AI时代，哪些岗位最容易被淘汰

1.项目真实性与“含 AI 量” (最坑的一道题)面试官： “你简历里的这几个项目，哪些是完全靠 AI 生成的？哪些是你自己写的？AI 帮你解决了什么具体问题？”面试核心： 考察你对项目的控制力。如果你说“全是 AI 写的”，面试官会认为你缺乏解决复杂工程问题的能力。高分策略： 诚实交代 AI 的参与度（比如：AI 辅助生成了 70% 的样板代码、Mock 数据或单元测试），但核心的架构设计、数据库状态机切换、分布式锁的竞争边界处理必须强调是你的思考。2. AI 代码的“排毒”能力面试官： “如果 AI 给你的业务逻辑代码（比如一个复杂的 SQL 优化建议）看起来能跑，但潜伏着死锁风险，你通过什么手段识别出来？”面试核心： 考察后端基本功。AI 会写代码，但它不一定懂你的线上数据库隔离级别。考核点： 慢查询分析、事务传播机制、索引失效场景的预判。3. AI 驱动的自动化测试面试官： “你会如何利用 AI 来提升单元测试的覆盖率？你是怎么设计 Prompt（或 Skill 规范）来确保生成的测试用例覆盖了所有的边界条件（Edge Cases）？”面试核心： 考查工程素养。进阶： 谈谈你如何定义一套 Markdown 格式的 Agent Skill，让 AI 能够针对 Git Diff 自动生成高质量的 Test Case。4. 生产环境中的 AI 风险控制面试官： “如果我们在后端引入大模型做自动化审核，模型‘幻觉’（Hallucination）导致误删了用户数据，你在系统架构上会设计什么样的‘熔断’或‘人工回滚’机制？”面试核心： 容错设计。后端的核心任务永远是确定性，而 AI 是概率性的，如何用确定性的架构去包裹概率性的输出。5. AI 时代的“防御性编程”面试官： “在接入 GitHub Copilot 或 Cursor 开发时，你是否遇到过 AI 生成的代码逻辑在并发场景下失效（比如忽略了单例模式的线程安全）？你是如何发现并修复这些‘高智商垃圾’代码的？”考察点： 考察你是否具备代码审计能力，而非盲目信任 AI。------------------------------🚀 写在最后：加入我们，定义未来的后端我们正在寻找那些对底层技术有敬畏心，对前沿工具更有好奇心的同学。我们需要你：扎实的后端功底（Java/Go/C++ 任一）。对系统架构有热情，理解分布式一致性和容错处理。能熟练使用 AI 工具，并对如何提升 AI 产出质量有自己的见解。🔗 快速通道（HR 每日清筛）别让你的才华埋没在简历池里，点击下方链接直接触达核心技术团队：春招投递链接在这里：【拼多多集团-PDD校园招聘】内推链接：https://careers.pddglobalhr.com/campus/grad?t=C17PiAsy4n，内推码：C17PiAsy4n。期待你的加入！我们一起，无拼不青春！（通过此链接投递计入内推，内推简历优先筛选~）(有任何问题欢迎找我私聊沟通，帮看面试进度)通过这个链接投递会进入内推池，简历会优先筛选。祝大家都能拿满意的 Offer，我们在 AI 时代的后端浪潮里见！作者：在刷代码的哈士奇很勤劳链接：https://www.nowcoder.com/feed/main/detail/a97b1cbb5e6a40519291f3313b971fde?sourceSSR=users来源：牛客网

呜呼，程序员危矣！ 你以为你在和AI竞争？错。你在和老板的幻想竞争。 并不是AI的能力真的完全取代程序员，而是让老板以为AI的能力真的可以完全取代程序员！ AI导致的程序员就业危机应该会比预期的还要更早、更猛烈，因为大众对AI的认知有点过于盲目和狂热了，你可能会暗自嘲笑别人啥都不懂，盲目夸大ai,但你别忘了，给你开工资的老板可能也是其中盲目的一员。 可笑吗？荒谬吗？但现实就是——给你发工资的人，可能连 prompt 是什么都搞不清，却敢决定你的去留。上意难测啊!上过班的都能听懂这句话吧

