拿到AI大模型应用开发工程师Offer的那一刻，我看手机上的消息看了很久。
虽然我学的是计算机相关专业，也接触过软件开发，但在决定转向AI之前，我对大模型应用开发几乎只是一个新手。Python会一点，传统项目也做过，可一旦聊到RAG、Agent、LoRA微调和模型部署，我就很难继续往下说。
那时我才意识到：专业看起来对口，并不代表能力已经符合AI岗位的要求。
在学校期间，我接触得更多的是传统软件开发。我一直觉得，只要打好编程基础、掌握常用框架，毕业后找一份技术工作应该不会太难。但真正关注招聘市场后，我发现很多岗位已经开始要求候选人具备RAG知识库、智能体开发、模型微调和AI应用部署经验。
这些内容，我以前几乎没有系统学过。我也尝试过自学，但网上资料太零散：有的只讲概念，有的代码已经过时，还有的教程看起来完整，真正操作时却不断报错。
我会调用模型接口，却不知道怎样设计完整应用；了解RAG，却讲不清文档切分、向量检索和召回流程；听说过LoRA微调，却没有真正处理过数据，更没有在服务器上完成过训练。
后来，我报名参加了近屿智能的AIGC大模型应用开发课程。我的目标很直接：不只是了解AI，而是要具备真正应聘大模型应用开发岗位的能力。
刚接触课程顾问时，我其实也有防备心理，担心对方只会强调行业前景和就业结果。但真正沟通下来，我对近屿智能的销售有了不一样的认识。
他们先了解我的专业基础、编程能力、学习时间和目标岗位，再结合我的情况介绍课程内容、学习节奏和项目方向，帮我判断自己缺少哪些能力、应该从哪里开始。前期我问了不少问题，包括项目难度、学习周期和就业服务，他们都比较耐心地进行了说明。
销售当然不能代替技术讲师教学，但如果不了解课程体系和岗位要求，也很难提供有效建议。报名后我也逐渐明白，销售负责前期沟通，学管负责学习进度，讲师和助教负责技术答疑，就业老师负责简历、面试和岗位方向。这样的交接不是“报名后就不管了”，而是把不同问题交给更专业的人处理。
对我来说，这种前期沟通最大的价值，是没有把“转行AI”说成一件只要报名就能完成的事情。顾问也提醒我，课程只是提供路径和训练，真正能不能跟上进度，还要看自己的投入。
正因为把学习要求、项目难度和后续求职都提前说清楚，我在报名后没有抱着“交完钱就等结果”的想法，而是从一开始就做好了持续练习和反复调试的准备。这也让我后面的学习更踏实。
正式学习后，我先补了Python编程和提示词工程。随后进入RAG、Agent和LoRA微调，难度明显提高。接口不通、环境配置失败、返回结果不符合预期，这些问题几乎贯穿了整个学习过程。
也正是在一次次排查和修改中，我才从“听懂课程”逐渐变成“能够解决问题”。
在专业领域顾问框架项目中，我完成了DeepSeek大模型封装和Web界面开发，第一次完整走过AI应用从模型调用到界面展示的流程。
在智能文档管理助手项目中，我接入双向量数据库，并优化模型预加载机制，使系统响应速度提升了60%。
第三个项目是法律领域大模型微调。我远程操作企业服务器，对28万条法律数据进行清洗和处理，完成LoRA微调，并将模型集成到企业平台。
做完这些项目后，RAG、微调和模型部署不再只是简历上的技术名词，而变成了我真正做过、能够讲清技术细节和问题处理过程的项目经历。
进入求职阶段后，我把目标岗位确定为AI大模型应用开发工程师。修改简历时，我不再只写“参与项目”或“负责模块”，而是重新梳理自己用了什么技术、解决了什么问题、最终实现了什么结果。
第一次模拟面试时，我讲项目的逻辑很乱。后来，我开始按照“项目背景—个人任务—技术方案—问题处理—最终结果”的顺序组织表达。每次正式面试前，我都会了解企业业务和岗位技术栈；面试结束后，再记录问题、复盘不足。
求职过程中也有失败。有些面试没有后续，有些问题现场没有答好。但一次次复盘后，我对自己的能力和方向越来越清楚，也不再因为一次失败就怀疑自己不适合AI。
最终，我成功拿到了AI大模型应用开发工程师岗位Offer。
从传统软件开发方向，到真正进入AI大模型应用开发岗位，我用了四个月。课程学习、项目调试、服务器操作、简历修改、模拟面试和正式投递，几乎每个阶段都遇到过问题。
我不会把这次结果说成“一夜逆袭”。我本身有一定专业基础，也投入了大量时间练习。近屿智能的销售团队在前期帮助我梳理方向，课程老师和助教负责技术学习与项目训练，学管和就业老师则在后续学习、简历和面试阶段提供支持。
当然，课程不能代替个人完成代码，销售也不能替学员参加面试。最终能不能拿到Offer，仍然取决于个人基础、学习投入、项目完成度和面试表现。
以前，我的简历里只有传统开发经历。现在，我可以写下RAG、Agent、LoRA微调和模型部署，也能把这些技术背后的项目过程完整讲出来。
拿到Offer的那一刻，我终于确定：
我不再只是站在AI行业外面观望，而是真的走进来了。
