字节跳动最新社招数据显示AI/大模型岗位占比高达34.6%，远超传统岗位。文章梳理了大模型算法岗、大模型开发/Agent工程师、AI Infra工程师三个主要方向，帮助读者了解大模型领域的发展趋势和就业前景，并呼吁在Codetop新增AI相关岗位分类，吸引更多开发者关注和学习。

最近我扒了一份字节跳动官网最新的社招研发岗位数据，

一共 5346 个岗位，

跟 AI / 大模型沾边的岗位有 1852 个，

占到了整整 34.6%，

也就是说，差不多每三个研发岗里，

就有一个是 AI/LLM/agent 相关的。

把传统的「前端」「客户端」「后端」都甩在了后面…

这些岗位名字很杂，

说实话，我都有点懵，感觉太多了…

岗位名字也很很多都有相近，

可能是因为这几年新发展的方向，

很多工作的边界线还没那么清晰。

我按照我的理解大概捋一捋，

如果有错误，恳请大佬指出。

一、大模型算法岗

简单说就分两种：一种造模型，一种用模型。

造模型的，就是大家常听到的预训练、基座模型那拨人。

这活儿烧钱烧卡，动不动就是上千张卡一起跑，

对论文和学历的要求较高。

用模型的，是大多数算法工程师最后会去的地方。

哪个行业都能塞——金融、医疗、客服、营销，

目标就一个：把大模型真正落到业务里、让它好用。

二、大模型开发 / Agent 工程师

我理解这个岗位就是造Claude Code或者其他的agent工具的人，

Agent = Model + Harness，

Model是由岗位一的算法团队负责的，

而这个岗位就是负责 Harness，

怎么使用算法，负责让模型稳定、高效地工作。

由于不需要涉及具体算法，

最近一两年很多传统的开发岗会转到这个岗位上。

三、AI Infra 工程师

负责搭建和优化 AI 系统的底层基础设施，

让训练、推理能又快又稳地跑起来。

包括算子开发，训推框架加速等方向，

这块门槛偏高，偏底层，

可以学习vllm 或 sglang 的源码。

目前我了解的就这三个方向～

说回正题。

从CodeTop诞生起，

就是后端、前端、算法、测试这些岗位。

现在 AI 岗位几乎是招人最多的，

也是目前看比传统的岗位更有前景的，

所以我准备给 codetop 新增个AI相关的岗位分类：

• 大模型/AI infra/Agent开发

无论面的是算法还是开发，

只要是这类方向的，

欢迎大家选择这个岗位爆料题目！！！

大模型的知识又多又杂，到底怎么学？

做这行久了，被问最多的问题就一个：大模型的知识又多又杂，我到底先学啥？翻了一堆资料，看啥都像重点，结果啥都没学进去。今天把我自己一路摸出来的顺序捋一遍，零基础、应届生、转行的都适用。跟着走，至少方向不乱、不瞎忙，学完拿得出手。

第一阶段（10天）：初阶应用

这一阶段就一个目标：把大模型真正"玩明白"，不是只会聊天那种，而是能调教它、能用代码把大模型和业务接起来。

• 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

这阶段正式进实战，目标很实在：做出两个能拿出手的东西——一个私有知识库，一个 agent 对话机器人。

• 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

• …

走完这 30 天，Python 或 JavaScript 背景的基本能独立做一套 RAG 应用，简历上也敢写"大模型应用开发"了。

第三阶段（约20天）：动手微调

学到这，你已经开始 “造” 模型了 —— 通过微调，搞出垂直领域的专用小模型。

• 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
• …

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。你从 “只会用” 变成 “能造” 的 AI 小子。那么你还想往下探索吗？

想要入局AI大模型赛道、抢占行业红利的朋友，微信扫描下方CSDN官方认证二维码，即可100%免费领取全套学习资料！

第四阶段（20天）：商业闭环，部署落地

技术学完，落地才算数。这阶段带你搞明白大模型怎么真正跑起来、用起来。

• 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
• …

想要入坑大模型的朋友，给大家准备了一份2026 年最新 AI 大模型全套学习资料：

1、大模型系统化学习路线

2、大模型学习视频教程

3、大模型学习书籍&电子文档

4、AI大模型最新行业报告

5、大模型项目实战&配套源码

6、2026大模型大厂面试真题

7、为什么要学习大模型？

我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着AI技术飞速发展，预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。

8、适合谁学？

• 传统后端 / Java / 前端开发，想转型 AI 应用
• 大学生、应届生，想拿更好的 offer
• 产品经理、运营，想武装职业竞争力
• 技术负责人，想给团队落地提效

学习是反人性的，但回报是真金白银。技术会更新，赛道会切换，但只要你先动手，机会就永远站在你这边。

9、这些资料真的有用吗？

这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

想要入局AI大模型赛道、抢占行业红利的朋友，微信扫描下方CSDN官方认证二维码，即可100%免费领取全套学习资料！

好了，就写到这。路线是死的，人是活的，卡住了随时来问我。觉得有用就点个收藏，别让它进收藏夹吃灰——动起来比啥都强。