1.项目真实性与“含 AI 量” (最坑的一道题)面试官： “你简历里的这几个项目，哪些是完全靠 AI 生成的？哪些是你自己写的？AI 帮你解决了什么具体问题？”面试核心： 考察你对项目的控制力。如果你说“全是 AI 写的”，面试官会认为你缺乏解决复杂工程问题的能力。高分策略： 诚实交代 AI 的参与度（比如：AI 辅助生成了 70% 的样板代码、Mock 数据或单元测试），但核心的架构设计、数据库状态机切换、分布式锁的竞争边界处理必须强调是你的思考。2. AI 代码的“排毒”能力面试官： “如果 AI 给你的业务逻辑代码（比如一个复杂的 SQL 优化建议）看起来能跑，但潜伏着死锁风险，你通过什么手段识别出来？”面试核心： 考察后端基本功。AI 会写代码，但它不一定懂你的线上数据库隔离级别。考核点： 慢查询分析、事务传播机制、索引失效场景的预判。3. AI 驱动的自动化测试面试官： “你会如何利用 AI 来提升单元测试的覆盖率？你是怎么设计 Prompt（或 Skill 规范）来确保生成的测试用例覆盖了所有的边界条件（Edge Cases）？”面试核心： 考查工程素养。进阶： 谈谈你如何定义一套 Markdown 格式的 Agent Skill，让 AI 能够针对 Git Diff 自动生成高质量的 Test Case。4. 生产环境中的 AI 风险控制面试官： “如果我们在后端引入大模型做自动化审核，模型‘幻觉’（Hallucination）导致误删了用户数据，你在系统架构上会设计什么样的‘熔断’或‘人工回滚’机制？”面试核心： 容错设计。后端的核心任务永远是确定性，而 AI 是概率性的，如何用确定性的架构去包裹概率性的输出。5. AI 时代的“防御性编程”面试官： “在接入 GitHub Copilot 或 Cursor 开发时，你是否遇到过 AI 生成的代码逻辑在并发场景下失效（比如忽略了单例模式的线程安全）？你是如何发现并修复这些‘高智商垃圾’代码的？”考察点： 考察你是否具备代码审计能力，而非盲目信任 AI。------------------------------🚀 写在最后：加入我们，定义未来的后端我们正在寻找那些对底层技术有敬畏心，对前沿工具更有好奇心的同学。我们需要你：扎实的后端功底（Java/Go/C++ 任一）。对系统架构有热情，理解分布式一致性和容错处理。能熟练使用 AI 工具，并对如何提升 AI 产出质量有自己的见解。🔗 快速通道（HR 每日清筛）别让你的才华埋没在简历池里，点击下方链接直接触达核心技术团队：【PDD实习生招聘】🔗 内推链接：https://careers.pddglobalhr.com/campus/intern?t=IU9k50iFrF🎫 内推码：IU9k50iFrF⭐ 为什么说PDD暑期实习“性价比很高”① 实习满2个月即可申请转正相比很多公司需要 3-6个月实习，PDD暑期实习满2个月即可发起转正流程。② 实习转正薪资通常高于校招入职通过 实习转正入职的薪资一般更有优势。③ 免费三餐 + 高薪实习公司提供 免费三餐 + 有竞争力的实习薪资。(有任何问题欢迎找我私聊沟通，帮看面试进度)通过这个链接投递会进入内推池，简历会优先筛选。祝大家都能拿满意的 Offer，我们在 AI 时代的后端浪潮里见！

