永磁同步电机控制实战手记：从初始定位到MTPA调参
2026/1/10 17:38:21
文章分析程序员职业转型的四大困境：路径依赖、薪资成本、技能缺乏和他人期望。面对科技行业变革，传统IT岗位面临转型压力，而AI大模型领域人才需求激增。文章提供了系统的大模型学习资源，包括视频教程、书籍、面试题等，强调掌握AI大模型技术是程序员抓住时代机遇、实现职业跃迁的关键。通过持续学习，程序员可以打破壁垒，在AI浪潮中重塑职业未来。
在“大龄程序员的未来在何方”这篇文章里比较乐观地介绍了程序员保持竞争力的几个方向，但现实依然是残酷的：很多人将不得不离开软件开发工作，转型去从事其他职业。
当你要这么做时，就会感慨：想不到一切竟如此艰难！你不禁会想起李白老先生的诗：噫吁嚱，危乎高哉！蜀道之难，难于上青天！
那么，为什么会这么难呢？真有这么难吗？
我们这次就从下面几方面扒一扒难在哪里：
- 路径依赖
- 成本
- 缺乏技能
- 他人的期望
然后我们再来看看，在千难万难之中，怎样找到正确的突破姿势。
作茧自缚
跳槽难，转行难，转型难，难在路径依赖、成本忍受、技能缺乏、他人期望这四点，一个一个来说说。
1. 路径依赖
我每天开车到单位，都走“科技路–沣惠南路–科技六路–团结南路–科技七路–丈八东路–丈八西路–丈八二路–锦业一路”这样一条线，下班再反向回来。不管路上堵不堵车，我都这么走。有时跑个高速后回西安，也会从高新出口下，然后再回到这条线上。
这就是我的路径依赖，当我走上这条路时，就觉得踏实、安全。
对于从事软件开发的我们来讲，也有这么个路径依赖：习惯性地会走在开发这条路上。哪怕正在慢慢丧失竞争力，哪怕公司摇摇欲坠朝不保夕，也还是会这么走着。即便哪一天不得不重新找工作，还是会第一个想到：换家公司继续做开发。
这是我们人的天性：长时间做某件事情，就会对它产生依赖、认同。一旦我们习惯了某件事，就会被它植入相应的隐藏假设——你必须做这个，进而在我们必须做出选择时影响我们的选择。
以开发为例，很多人心中都有了这样的隐藏假设：如果你做了开发，就只能一直做开发。
正是因为这种隐藏假设遮蔽了我们的心眼，我们在转型时只能看见有限的几种可能性。
2. 成本
程序员的薪水远高于其它行业，很多朋友都是因为软件开发的高薪水而转行过来的。
我很认同一句话：当我们没有别的追求时，追求金钱也是一个不错的选择。
这话反过来就成了软件开发者的魔咒：当我们发现了自己的追求，想要离开时，我们已经获得的薪酬水平就会成为我们的羁绊。
干过几年开发的朋友，想转行，薪水都会经历一个断崖式下坠，这是多数人不能承受的，也是人的天性——得到了就不想再失去。
我们习惯性的认为职场只能一个台阶一个台阶往上走，我们习惯性的认为薪水只能一年比一年高，我们不能接受成长过程中的凹陷。
其实，这只是一种取舍。我们要不断攀升的薪水福利职位，目的是为了让我们的生活更安全，更有有幸福感、意义感。那当我们发现了一件直接就能带给我们意义感的事情时，去做它不是更好吗？你不仅不用拿钱去买、去寻找了，而且你在做它时还能赚到钱，这不是更“划算”更有价值的选择吗？
3. 缺乏技能
我们人有一种天性，一旦找到一个答案、一旦感到安全、一旦觉得稳定，就会松懈下来，不再考虑或较少考虑将来的去向。
在“你在职场可能犯下的最大错误”那篇文章中，我详细地描述了这种状态。正是因为我们习惯于把自己托管给公司，倾向于按部就班地工作，不愿去面对更为艰难的自我更新和迭代，才会使得我们在不得不考虑转型时，发现自己除了技术一无是处，只能拔剑四顾心茫然。
4. 他人的期望
别人会对你有期待，他们希望看得懂你，不希望你带给他们看不懂的意外。我们给身边的每一个人、给我们可能看到的每一个人都编制了一个“人设”，认为他们就该按照我们设定的角色去发展，如果他超出了我们预想的“人设”，我们就会诧异、不解、愤怒，进而否定、打压。这就是我们的生活中贴标签盛行不衰的原因。
就这一点而言，父母、伴侣、朋友对我们的期望，尤其会给我们带来巨大的压力，父母会不希望你放弃稳定又高薪的工作，伴侣会担忧你的选择不能保障优裕的家庭生活，朋友会觉得你不应该瞎折腾让自己越来越不值钱……
除了亲戚朋友，但凡稍稍熟悉你的人，都会对你有期待、有评价，都习惯用他们感到舒服的视角来框你。
别人会因为你做了软件开发工作，就把你等同于程序员这一身份，会一直强化你的优势——技术，而不看你别的方面。
比如我参加智空间的咖访谈，访谈结束后，有好几位朋友找我，就是因为我技术好，就要我帮忙做技术方案或者到他们公司从事技术工作。别人看到的，都是你过去走过的路。
比如我参加在行西安的线下聚会，有的朋友知道我是程序员，就准备外包项目给我。
再举个例子，林依轮，歌星，他唱过的《爱情鸟》这首歌，当年红遍大江南北。有一天我在“一起投吧”节目上看到他在做投资人，当时我心里就冒出一个念头——“唱歌的怎么可能懂投资”。
这就是我们习惯了的思维定式。我看了几期“一起投吧”之后，发现，林依轮还是蛮有眼光和判断的，我的那种标签式的评价太不靠谱了。
类似的事情一直发生在赵薇身上，她因为演了《情深深雨濛濛》里的陆依萍和《还珠格格》里的小燕子而大红大紫，吃瓜群众就给了她一个人设，认为她不能做不符合她身份的事情。可是她不啊，这么多年，她当导演，自己做电影，当国际电影节评委，嫁给商人，跟商界名流过从甚密，做股权投资，投资实业……每一步都超出了吃瓜群众对她的人物设定，你刚适应她新的样子，她又抛开了往前走了，你跟不上趟了，你愤怒了，发出怒吼：“怎么能这样！你怎么可以去投资！还要玩儿杠杆控制上市公司？”
但是，为什么不可以？
如何系统的学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“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，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，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。
一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇
01.大模型风口已至：月薪30K+的AI岗正在批量诞生
2025年大模型应用呈现爆发式增长，根据工信部最新数据：
国内大模型相关岗位缺口达47万
初级工程师平均薪资28K（数据来源：BOSS直聘报告）
70%企业存在"能用模型不会调优"的痛点
真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！
02.大模型 AI 学习和面试资料
1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工
📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。