🎯 课程主题
梳理大模型行业的岗位分层体系，帮助不同背景的学习者定位适合自己的职业方向，明确 LangChain 对应的岗位层级。
📝 核心知识点
1. 岗位分层总览（从底层到上层）
┌─────────────────────────────────────────┐
│ 5. 大模型与Agent应用开发工程师 ← 最多 │ ← LangChain 主战场
├─────────────────────────────────────────┤
│ 4. 大模型微调与算法工程师 │
├─────────────────────────────────────────┤
│ 3. 大模型基座开发与优化工程师 (PhD) │
├─────────────────────────────────────────┤
│ 2. 数据开发与清洗工程师 │
├─────────────────────────────────────────┤
│ 1. 大模型运维与基础设施(Infra)工程师 │
└─────────────────────────────────────────┘
2. 各岗位详解
① 大模型运维与 Infra 工程师
- 工作内容：负责 GPU/TPU 等硬件的部署与优化，保障大模型在服务器上的运行。
- 定位：偏硬件，较高端。
- 需求方：拥有基座模型的大厂（如阿里），岗位需求相对有限。
② 数据开发与清洗工程师
- 工作内容：对训练语料进行清洗和标注。
- 定位：门槛不高，但模型训练的前置环节，非常重要。
- 关键细节：非高端岗位，但对数据质量有直接影响。
③ 大模型基座开发与优化工程师
- 工作内容：开发基座模型本身。
- 定位：对学历要求极高（默认博士起步），薪资极高（10篇顶刊的博士年薪可达 150-200 万）。
- 关键细节：招人极少，一个基座模型团队约 20-30 人，适合极少数顶尖人才。
④ 大模型微调与算法工程师
- 工作内容：在特定行业（制造、医疗、金融、电商）或多模态领域对模型进行微调与后训练。
- 定位：一本及以上、双一流/211/985 学历可考虑。
- 关键细节：岗位数量比基座开发多很多。不过即使做微调，也需了解 Agent 应用，因为微调最终服务于应用。
⑤ 大模型与 Agent 应用开发工程师（⭐ 重点）
- 工作内容：基于 B 端、C 端、G 端等多场景开发 AI 应用与智能体。
- 需求方：央国企、互联网中大厂、小厂、创业公司（如杭州的具身智能创业公司、深圳智驾公司）。
- 定位：岗位最多，覆盖面最广。
- 关键技能：LangChain 框架是核心。
- 核心理念：应用为王 — 应用开发是大模型最值得关注的方向，岗位需求最多。
🏗️ 架构与工作流
- 岗位从底层硬件运维 → 数据清洗 → 基座研发 → 微调算法 → 应用开发，形成了完整的大模型行业人才梯队。
- LangChain 学习者主要定位在最上层的应用开发，这一层岗位最多、学历门槛最灵活、对框架能力要求最高。
💻 代码实战
本节课以理论讲解为主，无代码实战。
⚠️ 常见问题与避坑指南
- 不要盲目追求基座模型开发岗位 — 学历门槛极高且招人少，对大多数人并不现实。
- 做微调算法的人也需要了解应用层，否则微调方向不清晰，价值大打折扣。
- 应用开发工程师是目前入行最实际的切入点，LangChain 是必备技能。
💡 个人总结与延伸
本课解决了"学了大模型能做什么岗位"的核心困惑。对于大多数学习者而言，Agent 应用开发工程师是最佳切入点。LangChain 1.2 作为当前主流的 Agent 开发框架，掌握它就是拿到了进入 AI 行业的门票。建议在学习框架的同时，积累 1-2 个 Agent/RAG 项目经验，这在简历中将是决定性的加分项。