金三银四求职旺季，身边越来越多的求职者开始依赖AI——有人用AI改简历，告别流水账式表述；有人用AI补知识，快速掌握岗位必备技能；有人用AI模拟面试，避免临场紧张翻车。曾经我也觉得“AI只是辅助，不如自己动手靠谱”，直到亲身实践后才发现，选对AI工具、用对技巧，能让求职效率翻倍，少走很多弯路。作为一名社招转岗（后端转全栈）的从业者，这段时间我全程用AI辅助求职，从改简历、补全栈知识，到模拟面试、优化话术，AI几乎贯穿了求职的每一个环节。今天，就和大家详细分享我的AI使用经历和实用技巧，不管你是应届生春招，还是社招转岗、在职跳槽，都能直接照搬使用，也会分享一个帮我精准优化简历、提升投递命中率的核心工具，帮大家高效上岸。先说说最核心的使用场景——用AI改简历，这也是我最先尝试、收获最大的一个场景。刚开始转岗投递时，我用的是之前后端岗位的简历，只是简单修改了岗位意向，就盲目海投，结果投递了30多份，只收到2份面试邀约，大部分简历都石沉大海。我一度以为是自己的能力不够，直到复盘时才发现，问题出在简历上：简历里全是后端相关的技能和经历，全栈岗位需要的前端技能、AI编程工具使用经验几乎没有体现，而且经历写得像流水账，没有用数据量化成果，HR筛简历时，根本看不到我的匹配度和核心优势。一开始我自己修改简历，查了很多全栈岗位的JD，逐字逐句调整，花费了整整一天，改出来的简历依然不尽如人意——不知道怎么突出全栈相关的能力，不知道怎么用专业表述优化经历，也不知道怎么精准匹配岗位关键词。就在我一筹莫展的时候，身边的同行给我推荐了泡泡小程序AiCV简历王，告诉我用它能快速优化简历，精准匹配岗位需求。抱着试试的心态，我用了泡泡小程序AiCV简历王，没想到彻底解决了我的简历难题。它和普通的AI改简历工具不一样，不用我手动输入修改需求，只要上传简历和目标岗位JD，就能一键分析两者的匹配度，自动标出我缺漏的关键词，比如全栈岗的“Vue框架”“AI编程工具使用”“前后端联调经验”等，还能帮我用STAR法则，把后端相关的经历，优化成贴合全栈岗位的专业表述，同时补充AI辅助编程的相关细节，让简历更有竞争力。比如我之前写的“负责后端接口开发，完成接口调试”，被优化成“负责后端接口开发与调试，运用AI编程工具生成基础接口代码，优化接口性能，减少响应时间30%，同时配合前端完成联调，确保前后端数据同步，提升项目开发效率”，既保留了我的核心经验，又突出了全栈岗位需要的协作能力和AI应用能力。更实用的是，它还能帮我量化成果、优化排版，把原本杂乱无章的简历，整理得干净整洁，重点内容加粗突出，HR能在3-5秒内抓住核心亮点。优化完简历后，我调整了投递策略，每天精准投递5-8家全栈岗位，投递前再用泡泡小程序AiCV简历王核对一遍关键词，确保没有遗漏，慢慢的，面试邀约从之前的2份，增加到12份，投递命中率提升了6倍。除了改简历，用AI补充岗位必备知识，也是我求职路上的一大助力。作为后端转全栈，我缺乏前端相关的技能，比如Vue、React框架，还有AI编程工具的使用技巧，这些都是全栈岗位的必备要求，如果不快速补充，就算拿到面试邀约，也很容易翻车。一开始我想报线下课程学习，但时间成本太高，而且金三银四旺季，我没有多余的时间慢慢听课；看线上教程又太零散，不知道重点是什么，容易浪费时间。后来我尝试用AI辅助学习，才发现这是最高效的方式——我用AI工具输入“全栈岗位必备前端技能”“AI编程工具使用教程”，它会快速整理出核心知识点，分模块讲解，还能结合我的后端基础，推荐适合我的学习路径，避免我盲目学习。比如我学习Vue框架时，AI会先给我讲解核心概念，再结合简单的案例，教我如何用AI工具生成Vue基础代码，如何调试代码、优化页面，还会帮我整理常见的报错及解决方法，让我能快速上手。以前需要一周才能掌握的基础技能，用AI辅助，3天就能熟练运用，大大节省了我的学习时间。这里给大家分享一个AI学习的小技巧：不要让AI直接给你“标准答案”，而是要学会“提问”。比如不要问“Vue怎么学”，而是问“后端转全栈，如何快速掌握Vue框架？请结合我的后端基础，推荐3天学习计划，包含核心知识点和实操案例”，这样AI给出的内容会更精准、更贴合你的需求，学习效率也会更高。