压力依旧在，丰富更是有。
说到压力，主要有两种：创新压力和未来压力。
一方面，关于创新压力，毕竟大模型是刚出炉的新技术，是不成熟的。具体来说，有如下几方面：
垂直知识深度：专业领域往往需要深厚的背景知识和行业经验。即使是大模型，通常难以达到专业人员在特定领域的知识深度。
数理推算：大模型数学推理能力弱主要是其本身的transformer架构的限制，其基于token级别的从左到右的“一次性”推理机制，与人类“综合性”的逻辑推理存在一定区别，导致其生成的内容缺乏清晰的逻辑。最简单的问题，模型区分不出3.11和3.9哪个大；数不清strawberry有几个r；玩不好24点游戏等等。
模型幻觉：由于许多数据集可能已经过时或不可靠，这会导致大模型依赖于不准确或过时的信息，从而产生幻觉。因此，你可以让它写出“林黛玉倒拔垂杨柳”、“孙悟空三打黑熊精”的不符合事实性的回答。而且由于训练语料的时效性，它们是不知道前段时间中国足球踢日本0:7的。
当然，还有其他问题，比如模型的幽默性太奇怪；多模态模型的认知广度、拓展性等等问题，这些在应用场景下问题，是我们需要去优化解决。
所以，碰见一些超过大模型能力边界外的case，经常一起开碰头会，从算法、开发、产品等等角色，集思广益地解决这块问题，虽然有些问题还是难以解决。
另一部分压力，主要源于对于未来不确定性的压力。
在设计院中，你的故事剧本是早就写好的，从画图、考证、项目负责人，再一步一步往上爬，努力了十几年然后当个所长。但是大模型这条赛道太新了，发展得太快了，是一条还没有GPS导航的道路。你只能自己摸索关于对这个行业的认知。特别是那些技术术语，我每天都得偷偷问ChatGPT，也担心暴露自己是个AI界的文盲。这也倒逼自己，每天都需要学习，遗憾的是，学习的速度远远赶不上大模型更新的速度。
加上，同事都对于未来大模型的选择很多，有的准备创业、有的准备比赛、有的准备商业化等等，走的路子会很出其不意；但目前自己走的比较老套，还是考证+工作那套，希望不断考证、不断积攒、不断沉淀。这块还是缺乏更高的视角，自己也知道这点要改，但不知道怎么改，也是极其苦恼的点。
05
再说说精彩吧，我竟然发现：
原来，这个世界上真的存在周末！周末加班，竟然是可以调休的；
原来，开会是可以1个小时内结束，不需要每个会议都3个小时起步；
原来，放假前一天可以早点下班，不用每次放假前领导都喊一句我们来开个会，直到晚上10点；
原来，每年的年假是可以使用的，不用再担心同事带头内卷，5年都不休年假；
刚来的时候，晚上九点了，有的同事抱怨怎么还不下班；我就在想，怎么九点了，就可以下班了呢？；
虽说晚上偶尔也会加班到九十点，但经过设计院的毒打之后，觉得科技公司的剥削还算稍微轻点。
……
呆了一年之后，见了很多人，才更加感叹，人生真tm是旷野呀，原来有好多人都过得如此丰富。
有同事从大厂来，顶尖学府毕业，出过国，国内大厂，创过业，buffer叠满了；为了跟进大模型，卖了公司，沉淀学习。
也有不少同事工作一年后，去了大厂，薪资立涨50%，升职加薪，迎娶白富美。
还有一个还在读大学的实习生，在过年期间推出了一款大模型游戏，抓住了一大波流量，把自己的创业团队卖了几百万，直接财富小自由。
当然，也不是所有人都那么幸运，有老师做了法律大模型，至今每月活跃用户不超过30位。这让我想起了以前画的图纸，估计看过的人差不多这个数字。
跌跌撞撞地摸爬滚打了一年多的时间，有时候会回想：一年后、十年后、三十年后的我会不会后悔这次选择？
我想答案是走一步看一步，毕竟是自己选择的路，最终解释权在自己手里。 在一开始使用中，自己真实地感受到大模型可以帮我写代码、改稿子、出主意、闲聊等等，真正地感受到自己的生产力提升。原本要写三天的设计说明，半天就能写完，半天再改改就可以交差。
正是因为这点，我相信大模型是第四次科技革命的星星之火，智能会如同煤炭、石油、电力一样，终将会带来持续的社会演化，大模型的未来还会很久。这是我选择这条赛道的初心。
以上，是关于自己从设计院转行至大模型一年的一些故事，虽说没那么精彩，但如果可以为有兴趣转行【大模型赛道】的朋友们，提供一些“避坑指南”，那就是极好的。
如何学习AI大模型 ？
“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，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。【保证100%免费】🆓
CSDN粉丝独家福利
这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以点击下方CSDN官方认证链接免费领取 【保证100%免费】
读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈
对于0基础小白入门：
如果你是零基础小白，想快速入门大模型是可以考虑的。
一方面是学习时间相对较短，学习内容更全面更集中。
二方面是可以根据这些资料规划好学习计划和方向。
👉1.大模型入门学习思维导图👈
要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。
对于从来没有接触过AI大模型的同学，我们帮你准备了详细的学习成长路线图&学习规划。可以说是最科学最系统的学习路线，大家跟着这个大的方向学习准没问题。（全套教程文末领取哈）
👉2.AGI大模型配套视频👈
很多朋友都不喜欢晦涩的文字，我也为大家准备了视频教程，每个章节都是当前板块的精华浓缩。
👉3.大模型实际应用报告合集👈
这套包含640份报告的合集，涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师，还是对AI大模型感兴趣的爱好者，这套报告合集都将为您提供宝贵的信息和启示。（全套教程文末领取哈）
👉4.大模型落地应用案例PPT👈
光学理论是没用的，要学会跟着一起做，要动手实操，才能将自己的所学运用到实际当中去，这时候可以搞点实战案例来学习。（全套教程文末领取哈）
👉5.大模型经典学习电子书👈
随着人工智能技术的飞速发展，AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型，如GPT-3、BERT、XLNet等，以其强大的语言理解和生成能力，正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。（全套教程文末领取哈）
👉6.大模型面试题&答案👈
截至目前大模型已经超过200个，在大模型纵横的时代，不仅大模型技术越来越卷，就连大模型相关的岗位和面试也开始越来越卷了。为了让大家更容易上车大模型算法赛道，我总结了大模型常考的面试题。（全套教程文末领取哈）
👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；
• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；
• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；
• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习
CSDN粉丝独家福利
这份完整版的 AI 大模型学习资料已经上传CSDN，朋友们如果需要可以点击下方CSDN官方认证链接免费领取 【保证100%免费】
读者福利： 👉👉CSDN大礼包：《最新AI大模型学习资源包》免费分享 👈👈
最后，感谢每一个认真阅读我文章的人，礼尚往来总是要有的，下面资料虽然不是什么很值钱的东西，如果你用得到的话可以直接拿走：
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
