版权与内容来源声明本文为原创整理。文中涉及官方文档、开源仓库、论文与公开报道的内容均在附表 A 中标注来源引用官方原文保持原样不作改写。文中命令、版本号与界面截图以本文成文时的实测/核验结果为准标注「待验证」的部分请以你本地环境实际输出为判断依据。本文不推荐任何不合规的软件获取方式也不对任何收益结果作承诺。转载请注明出处。第 1 章 投递前先自查能力的唯一判据是「能不能拿出来」1.1 校招的节奏决定了你没有「投完再补」的机会校招指面向应届毕业生的集中招聘一般从毕业前一年启动。常见节奏是大三下学期找暑期实习当年 7—9 月是秋招提前批9—11 月是正式批第二年 3—5 月还可能有春季补录。2027 届的同学现在正站在「暑期实习」和「提前批」之间。这条时间线有一个容易被忽略的性质简历一旦投出去你就失去了补充说明的机会。筛选者看到那一页时的判断就是他给你的全部依据他不会等你下个月把项目补完。于是问题就变成了一个很具体的动作把简历上写的能力逐项摊开看每一项能不能当场拿出一件东西给对方看。1.2 「我学过」和「我能演示」是两件事换一个说法「我学过」是输入「我能演示」是产出。两者在简历上看起来差不多但被追问时的处境完全不同。判断一句话属于哪一类有个很省事的办法假设对方只问一句「那你自己做过一个吗」这句话扛不扛得住。简历上的说法属于哪一类对方可能的追问你要准备的东西熟悉 Python 与常用框架我学过你自己写过吗、代码在哪一个能打开的仓库或脚本了解大模型应用开发我学过你调过哪个参数、结果怎么变一份参数记录参与过检索问答项目我能演示换了切分方式后哪几题变好了一张改动前后的对比表做过数据清洗与整理我能演示数据从哪来、脏点是什么一份数据说明区分这两类不是为了否定学习而是为了排优先级投递前时间有限先把「我学过」补成「我能演示」更划算。1.3 四项能力这个划分是怎么来的先说清楚来源下面这四类划分是按公开岗位描述JD即招聘方发布的岗位说明的共性归纳出来的不代表任何平台的统一结论也不是任何招聘方的评分标准。翻看公开的 AI 应用开发类岗位描述反复出现的动作大致落在四个方向把模型能力接进一个能跑起来的服务工程、把杂乱资料变成能用的数据数据、说清模型为什么这样表现并知道怎么调模型理解、让别人能拿到并且用上你的成果交付。《人工智能工程技术人员国家职业技术技能标准2021 年版》里列出的主要工作任务方向与这四类大体一致例如「设计、集成、管理、部署人工智能软硬件系统」「设计、开发人工智能系统解决方案」等表述原文出处见附表 A。需要提醒那份标准是一套职业技能等级的分类法本文的四类是我自己的归纳口径两者不是一回事。第 2 章 四项能力 × 自查动作 × 证据形式2.1 一张总表每一项怎么自查、用什么自证这张表是全文的主干逻辑是「能力项 → 今天就能做的动作 → 能交给别人看的证据」。能力项自查动作今天就能做证据形式必须能被第三方打开通过线工程能力找一份别人的仓库或示例不改它的源码只按说明把它跑起来并发出一次成功的请求一份运行记录环境与版本 可复制命令 真实输出把记录发给同学对方换台机器能重跑出同样的输出数据能力用自己的资料课程设计、脱敏后的实习笔记、开源项目文档整理一份数据写清来源与脏点一份数据卡 一个能重复运行的处理脚本及其输出文件换一个人照数据卡能重建出同一份数据模型理解挑一个你亲手改过的参数如采样温度固定输入跑两次以上记录差异一份参数记录改了什么、改成什么、结果怎么变能当场说出一个参数「调大调小分别会怎样」交付能力把项目交给一个没看过代码的同学只给一段说明看他在十分钟内能否用起来一段可复制的最小用法 一份说明文件对方不用问你就得到了一次成功的输出注意最后一列通过线全部是「别人能不能做到」没有一条是「你自己觉得会了」。2.2 三十分钟怎么把这张表过一遍不需要把项目重新做一遍先把四项各问自己两句第一句「现在有人要我立刻把证据发给他我发得出去吗」——发不出去就是没有证据不是「暂时找不到」。第二句「他看了之后还会再问我一个问题吗」——会就说明证据不完整缺的那部分就是你下一步要做的事。四行走完大约半小时你会得到一个很朴素的结论哪几项能立刻拿出来哪几项是空的。2.3 打勾规则不是四项满分而是不能有空白每一行都必须有一件东西哪怕很粗糙粗糙但真实胜过漂亮但讲不清。证据要满足三条可复现换台电脑照记录能做出一模一样的输出、可展示有文件、日志或表格、可解释你能说清每步为什么这么做。只有你自己能判定的不算证据只是自我感觉「我感觉我理解了」不成立「我跑了两次结果如下」成立。允许不完美语料小、任务小都没关系不能接受的是一项完全空白却在简历上写了它。