同时，学习过程中遇到不懂的问题，随时问AI，它能快速给出详细的解答，比查资料、问同行更高效。第三个核心使用场景，就是用AI模拟面试，避免临场紧张翻车。我之前面试时，经常因为紧张，自我介绍卡壳、回答问题语无伦次，明明准备得很充分，却发挥失常，错失了很多机会。后来我开始用AI模拟面试，慢慢克服了紧张的问题，面试通过率也大幅提升。我常用的方式是，用AI工具输入目标岗位的JD，让它生成针对性的面试题，包括基础题、专业题、行为面题，然后我对着AI口头回答，AI会实时记录我的回答，指出我的不足，比如“回答逻辑不清晰”“没有结合岗位需求展开”“语速太快”，还会给出优化建议和参考话术，帮我完善回答。比如面试全栈岗时，AI会生成“如何用AI编程工具优化前后端联调效率”“你做过的全栈项目中，遇到的最大问题是什么？如何解决的”等针对性问题，我回答后，AI会帮我优化话术，让我的回答更有条理、更贴合岗位需求，同时提醒我注意语气、语速，避免紧张卡顿。分享一个AI模拟面试的实用技巧：模拟时，尽量还原真实的面试场景，比如坐在书桌前，全程脱稿回答，不要看笔记，录音记录自己的回答，模拟结束后，结合AI的建议，反复修改、反复练习，直到能流畅、有条理地回答所有问题。另外，针对高频面试题，让AI帮我整理出核心答题框架，不要背逐字稿，而是掌握答题逻辑，这样面试时才能灵活应对，不会显得生硬。除了这三个核心场景，我还会用AI做很多辅助工作，比如用AI整理面试复盘笔记，每次面试结束后，把面试题和自己的回答输入AI，让它帮我分析不足，总结经验，避免下次再犯同样的错误；用AI生成求职计划，结合金三银四的招聘节奏，帮我规划每天的投递数量、学习内容、模拟面试时间，让我的求职过程更有条理，避免盲目发力。这段时间用AI辅助求职，我最大的感受就是：AI不是“替代我们”，而是“解放我们”——把我们从繁琐、重复的工作中解放出来，让我们有更多的时间和精力，专注于提升自己的核心竞争力。很多人觉得AI没用，其实是没有用对方法，要么选不对工具，要么不会提问，导致AI给出的内容不精准、不实用。结合我的使用经历，给大家分享几个通用的AI使用技巧，不管是用AI改简历、学知识，还是模拟面试，都能用到：第一，精准输入需求，拒绝“模糊提问”。AI的回答质量，取决于你的提问质量，比如改简历时，不要只说“帮我改简历”，而是说“帮我优化全栈岗位简历，结合岗位JD，突出AI编程工具使用经验和前后端联调能力，用STAR法则优化经历，量化成果”；学知识时，不要说“帮我学前端”，而是说“帮我整理全栈岗位必备前端知识点，结合后端基础，推荐高效学习路径”。第二，学会筛选和优化AI给出的内容。AI给出的内容，不一定完全符合你的需求，比如改简历时，AI优化的经历可能不够贴合你的实际情况，这时候需要你结合自己的真实经历，稍作修改；学知识时，AI给出的知识点可能有冗余，需要你筛选出核心内容，重点学习。第三，搭配专业工具，提升效率。比如改简历，泡泡小程序AiCV简历王比普通的AI工具更精准，能一键匹配JD、优化关键词，节省大量时间；学编程，搭配AI编程助手，能快速生成代码、调试报错；模拟面试，搭配AI面试工具，能生成针对性的面试题，给出更专业的优化建议。第四，不要过度依赖AI。AI只是辅助工具，不能替代我们的思考和努力，比如改简历，AI能帮我们优化表述、匹配关键词，但不能帮我们虚构经历；学知识，AI能帮我们整理知识点，但不能帮我们真正掌握技能；模拟面试，AI能帮我们优化话术，但不能帮我们应对临场的突发情况。求职的核心，还是我们自身的能力，AI只是帮我们少走弯路、提升效率。金三银四招聘旺季，求职竞争异常激烈，想要脱颖而出，不仅要提升自己的核心竞争力，还要学会借助工具，高效发力。AI作为当下最实用的求职助手，只要用对方法、选对工具，就能帮我们节省时间、提升效率，让我们在求职路上少走很多弯路。如果你也在求职路上挣扎，不知道怎么改简历、怎么补充岗位知识、怎么应对面试，不妨试试用AI辅助，尤其是改简历，强烈推荐泡泡小程序AiCV简历王，它能帮你精准匹配岗位JD，优化简历亮点，提升投递命中率，帮你快速拿到面试邀约。

