2025 年的最后一天，也是在这个公司的最后一天，讲讲我从传统开发跳槽到 AI 应用开发行业的故事，给想要进入这个行业的人一点借鉴经验，顺便求大家帮我的开源项目点点 star。

省流版：

1. 找 AI agent 开发的学习、面试经历；
2. 一些有用的学习姿势；
3. 推广一下我的开源项目；

我是去年的今天，也就是 2024 年 12 月 31 号，从上家公司离职。我的上家公司是传统服装行业的外企，我在基础架构部门，工作不算多，且相对自由，23 年年末 AI 开始在 cn 大范围兴起，我本身的主力语言是 python ，天生契合 AI ，我开始在探索能不能在公司做一些 AI 项目，一年的时间我大概做了两个项目。

一个是通过 LLM 能力拦截垃圾邮件，没在传统公司工作过的人可能不知道，传统公司的员工平均素质，那家公司巅峰期有 6w 员工（算上编外，比如销售、工厂等），几乎每天都要收到很多垃圾邮件，每星期都能听到有员工被骗钱。他们当时的方案是遇到垃圾邮件，安全部门及时发信息预警，但是人力终究有限，所以我觉得可以用 LLM 能力帮他们做一个拦截工具。当时 qwen 系列，还没有大范围使用，效果比较好的开源还是 meta 的 llama 系列。我要了大概三千封邮件，通过 LoRA 微调了一个用来识别邮件的模型。结果是有效果，但是识别错误，偶有发生，现在想来，可能是训练数据太少了，模型本身的能力也不太行。

另一个项目是 RAG ，印象中是因为 RAG 非常火，大家都在炒这个概念，而传统公司的文档建设远不如互联网公司，所以我觉得 RAG 会比互联网公司更加的契合我的前公司，事实也是如此，这个项目效果非常好，远超上一个邮件识别。通过部门经理帮我推荐给了公司大 BOSS--一个老外，然后推广到了全公司。我离职的时候公司 2w+的员工或多或少都有不同程度的使用。

时间划到今年，我离职之后，爽玩半年之后，今年的六月份开始带着我的这两个 AI 项目找工作，我投的简历大部分都是 AI 应用开发相关的，也有部分是我觉得比较好的传统开发岗位。结果就是收到了好几个开发岗位的 offer ，而 AI 应用的 offer ，则是一个没有，前十个相关的面试没有通过的。一直到十个面试以后，才陆续接到了两个 AI 应用相关的 offer ，不过都是外包。我选了其中的一个薪资比较高的，然后甲方比较出名的外包，入职了，开始正式转到 agent 开发，这个比较新颖的行业。然后在今年的最后一天，我打算离开这家公司了。最大的原因是不喜欢外包，做外包，做的越久亏的越多，想攒的实战项目经验也积攒到了，所以趁年底了赶紧溜之大吉。

说一下大家可能比较关心的问题，agent 开发工作中都做什么 和 传统开发有啥区别吗？

从正式工作来看，区别非常大，agent 开发的主要工作分为两部分：微调模型+处理输出。微调模型这块，基本是以 PEFT 为主（ 90%都是这个），主要技术 LoRA ，多 LoRA 。处理响应包括上下文、提示词、工具调用等等，详细了解可以参考我放在后面的那篇论文。传统开发我就不多说了，可能大家比我水平高。

从面试上来看，虽然说 agent 开发偏工程，但是面试官的问题，他不偏工程。基本所有的面试官都是更注重项目，他们会问你在项目里用了什么新技术？为什么用？有没有更好的做法？性能如何？ badcase 如何处理的？面试官的问题五花八门，我没办法一一的描述完整。但是基本很少会涉及到八股的内容。

这里放一些我觉得比较实用的免费资料。

1. 在 arxiv 去看最新的论文，可以长很多见识，接触到很多新的技术，现在 Computation and Language 和 Machine Learning 这两个板块，基本全被 LLM 相关的内容霸占了。并且我觉得 LLM 其他成熟的技术不同，它处于高速发展中，而传统的学习方法，比如看网课，看书，都是有很强的滞后性的，所以最佳的学习方式就是看最新论文。另外再补充一个小技巧，这个网站是可以订阅的，订阅之后，它会把你感兴趣的主题，每天都推送到你的邮箱。你就可以直接通过摘要和标题进行一遍粗浅的过滤，这样如果今天的推送没有你感兴趣的也不用浪费时间了。下图是我订阅的两个主题。订阅方式就是给他们发邮件，见图二。
2. 关注公众号。可以关注大厂的官方号，比如阿里云、腾讯技术工程、转转技术、大模型论文研习社等等。其中我比较常看阿里云，更新非常频繁，而且 AI 火起来之后，他们发布的大部分内容都是 AI 相关的，其中更是包括很多他们内部已经落地的项目。
3. 各种大厂、官方文档的博客。包括langchain，anthropic，promptingguide，openai，美团技术团队。这些团队或者公司的技术文章质量不敢说多高，但是很多都是经过验证的。
4. 一些值得深入研究，或者写项目验证的资料：

• 一个非常全的 RAG 技术优化总结,被国内很多垃圾公众号洗稿了，这里是原版；
• 如何构建多智能体系统？ anthropic 的官方攻略，值得写个项目去验证；
• 这是一篇论文，但它不是某个技术或者项目，而是上下文工程所有技术的总结，如果想对上下文技术有系统性了解，请直接看这篇；
• 这是阿里云的官方免费文档，教了 agent 应用完整的开发体系，并且免费提供用来测试的机器，这个项目用来入门可以说是非常棒了。

还有很多收藏是 有趣的、有用的论文，但是都是可看可不看的，就不一一列举了，有人感兴趣 wo 再发。

最后是我的开源项目，可以直接在这个裸露 IP 看 demo 。 http://101.43.255.23/

这个项目也是一个论文理解类的项目，主要功能是对话，基于强化学习思路的推理理解，相比于普通 RAG ，可以回答很复杂的问题。还附加了对照翻译等功能。也是今年年中找工作的时候做的，我给他改善了一下 UI ，如果有跟我一样需要通过论文学习的需求，可以直接在本地部署一下，部署也非常简单，支持 docker 一键启动。最后，请大家帮我点个 star ！！！ 这个很重要。