第 3 章 第一项 · 工程能力不改别人的代码能不能把服务跑起来3.1 三项自查动作这里的工程能力不是指「会写算法」而是指能把一个东西在你这台机器之外的语境里跑起来并且让它稳定地跑第二次。岗位描述里对应的词通常是「工程化」「服务化」「部署」「接口封装」。自查动作三条难度递增找一份别人的仓库开源项目的官方示例、课程代码、同学的项目都行不改它的源码只按说明把它跑起来并返回一次真实输出。故意把其中一处配置改坏例如把某个路径写成一个不存在的目录看你能不能从输出里定位到是哪一步出的问题再改回来。把整个过程写成一份记录交给一个没用过你这台电脑的同学让他照着做一遍。三条各自判一件事会不会读别人的东西、会不会排错、留下的东西别人能不能用。能过第 1 条的人很多能过第 3 条的人少得多。3.2 证据一段能被别人重跑的运行记录起点是虚拟环境——一个与系统隔离、只给某个项目用的运行目录。Python 官方文档的表述是虚拟环境建立在某个已有的 Python 安装之上默认与基础环境里的包隔离只有显式装进去的包才可用惯例的目录名是.venv或venv它不纳入版本控制被视作一次性的、可以删掉重建的东西截至 2026-10-14 的官方文档表述。注意最后一句的分量既然环境本身是一次性的、不可拷贝的别人复现你的唯一依据就只剩下你写下的版本号和依赖清单。⚠️代码待验证python-mvenv .venv# 建一个与系统隔离的项目环境python-mpipinstall--upgradepip# 升级包管理工具python-mpipinstall-rrequirements.txt# 只按清单安装不装进系统环境python app.py21|teerun_2026-10-14.log# 运行并把输出同时写进日志文件一份合格的运行记录里有四样东西Python 与操作系统版本、依赖清单、逐条可复制的命令、真实输出。缺任何一样别人都复现不了你的过程那份记录也就退化成一篇读起来像教程的散文。3.3 常见的三种自欺写法常见说法它实际上证明了什么自查时改成什么我装过环境、跑过别人的代码你有过输入没有产出附上一段成功的输出和日志我熟悉 Python无法验证附上一个你能打开的仓库或脚本我在自己电脑上能跑只证明了这一台机器让同学换台机器照着记录重跑一遍我做过容器化部署需要追问才有信息附上启动命令和一次成功的访问记录这张表的用法不是纠正措辞而是顺着它去补证据第四行不是假话问题在于对方看不到任何东西。第 4 章 第二项 · 数据能力能不能说清数据从哪来、到哪去4.1 三项自查动作数据能力在这里指你能把一堆杂乱的资料变成一份别人也能重建的数据并说清它脏在哪里。岗位描述里对应的词通常是「数据清洗」「数据预处理」「构建训练或评测数据」。自查动作三条选一份你手边就有的资料写下它的来源、获取方式、能公开到什么程度。找出至少三种「脏点」重复条目、格式混乱、同一术语多种写法、字段缺失、含不该公开的信息。写一个能重复运行的处理脚本把原始文件变成一份干净文件并记录处理前后的条数。第 3 条是关键。如果处理过程只能靠手工点一遍数据就只有你这一份换个人重建不出来分量会掉一大截。4.2 证据一份数据卡数据卡英文 datasheet这个说法来自一篇公开论文数据集应当像电子元件附带规格表一样附上一份说明它的动机、构成、采集过程与推荐用途的文档原文出处见附表 A。你不需要照搬学术格式只要做到一件事一个没参与整理的人读完它能重建出同一份数据。⚠️代码待验证{name:课程设计问答语料,source:本人课程设计文档已脱敏不含他人信息,collected_at:2026-10-14,raw_files:12,records_after_clean:348,fields:[id,text,source_file,section],dirty_points:[附件表格转成文本后串行,同一术语有三种写法,目录页被当成正文],known_limits:[公式与图表无法文本化,仅覆盖本人课程内容],rebuild_steps:[运行 scripts/build_data.py,运行后与 clean.jsonl 比对条数]}字段不多但每一个都在回答面试里最常被问到的那个问题「这份数据你处理过什么」dirty_points和known_limits尤其不要省——主动写出数据的局限比声称数据干净可信得多。