学什么技术栈可以从事AI岗位

从事 AI 岗位的技术栈，核心取决于你选择的细分方向—— 是偏向算法研发的 “造轮子” 岗，还是侧重工程落地的 “用轮子” 岗。两者的技能要求差异很大，但底层基础是相通的。
这里举一个例子，大模型应用开发岗（最适合后端转型，门槛低、需求大）
这是目前企业招聘最多的 AI 岗，核心是 “用现成大模型解决业务问题”，不用自己训练模型，和后端开发的工程思维高度契合。
核心框架与工具如下：
LangChain：大模型应用开发的 “瑞士军刀”，必须吃透。重点学文档加载、文本分割、向量存储、检索链（RAG）搭建、工具调用（Function Call）。
向量数据库：RAG 的核心组件，掌握 Chroma（轻量，适合入门）、Milvus（分布式，适合生产）、Pinecone（云服务），理解向量相似度计算原理。
大模型调用：熟悉主流大模型 API（GPT-3.5/4、文心一言、通义千问、Kimi），掌握参数调优、Prompt 工程技巧。
工程化能力如下：
后端技能直接复用：用 Spring Boot/FastAPI 封装大模型接口，实现鉴权、限流、日志监控。
容器化部署：用 Docker 打包应用，K8s 做集群管理，保证服务高可用。
数据处理：掌握文本清洗、去重、脱敏，处理大模型的输入输出数据。
进阶技能如下：
Agent 开发：基于 LangChain 或 AutoGPT，实现多智能体协作、任务规划，比如 “代码调试 Agent”“简历优化 Agent”。
Prompt 工程：学会编写精准的指令，比如 “作为 Java 后端工程师，帮我优化这段 SQL 语句，要求时间复杂度降到 O (n)”，理解零样本 / 少样本提示、思维链（CoT）技巧。

#从事AI岗需要掌握哪些技术栈？##牛客AI配图神器#