我面试过的AI岗位盘点

2023年，开源模型刚刚多起来的时候，上手AI做的最多的事情就是微调，那会儿我有一张3090，就足够微调GLM2-7B或者Llama2-8B的模型了，网上还有很多的教程，教你怎么找数据集、怎么构建数据集，怎么微调大模型。仿佛只要学会了微调，我就一脚踏进了大模型工程师的门槛。包括到现在，很多客户一开始就说：“我们要微调一个自己的模型，网上都这样说的。”然后14B也好，32B也好，拉一堆行业数据往里塞，觉得这样才算构建核心壁垒。但连续了解几个项目之后，我现在的结论很清晰：对大多数做AI应用的团队来说，微调就是个坑。甚至面试的时候也会出现这个问题：为什么不建议微调？到现在网上还有很多新发的教程，一张...

除了Java，当下最值得投入的技术方向绝对是大模型相关技术——它不仅是AI时代的核心风口，更能与Java后端开发形成强大互补，让你的技术栈从“单一开发能力”升级为“智能应用落地能力”。对Java程序员而言，大模型技术并非遥不可及的“纯算法领域”，反而有大量贴合后端场景的落地路径：比如学习大模型API调用与二次开发，用Java对接GPT、文心一言等模型，快速实现智能客服、文本摘要、代码生成等功能，让传统后端系统具备“智能交互”能力；再比如深耕大模型应用开发框架（如LangChain、LlamaIndex），结合Java的高并发、高可用优势，搭建企业级RAG（检索增强生成）系统，解决知识库问答、文档分析等实际业务需求；若想进一步深入，还能学习大模型部署与优化技术，比如用Java+Docker实现模型容器化部署，通过量化、蒸馏等手段提升模型运行效率，适配后端系统的性能要求。如今，从互联网大厂到传统企业，都在推进“大模型+业务”的转型，掌握大模型相关技术，不仅能让你在Java开发岗位中更具竞争力（比如参与智能办公系统、智能风控平台等新兴项目），还能打开“AI应用工程师”“大模型开发工程师”等高薪岗位的大门，成为横跨后端开发与AI落地的复合型人才，在技术迭代浪潮中牢牢站稳脚跟。

📍面试公司：华为🕐面试时间：2026.1.20💻面试岗位：AI应用工程师❓面试问题：主要问了一些比较基础的问题，比如解释一下transformer的原理，一个7B的模型，用BF16精度需要多少显存？还有可能有什么显存开销？存放在哪里？然后后面就是手撕代码环节，这部分出的题不是很难，就是求给定一个数K，和一个列表，对列表里的数进行+K或者-K的操作，求其最小的极差。🙌面试感想：第一次面试大厂，太紧张了，简单的问题也没有答上来很多，感觉问的八股特别细。后面代码题没有做出来直接凉凉。面试官挺好的，一直在引导，但是自己题刷得太少了，整体难度不是很高，还是刷题问题。后续问了HR，说挂了基本上都告...

随着近段时间编程ai更上一层楼，26届的简历趋势都是加入了ai相关项目和技能。那么后面的校招、社招java的一个简历方向是什么呢？有没有大佬了解或者面试过。需要掌握全栈能力？通过ai可以编码前端，达到以一顶十？