数据卡字段它在回答什么问题省掉之后的后果source来源数据是哪来的、能不能公开对方无法判断数据是否可用collected_at整理时间是不是最新的一版无法说明时效fields字段结构每条记录长什么样别人重建时字段对不上dirty_points脏点你实际处理了什么问题看起来像没碰过原始数据known_limits已知局限这份数据覆盖不到什么被追问时容易答不上来rebuild_steps重建步骤怎么从原始文件得到干净文件数据变成一次性手工产物4.3 判据同一批题、换个人也能重跑数据能力最容易自欺的地方是把「我整理了一份数据」当成结论。更硬的判据是固定一批问题比如 10 道只有真正读过这份数据才能答对的问题在改动前后各跑一遍看哪几道从答不出变成答对。这里有两条纪律一次只改一个变量切分粒度、检索条数、要不要加重排序改三样就分不清是哪个起了作用。同一批题、同一台机器换题目就不可比换机器要说明差异。检索增强生成常缩写为 RAG意思是不让模型凭空作答先让程序从你自己的资料里查出相关段落再把段落和问题一起交给模型是这类项目最常见的形态。LangChain 官方文档把它描述为一组可替换的组件——加载器、切分器、嵌入、向量库并区分了2-Step RAG检索总在生成之前简单可预测与Agentic RAG由模型自己决定何时、如何检索两种架构截至 2026-10-14 的官方文档表述。两个词先解释嵌入指把一段文本变成一串数字、意思越接近数字越靠拢向量库指专门存这些数字并按距离远近找出最相关段落的地方。你要给对方的不是「我用了某个组件」而是一张能指出「这 3 道题从答不出变成答对」的对比表。给不出这个因果就只是跑了一遍。第 5 章 第三项 · 模型理解能不能说清一个你亲手调过的参数5.1 三项自查动作这里的模型理解不是指「能背出注意力机制的公式」而是指你知道某个参数动一下会发生什么并且能拿出证据。自查动作三条挑一个参数——上下文窗口模型一次能看到的文字上限、采样温度控制输出随机程度的参数值越低越稳定、越高越发散任选其一。固定输入只改这一个参数跑两次以上。记录差异输出的结构有没有变、内容有没有变、哪一种更合用。第 3 条的记录方式很关键。「好像更好了」不是记录「温度 0.2 时三次输出结构一致、0.9 时三次切入点不同」才是记录。5.2 证据一份参数记录⚠️代码待验证parameter_record:param:采样温度fixed_input:用三句话解释向量库的作用runs:-value:0.2observation:三次输出结构一致措辞接近verdict:适合固定格式的提取任务-value:0.9observation:三次输出切入点不同个别句子偏离问题verdict:适合头脑风暴不适合结果比对conclusion:需要可比对时把温度压低需要多样性时再调高reverified_at:2026-10-14两点提醒。第一上面每一行都是待验证的示例要换成你自己跑出来的观察。第二不同服务端对采样参数的支持范围和默认值并不一致有的参数还可能被标记为废弃用之前请回你所用服务端的官方接口文档核对。「背出来的理解」可能的追问需要补的东西我知道注意力机制是什么你在哪个任务上碰到过它的限制一次实际卡住的经历我知道温度是什么你调到多少、结果怎么变一份两次以上的对比记录我了解 RAG检索回来三段之后你做了什么一张检索对比表我知道模型会「编」内容你怎么发现的、后来怎么处理一个具体的错误案例与处置这张表想说明的是原理层面的名词是入场券不是加分项。真正区分人的是「你亲手调过什么、结果怎么变」这类只有做过的人答得上来的细节。5.3 边界不要用「背原理」顶替「调过」最后划一条边界模型理解不等于要你去啃论文。你不需要推导公式但需要知道一个参数在你手上的真实表现。反过来背熟所有名词却说不出一次实际观察追问一轮就露底。大模型学习路线图第 5 章讲的是参数与模型理解如果你希望把从环境搭建到能自己动手做 Agent 的路径系统过一遍这份路线图按阶段标了每一步该学什么、哪些可以先跳过。放在资料包里扫码即可获取第 6 章 第四项 · 交付能力能不能让别人五分钟内用上6.1 三项自查动作交付能力的定义很朴素别人拿到你的东西能不能不问你就用起来。岗位描述里对应的词通常是「独立推进」「交付」「写技术文档」。自查动作三条把项目交给一个没看过代码的同学只给一段说明限时十分钟。数一数他中途问了你几个问题——每一个问题都是一处缺失的说明。把这些问题写回说明文件再换一个人试一次。第 2 条是核心。很多人以为交付能力是「表达能力」其实它更像一种预留问题的能力你知道别人会在哪里卡住所以提前把答案写进去。6.2 证据一段可复制的最小用法⚠️代码待验证# 项目名一句话说明它解决什么小问题 ## 环境 Python 版本 依赖安装python -m pip install -r requirements.txt ## 最小用法 1. 准备输入文件放在 data/input.jsonl 2. 