求职指南 · 转行大模型指南
没有大模型项目经验,怎么攒出能写进简历的项目
面试官要的不是「你做过多大的项目」,而是「你在项目里做过多少真实的技术决策」。一个自己从零搭、每个环节都讲得清为什么的 RAG 或 Agent 系统,胜过任何跑通就完事的教程 demo。项目经验是可以在 4-8 周内攒出来的,前提是做的方式对——带评估、留 badcase、每个取舍都能讲清。
作者:吴师兄 | 适合:想转大模型岗但手里没有「像样项目」的在校生和后端工程师 | 前置:了解应用岗和算法岗的区别,大致知道 RAG / Agent 是什么
先破这个心魔:面试官分辨项目真假,靠的从来不是「这是不是工作项目」,而是追问的深度。一个自建项目只要你答得上「为什么这么切块、召回率怎么测的、换个方案会怎样」,它就是真的;一个挂在简历上的「公司项目」,如果你只是接了个模块、说不清整体决策,一追问就露馅,它反而是假的。
学习内容与项目面试，在同一条路上。
大量转行成功的候选人,简历上的核心项目就是自己从零搭的。原因很简单:自建项目每一行决策都是你自己做的,追问链条无论多深,底下都有东西;而很多人的「工作项目」其实是团队的项目,你只负责一小块,面试官问到你没碰过的环节就卡壳。所以别因为「没在大厂做过大模型」就觉得没资格投——你要证明的是决策密度,不是公司抬头。
有一个例外要提醒:自建项目最怕「一看就是照着教程抄的」。判断标准在下一节,但先记住一句话——教程给你的是骨架,面试官认的是你往骨架上长出来的肉。
四条判断标准,缺一条就还只是 demo。每条我给正反例,你拿自己手里的东西对照。
| 标准 | 反例(还是 demo) | 正例(能写进简历) |
|---|---|---|
| 有真实业务问题 | 「我做了个聊天机器人」 | 「给某垂直领域的 300 份 PDF 做问答,解决人工查条款慢的问题」 |
| 有技术决策和权衡 | 「用了 LangChain 和向量库」 | 「按语义切块,因为固定长度切会切断条款;向量库选 X 是因为要本地部署」 |
| 有量化结果 | 「效果不错,能回答问题」 | 「自建 50 题评估集,召回率从 62% 调到 81%,P95 延迟 1.4s」 |
| 扛得住三层追问 | 问「为什么不用别的方案」就答不上 | 每个技术点预设「为什么→为什么不用别的→出问题怎么办」 |
逐条说透:
真实业务问题是转行者的独特优势。领域可以直接来自你的上一份工作——做过金融后端就拿合规文档,做过电商就拿商品客服语料。「解决了什么人的什么麻烦」这句话说得越具体,项目越像真的。
技术决策和权衡是四条里最值钱的。面试官真正在挖的是「你在岔路口选了哪条、为什么」。切块策略、嵌入模型选型、混合检索的权重、什么情况下检索失败怎么兜底——每一个「选了 A 没选 B」的地方都是一个可讲的决策点。
量化结果哪怕数字是自己构造的测试集测出来的,也远胜于没有。「召回率 81%」自带追问入口(怎么测的、测试集怎么来的),而「效果不错」是死路,面试官接不下去,只会觉得你没做过。
扛住追问是前三条的验收。一个技术点如果只经得起一层提问,说明你只是用了它、没有理解它。写进简历前,自己先把每个名词的三连问过一遍。
别贪多。选一条主线做深,比三条都做浅强得多。两条路线的差异不在难度,在你想证明什么、以及你的时间预算。
| 维度 | RAG 路线 | Agent 路线 |
|---|---|---|
| 适合谁 | 首选,尤其后端转行、想快速出证据链的人 | 已有 RAG 基础、想主打自主决策/工具编排方向的人 |
| 能证明什么 | 检索工程能力:切块、嵌入、混合检索、重排、评估闭环 | 任务规划、工具调用、长程记忆、多步失败恢复 |
| 面试考点密度 | 极高,是应用岗最主流的考法 | 高,但更看重系统设计和边界处理 |
| 上手门槛 | 中,链路长但每环都有成熟方案 | 偏高,不确定性多、调试更费劲 |
| 细化怎么做 | 把 RAG 教程做成你的项目 | 做一个 Agent 项目 |
我的建议:如果你在犹豫,默认选 RAG。它链路完整、考点密集、每个环节都有清晰的「决策—结果」对应,最容易在 4-8 周内攒出能扛追问的证据链。Agent 更适合作为第二个项目,或者你本来就想往 Agent 方向走、也愿意多花时间调试不确定性。选定之后,别在这一篇纠结「具体做哪 8 项产出」——那是 16 篇和 17 篇负责的事,这一篇只帮你判断能不能写进简历、选哪条线。
照着教程跑通,只完成了 30%。剩下 70% 是把它从「谁跑都一样」变成「带你指纹」。这份清单是升级的最小集:
一句话:升级的核心不是「让它更完善」,而是「让它长出你自己的决策和 badcase」。
同样是攒项目,在校生和在职后端的节奏、目标完全不同。
| 人群 | 时间特征 | 打法 | 里程碑 |
|---|---|---|---|
| 研一/研二在校生 | 整块时间足 | 做一个完整 RAG,再用一段实习把它坐实 | 项目跑通带评估 → 投实习 → 实习中接触真实数据反哺项目 |
| 工作约 3 年 Java/后端 | 时间碎、下班后才有 | 4-8 周只做深一个 RAG,主打工程经验 | 用业务领域语料建证据链 → 把后端稳定性/数据管线经验翻译进去 |
研一/研二时间最充裕,别浪费在「多做几个 demo」上,而要用完整项目 + 一段实习形成闭环:项目让你有的聊,实习让项目有真实数据背书,两者互相坐实。这是在校生最强的组合拳。
工作约 3 年的后端恰恰相反,时间是碎的,拼数量必输。你的策略是用 4-8 周把一个 RAG 做到有评估、有 badcase、能讲透,同时把你已有的工程财富——接口设计、异步任务、数据管线、稳定性、灰度——翻译成大模型系统的语言塞进项目里。你不是和应届生比谁调的模型多,而是比谁能把系统跑稳、跑出评估闭环。这正是应用岗最缺的能力。
很多人为了让简历「显得厉害」,同时上 RAG、Agent、多模态三个项目,结果每个都只跑通了教程 demo,都没有评估、没有 badcase、说不清任何一个决策。
这在面试里是灾难。面试官只要挑其中一个往下问三层,你就全线崩盘——而且三个都浅,会让他判断你「什么都碰过、什么都没做透」,比只有一个项目更减分。一个 RAG 做到有评估、有 badcase、能讲透,完胜三个跑通就完事的 demo。 记住:简历上的项目不是越多越好,是越经得起追问越好。你要的是深度密度,不是数量。
很多人以为项目经验一定得来自公司。实际不是。我看过不少反馈,真正拉开差距的不是项目挂在哪家公司名下,而是你能不能把一个场景做成可追问的证据。下面这几条都做了脱敏,你可以当成选项目时的参照。
| 背景 | 原始问题 | 项目补法 | 反馈结果 | 可以照着做的部分 |
|---|---|---|---|---|
| 985 研二,只有 C++/Python 基础 | 没有 Post-Train、RAG、Agent 项目,投大厂暑期实习缺少竞争力 | 做两套能被追问的产业/互联网场景项目,同时补笔试和面试专项 | 收到华为、得物、拼多多 AI 实习 offer | 先做一个可展示项目,再围绕目标公司补题和表达 |
| 211 金融本硕 | 金融科研经历有,但 AI 实战为空,跨专业劣势明显 | 做金融知识库问答和智能风控 Agent,把金融背景接到 RAG/Agent 链路上 | 收到蚂蚁金融大模型算法岗 offer | 行业背景要进入语料、业务流程和评估指标,不能只写在教育经历里 |
| 985 控制本硕 | 原本只准备后端,项目简易,投递反馈弱 | 改做金融场景大模型项目,补 RAG、Agent、上下文工程和面试讲法 | 拿到金融行业双 offer | 如果原赛道不顺,不要盲目换方向,先用一个项目验证新方向的匹配度 |
这类样本的共同点不是"项目名字高级",而是项目能回答三类问题:为什么这个场景需要大模型、你做了哪些工程决策、效果和失败样例如何证明。
认,而且往往比说不清的「工作项目」更值钱。面试官分辨真假靠追问深度,不靠公司抬头。只要你能答清「为什么这么做、为什么不用别的、出问题怎么办」,自建项目就是真项目。很多转行成功者的核心项目都是自己搭的。
从你熟悉的领域来。上一份工作的行业文档、某个垂直领域的公开资料,都能当语料。数据不必是公司机密,关键是场景真实、你说得清「解决了谁的什么麻烦」。语料一换,所有参数要重调,这些重调就是你的决策。
一个做透远胜三个跑通。同时铺 RAG、Agent、多模态都只到 demo,面试官挑一个追三层就全崩,还会觉得你什么都没做深。先把一个 RAG 做到有评估、有 badcase、能讲透,再考虑第二个。
不算,只完成了 30%。跑通只证明你会照抄。剩下 70% 是换成自己的数据、加评估、留 badcase、能讲取舍——让它长出你的指纹。照抄的教程 demo 一追问就露馅,这也是面试官最容易识别的「假项目」信号。
能,但要聚焦。别拼数量,只做深一个 RAG:换业务语料、建 50 题评估集、留 badcase、做一次完整效果迭代。把你已有的后端工程经验翻译进项目里,这恰恰是应用岗最稀缺的能力。想要有人带着做、带真实付费业务背景的项目,可以看训练营。