AI替代大部分工作劳力，需求变成了掌握AI应用工具为必备

1、自我介绍2、项目介绍3、介绍 NLP 中数据增强方式NLP 中常见的数据增强方式主要有同义词替换、随机插入、随机删除、随机交换、回译、模板扩写、噪声注入、对抗样本增强和基于大模型的数据改写。同义词替换是把句子中的部分词替换成语义相近的词；随机插入和删除适合做轻量扰动；随机交换适合增强模型对局部顺序变化的鲁棒性；回译是把句子翻译成另一种语言再翻回来，能够保留大意但改变表述；模板扩写适合分类和信息抽取任务；噪声注入比如加入错别字、空格、标点变化，适合提升鲁棒性；对抗样本增强更偏训练阶段优化；现在更常见的是让大模型做改写、扩写、同义表达生成。数据增强不能只追求数量，更重要的是标签一致性和语义不偏...

面对“AI岗位暴涨12倍”的巨浪，转行不再是选择题，而是生存题。高薪固然诱人，但AI赛道的门槛也不低。普通开发若能将垂直领域的业务逻辑与AI工具深度结合，便是降维打击。我不会盲目追求成为算法大牛，但一定会成为**“AI重塑者”**，用大模型给现有技能加杠杆。专业只是起点，持续进化才是硬道理。与其焦虑被取代，不如先一步跃入浪潮，成为驾驭工具的人。

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...

我24界专升本毕业生 本人的工作总结2024.6.15    薪资：8*14 六险二金入职一家芯片半导体公司做测试工程师，由于本人纯软件出身，不负重压干了15天,run!2024.7.7    薪资：8*12 有绩效奖金 五险一金经历一周的面试拷打，顺利入职一家软件公司，虽然工资没上一份高，but从来不加班团队氛围非常好，而且经常有奖金！属于我的舒适圈。2025.7.1   薪资：10*12 有绩效奖金 五险一金由于觉得8k太少，于是提出涨薪顺利涨薪2k，多亏了我主管一直给我提，但是入职这一年公司裁员很多次，我主管在给我提完涨薪后也被裁了 2025.11.1   薪资：12*13  有项目奖金 五险一金当时实习的一家公司主管想返聘我回去，于是毕业一年出头也是混上了，体验到了到手月入过万的感觉