运行python run.py --input data/input.jsonl --output out/result.jsonl 3. 期望看到out/result.jsonl每行一个 JSON 对象 ## 我卡过的地方 - 数据为空时程序返回一句提示不会中断 - 换机器时要重建虚拟环境不要拷贝目录「我卡过的地方」这一节最值得抄进你自己的项目。它一次性证明了三件事你真的跑过、你遇到过真实问题、你能把问题讲清楚。6.3 交付不等于上线需要区分两个词交付的门槛是「别人能用」上线的门槛才是「对外可访问」。你手上的时间按周计所以把标准定在交付就够了。一份能跑通的说明文件价值高于一个只有你能启动的服务一堆界面截图配上一句「环境我还没搭好」在筛选环节里几乎是负分。第 7 章 投递前的打勾清单7.1 四项打勾清单每一行三个条件全部满足才能打勾缺一条就按最后一列去补别硬把简历发出去。能力项打勾条件三条全满足没打勾时的下一步工程能力① 有一次「不改别人代码跑通服务」的记录② 记录里有版本、命令、真实输出③ 同学换机器能重跑先做第 3 章的自查动作 1不要急着改简历数据能力① 有一份自己的数据② 数据卡写清来源与脏点③ 处理脚本能重复运行换一份手边就有的资料重做一遍模型理解① 有一个亲手调过的参数② 有两次以上的对比记录③ 能当场说出调大调小分别会怎样选一个参数今天跑两组并写下来交付能力① 有一段可复制的最小用法② 有人照着它跑通过③ 说明里写清了你卡过的地方找同学做一次十分钟试用记录他问的问题打勾之后再做一件事每一勾后面写上「谁验证过」。只有你自己勾的项是要打折的。7.2 投递前三天怎么收尾三天不是用来学新东西的是按顺序把已有的东西摆整齐第一天补最缺证据的那一项。不要贪多一项就够。第二天找人验证一次。让他照着你的记录跑你只记录他卡在哪里。第三天只改简历措辞不动项目。措辞的原则是「不写学了什么写做了什么、结果是什么」。如果想把清单落成一个可复查的文件可以这样记⚠️代码待验证checklist.py把四项自查结果落成一份可复查的清单。importjson items[{name:工程能力,evidence:run_2026-10-14.log,verified_by:同学甲,done:True},{name:数据能力,evidence:data_card.json,verified_by:同学甲,done:True},{name:模型理解,evidence:param_record.yaml,verified_by:None,done:False},{name:交付能力,evidence:README.md,verified_by:None,done:False},]withopen(self_check.json,w,encodingutf-8)asf:json.dump(items,f,ensure_asciiFalse,indent2)missing[i[name]foriinitemsifnoti[done]]print(还差,、.join(missing)ifmissingelse四项都能拿出证据)print(尚未被第三方验证的项,[i[name]foriinitemsifi[done]andnoti[verified_by]])最后一行输出是故意留的打勾和「被人验证过」是两件事分开统计你才不会自己骗自己。7.3 三件别做的事不要为了凑满四项临时编证据。编出来的证据第一次追问就会塌还会把本可以讲清楚的两项一起拖下水。不要用名词堆简历长度。一串框架名不构成交付能力只会让人觉得你抓不住重点。不要投一份自己都讲不清的简历。判据很简单对着这份简历你能不能连续回答三轮追问而不含糊。《LangChain LangGraph MCP 智能体开发实战》视频课第 7 章讲的是投递前的收尾如果你准备把四项里的「工程」「数据」「交付」补成能演示的东西这套课从私有化部署一路讲到 Agent 全流程可以当作动手时的参考。