这Gemini3太屌了吧？从设计稿到实际代码基本上几分钟就能出来就说了一句话，连rolI的过程都没有，一个台球游戏就出

AI Agent开发实习生，不是研发岗。后续发展是售后技术支持路线。。。一面 是现在的mentor电话面1.19 19:06 约20min1. 问：你在做实习项目的过程当中，遇到了哪些难点，又是如何解决的？2. 问：你所说的规则提取具体指的是什么规则？（项目）3. 问：针对pdf文件，你是通过什么样的方式去解析的？4. 问：如果pdf里面有文本、表格，且表格有合并单元格和公式，遇到这种情况要怎么处理？5. 问：人才在线考试系统是你们自己做的项目，还是对接的其他框架？6. 问：你提到的扣子智能体的能力，这指的是什么东西？7. 问：这个考试系统是用java写的吗？8. 问：Java框架你在学校里面学的比较多是吗？9. 问：你对服务器有了解过吗？比如自己写完项目后把它安装部署到服务器上？10. 问：你自己在电脑上整过虚拟机然后去进行操作吗？11. 问：你使用过LangChain吗？12. 问：你用到过RAG技术吗，能简单说一下你的了解吗？13. 问：Embedding有哪几种算法你了解过吗？14. 问：你对前端了解过哪些呢？15. 问：你在Vibe coding的过程当中，主要用的是哪个？二三面 线下1.21 14:00 约90min 二 三面部门领导面 约1h1. 问：请说明你们学校课程安排的紧张程度以及目前的学业进度。2. 问：请详细说明毕业论文的完成情况。3. 问：会议论文的撰写过程中，你的具体贡献和作者排序是怎样的？4. 问：请简要介绍你的学习或工作经历，尤其是与AI开发工程师岗位相关的部分。5. 问：请详细说明实习项目的核心功能、解决的问题，以及你在项目中的具体分工。6. 问：请解释原始报告与决策层需求之间的差异点，以及系统如何解决这一问题。（项目背景）7. 问：请具体描述你在实习项目系统录入部分的技术实现细节，包括使用的工具和数据处理逻辑。8. 问：请详细说明你在月报系统中设计的大模型提示词逻辑及其约束条件。（提示词工程 被严厉拷打）9. 问：你对AI Agent开发岗位的理解是什么？以及你希望在该岗位中从事哪些具体工作？10. 问：请阐述你对AI Agent的定义及其能解决的核心问题。三面mentor面 约30min1. 你对线程池了解吗2. 你对锁的了解说说3. 你觉得 Python 和 java 啥区别4. Python 并发、异步了解吗5. Docker 如何查看日志6. 对 Linux 了解吗聊天：1. 介绍公司产品2. 聊毕设3. 聊大模型 ai 编程 Vibecoding反问1 入职的话 我要学点什么呢2 我们这边智能体开发偏工程还是偏算法除了项目 八股都答得很浅。。已oc 记录一下 已上班两周 继续努力这个后续怎么变成后端产出呢

