研一/研二转大模型应用开发:三年怎么规划、来得及吗 · AlgoMooc

研一/研二转大模型应用开发:三年怎么规划、来得及吗 · AlgoMooc

阶段	主目标	该做什么	不该做什么
研一上	建立方向感	读路线图,跑通 LLM API、最小 RAG、最小 Agent	一头扎进论文和公式,不写代码
研一下	做第一个完整项目	按RAG 智能问答系统做出可展示项目,开始写简历草稿	同时开太多项目,每个都停在 demo
研一暑期	尝试第一轮实习投递	投 RAG/Agent/AI 应用实习,用面试反馈修项目	等“准备完美”再投
研二上	项目升级 + 面试题	补评估、引用、重排、记忆;刷851 道真题	只刷选择题式八股,不练口述
研二寒假/春招	冲暑期实习/提前批	根据 JD 改简历,看真实面经校准追问	一份简历海投所有岗位
研二暑期	拿实习或补强项目	有实习就做深;没实习就把项目打到可讲透	因为一次没过就换方向
研三上	秋招闭环	项目深挖、系统设计、行为面、投递节奏	临时补项目,临时背答案

你已有的东西	可以改造成什么	面试表达方式
课程大作业	文档问答、知识库、智能助教	“把课程资料做成 RAG,支持引用溯源和错题定位”
实验室论文阅读	Deep Research/论文调研 Agent	“让 Agent 自动检索论文、提取方法、生成带引用的调研报告”
数据处理脚本	RAG 文档清洗和评估集构造	“处理 PDF/HTML/表格,做切块质量和召回评估”
Web/后端项目	大模型接入业务系统	“把 LLM API、权限、日志、队列和业务流程串起来”
推荐/搜索方向	检索、重排、评估	“把搜索/推荐指标迁移到 RAG 召回和排序”

岗位名关键词	你要准备的项目证据
大模型应用开发实习	RAG/Agent 项目、API 调用、服务化能力
RAG/知识库实习	文档处理、向量检索、重排、评估、引用
Agent/AI 助手实习	工具调用、任务规划、记忆、异常兜底
AIGC/多模态应用实习	多模态理解、内容生成、评估、业务场景
应用算法实习	微调、评估、数据构造、实验对比

项目层级	常见表现	面试风险	升级动作
demo	跑通 LangChain 或调用 API	一问参数和错误就卡	打印并解释每一步链路
小系统	有前后端和问答功能	看起来能用,但没质量证明	加评估集、badcase、引用溯源
可面试项目	有真实文档、错误分析、优化对比	能支撑 20 分钟追问	准备方案对比和取舍
强项目	有业务背景、上线约束、指标闭环	能和实习/JD 对齐	加权限、监控、成本、部署说明

写法	问题	更好的写法
熟悉 RAG、Prompt、Agent	太空,无法追问	设计并实现课程资料 RAG,覆盖 PDF 解析、向量检索、重排、引用溯源和离线评估
使用 LangChain 搭建问答系统	像教程复刻	针对制度类问答 badcase,调整切块和混合检索策略,提升召回质量并记录错误分类
了解 DPO 和 SFT	只写概念	构造多模态问答偏好样本,比较 SFT 与 DPO 在格式遵循和答案质量上的差异

背景	起点	关键动作	反馈结果	对研一/研二的启发
研二,双二本硕士	自学内容零散,没有能被深挖的工业级项目	梳理 RAG、Agent、Post-Train 主线,补端到端项目,再针对二面表达逐轮复盘	通过百度多轮面试,同时有中科院软件所实习选择	学历不是唯一变量,但项目和表达必须尽早成型
985 研二	有 C++/Python 基础,但缺大模型实战	补 Post-Train、RAG、Agent 两套项目,把训练、评估和应用链路串起来	收到华为、得物、拼多多 AI 实习 offer	研究生不要只写"会编程",要把能力落到可追问项目上
研一,大模型安全方向	有理论方向,但缺工程落地项目	把研究方向接到 Agent/RAG 工程项目,补工具调用、评估和项目复盘	拿到百度 Agent 工程师实习 offer	科研方向要转成工程证据,否则面试里容易只停在概念