放在资料包里扫码即可获取附表 A本文引用事实与出处对照表事实出处文档名 发布方 链接本文位置虚拟环境建立在已有 Python 安装之上、默认与基础环境的包隔离惯例目录名为 .venv 或 venv不纳入版本控制被视作一次性的、可删除重建《venv — Creation of virtual environments》Python 官方文档Python Software Foundationhttps://docs.python.org/3/library/venv.html第 3 章 3.2大模型有有限上下文与静态知识两个限制检索流水线由加载器、切分器、嵌入、向量库等可替换组件构成区分 2-Step RAG 与 Agentic RAG 两类架构《Retrieval》LangChain 官方文档https://docs.langchain.com/oss/python/deepagents/retrieval第 4 章 4.3数据集应附一份 datasheet记录动机、构成、采集过程与推荐用途《Datasheets for Datasets》Timnit Gebru 等arXiv:1803.090102021 年 12 月发表于 CACMhttps://arxiv.org/abs/1803.09010第 4 章 4.2模型发布时宜附带 model card说明性能特征、预期用途与评测流程《Model Cards for Model Reporting》Margaret Mitchell 等arXiv:1810.03993https://arxiv.org/abs/1810.03993第 5 章 5.2人工智能工程技术人员的职业定义与主要工作任务《人工智能工程技术人员国家职业技术技能标准2021 年版》人力资源社会保障部、工业和信息化部颁布人社厅发〔2021〕70 号https://www.mohrss.gov.cn/SYrlzyhshbzb/rencairenshi/zcwj/zhuanyejishurenyuan/202110/t20211008_424969.html第 1 章 1.3公开岗位描述中反复出现的工程化、数据预处理与评测、Prompt/RAG/Agent 实践认知、Python 与框架熟练度等要求仅作定性归纳不附统计数字不涉及具体用人单位与薪酬国家大学生就业服务平台公开岗位描述页https://www.ncss.cn/student/jobs/EtMoJgBpBGZXHvZyinAdwc/detail.html 与 http://co.ncss.cn/student/jobs/SbzVjs6m3ncQZNDTmK8WPa/detail.html第 1 章 1.3、第 3—6 章「四项能力工程 / 数据 / 模型理解 / 交付 自查动作 证据形式」为本文按公开岗位描述共性所做的定性归纳不代表任何平台的统一结论本文归纳方法论非官方分类标准第 1 章 1.3、第 2 章 2.1不同服务端对采样参数的支持范围与默认值不一致部分参数可能被标记为废弃待验证本文未逐家复核厂商接口文档请以你所用服务端官方接口文档为准截至 2026-10-14 本文未作结论第 5 章 5.2本文出现的命令、脚本与记录模板均未在本机实际运行仅作格式示例待验证本文写作环境为 Windows 11 与本机 Python未执行任何示例命令第 3—7 章代码块附表 B术语速查表术语一句话解释在本文哪里用到工程能力能把东西跑起来、稳定跑第二次、并让别人也能跑的能力第 2、3 章数据能力能把杂乱资料变成一份别人也能重建的数据并说清脏点第 2、4 章模型理解知道某个参数动一下会发生什么并能拿出证据第 2、5 章交付能力别人拿到你的东西不用问你就能用起来第 2、6 章虚拟环境与系统隔离、只给某个项目用的运行目录第 3 章 3.2数据卡datasheet数据集附带的说明文档记录来源、构成、脏点与重建步骤第 4 章 4.2检索增强生成RAG先从你的资料里查出相关段落再让模型基于这些段落回答第 4 章 4.3嵌入向量把一段文本变成一串数字意思越接近数字越靠拢第 4 章 4.3上下文窗口模型一次能看到的文字上限第 5 章 5.1采样温度控制模型输出随机程度的参数越低越稳定、越高越发散第 5 章 5.1写在最后这篇用到的资料写这篇文章时把相关的官方文档和源码又翻了一遍顺手也整理了几份配套的东西大模型学习路线图从零基础到能自己动手做 Agent按阶段说明每一步该学什么、哪些可以先跳过《LangChain LangGraph MCP 智能体开发实战》视频课7 个模块从私有化部署、EmbeddingRAG 到 MCPAgent 全流程AI 大模型知识库在线可查Agent Skills 从入门到落地、Claude Skills 完全指南等专题按目录浏览即可640 套 AI 大模型行业报告 经典 PDF 书籍看行业落地案例和别人怎么做的时候用得上大模型零基础到精通教学视频跟着敲一遍比只读文档快得多资料是我自己整理的放在下面这个码上扫码即可获取添加时备注「AI」优先通过。资料按「先路线、再动手、最后查漏」的顺序整理好了建议先看学习路线那一份照着它挑一条适合自己当前基础的路径再往下看。
