本文源自V2EX社区热议，一位海外硕士求职者分享了其求职困惑：其通过斯坦福网课自学“从零构建语言模型”，编程和项目开发高度依赖AI辅助（AI Coding），且无实际实习经验，计划回国寻找AI相关工作。 针对这一现状，行业讨论给出了关键反馈与建议： 1. **技术栈与岗位匹配**：仅掌握语言模型基础理论（如Toy GPT实现）对求职算法岗远远不够，国内AI岗位竞争激烈，更看重工程落地能力。 2. **AI辅助编程的双刃剑效应**：过度依赖AI生成代码可能导致基础编码与算法能力（如LeetCode手撕代码）在面试中露怯，需加强独立编程与系统设计能力。 3. **破局路径**：建议转向AI工程化（AI Engineer）或Agent开发方向；积极参与开源项目，积累真实的RAG、微调或Agent部署经验，以此弥补无实习的短板。
本文深入探讨了AI工程师这一新兴职业面临的生存危机。随着AI Agent和自动化编程工具的快速演进，不仅传统程序员感受到压力，连专门负责构建AI应用的“AI工程师”也开始面临被AI取代的风险。 目前，许多AI工程师的核心工作集中在拼接API、编写和调试Prompt、管理上下文窗口以及搭建基础的RAG系统。然而，这些任务正迅速被更智能的端到端Agent（如Claude Code等）自动化。未来，AI将能够实现自我微调、自动优化Prompt并自主解决系统集成问题。 对于开发者而言，这意味着仅作为“API调用者”的红利期正在缩短。AI工程师必须向更深层的领域转型，例如深耕底层模型架构、复杂的系统级工程，或者深入业务场景成为“定义问题”的人，而非仅仅是技术的连接者。
一位来自顶尖高校的24级学生，在多模态大模型（专注于token剪枝与推理加速）研究方向上已有一定积累，但尚未发表论文。他面临一个关键职业选择：是否接受华为“AI模型工程师”的实习offer。导师建议，实习可能难以接触核心技术，且未来进入更高平台通常需要发表论文，认为投入科研产出论文的性价比更高。学生本人以“赚钱”为最终目标，纠结于投入两个月能否在现有科研上取得论文产出，以及实习是否能学到有价值的核心技术或有所产出。这一案例反映了中国AI领域早期人才在学术科研（论文发表）与工业实践（实习经验）之间，如何权衡以最大化职业发展和经济回报的普遍困境，特别是在大模型技术快速迭代的背景下，选择路径对个人发展影响深远。