目前大三，中or末九的计科，代码能力一般般，预计出去水硕一年，目前all in后端开发卷java还有前途吗？听学长学姐说基本都是有在被AI大面积替代的问题。其实本身不是很反感稍微底层一些的内容，比如操作系统之类的，这个方向如何呢，但据说岗位相当少，不过或许被AI替代的可能性也略小

为什么在前端岗位大量减少、存量前端大量待业的背景下，牛客上却很多前端晒校招offer和分享经验?是幸存者偏差吗?是前端的特点导致高级岗位少初级岗位多？还是企业更偏爱校招生?

最近和老同事们闲聊，聊其他事时大家可能争得面红耳赤，但一提到前端开发，我们都异口同声地觉得，前端这行已经明显在走下坡路了。经常听到小道消息，比如某个前端团队解散，只剩几个人并到后端去；某个部门今年没前端岗位；团队有前端离职后，就不补人了。当然，还没到大规模失业的程度，公司大多是慢慢缩减前端HC，但这衰退趋势太明显了。我觉得，这颓势从微服务推崇的前后端分离成为主流时就埋下了种子，AI Coding只是加速了它。前端基本只负责接收后端结果渲染页面，一个前端往往对接四五个后端，因为页面搭建不需要那么多人（现实就是这么残酷）。大厂的中台有海量成熟UI组件，npm一拉就能用，快速搭页面，然后定义变量调用...

笔者在秋招前由于有DB研发背景，试图找过数据开发岗的工作，最近心有所感，看现在的Agent开发岗越看越像数据开发岗，故写下这篇随想。  安慰大家，就算 oai 爆炸了，大家也不会被辞退的。 笔者一直很希望 oai 跟 nv 一起爆炸让笔者捡便宜显卡。 为什么不让加删除线，牛客怎么搞的  以下是两者在核心维度的映射对比：    维度 数据开发现状 Agent 开发现状     技术栈形态 以 SQL 为主。Java/Scala 因偏重而较少使用。 以 Prompt 为核心的自然语言，Python 和 Java/Go 也是有不少存在感的。   准入与门槛 技术门槛低于后端，学历门槛高于后端。 逻辑...

一边说是说Ai橄榄前端，前端已死，一边是不少人通过前端挤进了it行业，反倒是后端水深火热。表象上看起来很矛盾

鼠鼠现在很迷茫现在不知道该走什么方向，刚学两个月java看到网上很多人说java后端太卷根本不好投简历，说现在前端形势回暖可以考虑转前端甚至可以进大厂，到底是现在转前端或者运维测试还是继续java 求助各位佬给点建议

从AI编程工具秒写代码，到AI办公助手包揽基础执行，AI正在以肉眼可见的速度重构各行各业的岗位要求——不是取代某类岗位，而是淘汰岗位里的低价值劳动者，同时抬高所有岗位的能力门槛。不管你是技术岗的开发、测试，还是非技术岗的运营、产品、文案，工作方式和核心能力要求都已经发生了本质变化。今天就从技术岗和非技术岗两大维度，聊透AI时代岗位要求的核心变化，以及我们该补哪些能力才能不被淘汰。一、技术岗：从「代码制造者」到「AI决策者」，纯编码能力成基础AI对技术岗的影响最直接，Claude Code、Cursor、Qwen Code等AI编程工具的普及，让「手搓代码」不再是技术岗的核心竞争力，以前需要熬夜...

原文发布于我的博客：https://blog.hikarilan.life/thinking/3250/why-i-believe-senior-tech-jobs-will-gone/前几天刷抖音看到很多人在分析 AI 对未来产业的宏观影响，发觉有一个经典观点用在这里很合适：人们总是倾向于高估新技术带来的短期冲击，却低估其长期影响基于这个观点，我开始重新考虑 AI 对程序员行业的影响，然后我发现，AI 对我们，尤其是对于初级技术岗位应聘者的影响，远比很多人想象的大得多，甚至可以说，在没有其他因素影响的情况下，随着 AI 的发展，可能会导致初级技术岗位完全消失，靠吃程序员这碗饭逆天改命的阶级跃...

