走的是专升本路径，毕业求职前期屡屡碰壁。后来补齐 RAG、LoRA、AI Agent 等项目能力，经过近两个月的集中投递和面试，最终拿到了上海某科技公司的大模型应用开发工程师 Offer，月薪 14K。

本科读的是人工智能专业。看到“人工智能专业”这几个字，很多人可能会觉得我找相关工作应该很顺利，但真实情况并不是这样。学校里学过深度学习、自然语言处理，也有 Python 基础，可真正开始投简历后，我才发现自己会的内容和企业想要的人之间，还隔着一段不短的距离。

这篇不是“几个月逆袭”的爽文，也不想把过程说得很轻松。我只是把自己从简历没回音、面试答不深，到最后拿到 Offer 的过程完整写下来，给和我背景相似、也在纠结“学历一般、项目不够，能不能做大模型开发”的人一个真实参考。

专科阶段，我接触过一些编程课程，但整体更偏基础实操；升入本科以后，我系统学了深度学习、自然语言处理等理论课程。毕业前我原本以为，专业对口、也会写 Python，至少能拿到一些大模型方向的面试机会。

真正看招聘要求时，我才发现企业问得最多的是 RAG、AI Agent、模型微调、向量检索、项目部署这些内容。学校课程让我知道“它们是什么”，但我没有完整做过一套能运行、能解释、能展示的项目。简历上写的仍然是课程和零散练习，技术面一追问到具体流程、参数选择和问题排查，我就容易卡住。

那段时间，我投出去的简历大多没有回复。少数进入面试的，也经常在技术深挖环节结束。对我打击最大的不是被拒绝，而是我慢慢意识到：企业不是只看我学过什么，而是要确认我能不能把一个真实问题做出来。

后来，我参加了上海近屿智能大模型应用开发方向的系统训练。我的目标很明确：不再继续堆零散知识点，而是把 Prompt、LangChain、RAG、LoRA 微调和 AI Agent 串成完整的工程链路。每学一个模块，我都要求自己最终要落到“能跑通、能说明、能排查”上。

刚开始并不轻松。环境配置、依赖冲突、向量库检索效果、模型输入输出格式，很多问题看起来很小，却会让整个项目无法继续。以前自学时，我遇到 Bug 很容易停在原地；这次我开始把报错、修改过程和最终结果都记录下来，遇到解决不了的问题就及时答疑，不再凭感觉反复试。

真正改变我求职状态的，不是又多学了几个名词，而是手里终于有了可以展开讲的项目。

RAG 文档智能解析问答系统：我使用 LangChain 搭建向量检索管道，完成文档处理、检索和问答流程，并接入 DeepSeek 等开源模型。这个项目让我能从数据进入系统开始，一直讲到检索结果为什么准确或不准确。

Qwen2.5-7B 的 LoRA 微调：我在服务器上使用 Llama-Factory 完成模型微调，关注训练损失变化，并根据训练结果调整方案。面试时再被问到微调流程，我不再只会背概念，而是能结合自己实际做过的步骤回答。

知识管理平台中的意图分类器：在企业级实战课题里，我自研了意图分类模块，准确率超过 95%。这个结果让我开始理解，项目不能只停留在“功能能用”，还要考虑指标、稳定性和真实业务中的表现。

这些项目当然不代表我已经变成了“大模型专家”，但它们让我第一次建立起比较完整的工程思维：遇到需求先拆流程，遇到问题看数据和日志，做完功能还要验证效果。更重要的是，我终于能把自己的工作说清楚，而不是在简历上堆一排技术名词。

近屿智能课程进入后期后，我开始集中准备求职。就业老师先帮我重新梳理简历，把“学过某项技术”改成“在什么项目里解决了什么问题、用了什么方案、最后得到什么结果”。RAG 系统、LoRA 微调和多用户隔离等经历被重新整理后，简历终于更像一个能做项目的候选人，而不是只有课程列表的毕业生。

之后是模拟面试。大模型应用开发岗位常问的 Prompt 设计、向量检索、模型微调和部署问题，我都反复练习。刚开始我经常说得很散，明明做过，却讲不出重点。经过多轮复盘后，我开始按照“业务问题—技术方案—我负责的部分—遇到的难点—最终结果”来回答，表达比以前清楚了很多。

正式投递时，我没有把希望放在一次面试上，而是把每一场都当作一次检验。面试结束后马上记录没答好的问题，再回去补。整个过程持续了接近两个月，中间也有等待、没有后续和自我怀疑，但反馈确实在慢慢变好。

最终，我拿到了上海某科技公司的大模型应用开发工程师 Offer，月薪 14K。收到消息的时候，我当然很高兴，但更多的是松了一口气。因为我知道，这个结果不是突然发生的，而是前面一次次补项目、改简历、练表达和面试复盘累积出来的。

从专升本背景、项目经验不足，到进入大模型应用开发岗位，我没有觉得学历从此“不重要”了。它仍然会影响筛选，也会让求职难度不同。但至少在这次经历里，完整的项目、可验证的细节和稳定的面试表现，让我有机会把自己的能力真正展示出来。

回头看，我觉得自己真正补上的不是某一个框架，而是三件事。

第一，项目必须真的跑过。教程看懂不等于自己会做。只有从环境、数据到部署完整走一遍，面试追问时才有内容可讲。

第二，简历要写清楚“我做了什么”。不要只列技术栈，要写清具体场景、自己的职责、解决的问题和结果。

第三，每次面试都要留下复盘。没有答好的问题并不只是一次失误，它其实是在告诉你，下一步应该补什么。

我不敢说这条路径适合所有人，也不认为参加学习就一定能拿到同样的结果。每个人的基础、投入时间和求职市场都不同。但如果你现在和当时的我一样，理论学过一些、项目却拿不出手，那么与其继续焦虑“我的学历够不够”，不如先做出一个能运行、能解释、能验证的完整项目。

对我来说，真正跨过求职门槛的，不是一句“我学过大模型”，而是我终于能够证明：这个项目我做过，这个问题我解决过，这个结果我可以讲清楚。