一文搞懂AI核心：预训练、微调与LLaMA-Factory Online高效实践
2026/1/18 21:28:51
文章解析了大厂三类AI产品经理岗位：1)大模型产品经理，负责数据提供、模型测评和策略制定；2)AI+产品经理，挖掘LLM在各行业应用，需掌握大模型原理；3)产品AI+功能经理，专注AI功能交互设计，与传统PM类似。文章强调当前就业形势下，求职者应针对性提升技能，多尝试机会，找到适合自己的岗位。
国庆假期，一些大厂的产品经理回到了成都，线下面基了几个朋友，在聊到现在大厂的AI产品经理工作内容，我们不妨围绕着内容、以及分类做了探讨。
我认为还是有一些借鉴意义，尤其是那些对打算去大厂的朋友来说，了解他们现在的工作内容与技能要求，更好能够在接下来的工作针对性训练。
下面为别人分享源文汇总
1.大模型（基座模型）
不一定是AI产品经理，可能是大模型产品运营、大模型策略产品经理等等。JD一般是和算法团队、数据标注团队协作，运用pe手段提供高质量数据、大模型测评、制定模型策略等等。
数据形式有文本的，也有多模态的。 据我观察，大模型方向的AI产品经理未来可能会把传统pm的角色砍掉，由产运承担pm的职责。
另外，如果是负责AI数字人的话（律师、咨询师、客服、分身等）title也可能是AI对话/内容生成方向，JD内容也多是提供高质量数据、评估模型效果。
2.AI+产品经理
一般是AI产品经理，挖掘llm在物流、跨境电商、金融、法律等行业中的应用场景，达到降本增效的目的。需要负责AI功能的创新与优化、市场分析、用户需求调研、推广、项目管理等工作。
需了解大模型底层原理、agent、workflow、pe等知识。 这种是我个人觉得最有前景的方向了。
3.产品AI+功能
AI产品经理，但是负责内容不涉及模型调优部分，和传统的产品经理区别不大，主要负责产品中的AI功能的交互设计、项目管理等。
传统PM可以尝试下，毕竟对AI部分要求不高，更多还是要求会画原型图、写PRD之类的。 大致分为以上三类，欢迎各位宝子补充。
最后给各位宝子鼓鼓劲，最近的行情不太好，出来找工作的人很多，僧多粥少，很多人面试了几家也没有什么好的offer。
别灰心，没有offer不代表你不优秀，更可能是因为经验不匹配。多找几家，好事多磨，总会遇见适合自己的～
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。