说实话，如果不是最近这段时间重新出来面试，我可能不会这么快把「AI 应用开发」当成一件必须要补的能力。我做过业务系统、做过中台、也踩过高并发和复杂业务的坑。这几年主要精力都在架构稳定性、业务抽象、工程能力上。直到最近一次次面试下来，我明显感受到一件事：各个企业都在想着把AI应用到自己的企业中”。经过一段时间的了解，我整理出 Java 学 AI 的大致方向，我将按照这个路子走下去。我理解的「Java 学 AI」，不是去做什么？在真正开始学之前，我先给自己定了几个边界：不去卷算法、不搞模型训练不从 Python 数学公式开始不追求“AI 专家”人设而是明确一件事：我还是一个 Java 后端，只是要...

也是没想到AI面试这个环节，我居然想把这个事提出来说说。起因也是在某一天，我一怒之下打开了20个AI面试链接，逐个看大家的回答，没想到让我印象深刻的不是谁答的好，而是穿睡衣面试的比例这么高！20个画面里至少有5-6个同学穿着睡衣面的😄我看见了各种款式的睡衣，什么法兰绒的、条纹的、卡通图案、小豹纹的……emmm……作为企业视角，对于AI面试的看法就是：它一定会逐渐替代人面（初面）因为更加公平和客观，所以你们未来一定会收到更多的AI面，还是希望大家要早点认真对待，先人一步，才能抓住更多的机会啊！

佬们，主播是 27 届江苏省专转本升的南京二本，之前学了一段时间的 Java，苍穹外卖，黑马点评，黑马商城。今年是 AI 元年，现在 Python 大模型应用开发比较火，像 15 年前的 Java 一样，都说选择大于努力，我现在 Java 转 Python 大模型应用开发会比我走 Java 开发要好吗？但是 Java 该学的东西我也都学了，我现在应该如何抉择？

学历：双非本上海某211硕技术栈情况：目前学了java那一套技术栈有一个3000人的厂(不知道算不算中厂)实习。保研后空闲几个月因为未来发论文可能需要用到ai方面的知识，将机器学习、深度学习、nlp过了一遍。又觉得未来大概率进不了算法岗又补充了一些ai应用方面的技术栈如，langchain、langchain4j等。补充：我是很想进算法岗赚大钱卷的，但是最近没有所谓的“毕业生存危机”后就摆了下来(相比之前泡图书馆次数少了很多很多在宿舍打游戏时间偏多)，觉得人生应该追求wlb，过着老婆孩子热炕头的平凡生活，想进一个国企尝试拿个18-20w年包摆烂(国企的话技术栈一般都是java吧目前已经极限入党)。现在是既舍不得java技术栈(之前学太多了,但是其实大二又学了一年的嵌入式java学习时长估计也就一年)，又想看看ai岗有没有能尝试的岗位毕竟算法岗拿的多。感叹年轻真好，自己也一直在走弯路摸索(计算机方向都快走了一遍)，好在续费上了三年想好好规划。“看五年，想三年，踏踏实实做一年”，求大家讨论讨论，也给后续看到要读研的兄弟当个参考。

最近，如果你关注算力、AI 或服务器相关岗位，大概率已经刷到过“英伟达H200可能放开供应”的消息。对还在投简历、做选择的应届生来说，这看起来像是一条离自己很远的行业新闻，但实际上，它可能会直接影响你未来三到五年的职业路径。当这条消息在行业内传开时，最兴奋的是模型训练公司，最冷静的是大型互联网厂，而真正情绪波动最大的，是不少国资算力平台的内部员工。这种反差，本身就值得警惕。按理说这个时候我应该举例子，就是我提到的“国资算力平台”具体是谁，但我不想写，因为往小了写，就是那几家，往大了些，几乎所有和央国企或者国资沾边的公司，都有这样的部门。抛开“赢”学不谈，到目前为止，你几乎找不到一个由国资算力体...