核心内容摘要
Dify工业场景部署全链路解析：从模型接入、工作流编排到高可用集群搭建
本文探讨文科生如何进入AI行业强调技术门槛是基础但不是全部真正稀缺的是将人文思考与技术创新结合的能力。
文科生通过掌握基本技术知识可将其积累的审美判断、文化理解和共情能力转化为独特优势在大模型时代找到自己的位置。
持续学习能力和人文素养的结合是文科生在AI行业立足的关键。
要进入AI行业文科生首先需要掌握基础技术知识理解AI的工作原理但这只是更好释放自身优势的基石。
AI行业中“真正稀缺的是能将人文思考与技术创新结合的能力。
当你不再被技术门槛阻挡过往积累的审美判断、文化理解和共情能力就会成为独特优势”。
入行AI2023年当万玉磊决定入行人工智能AI时他面临着从什么岗位开始的选择。
在AI行业里文科生可选择的岗位大致分为两类数据工作是最常见的一类。
它不要求应聘者有技术背景更看重文字表达能力、人文素养和良好的审美为模型提供数据“养料”这正是文科生的优势所在。
但因为重复性强、技术含量低数据工作又常被视为AI行业中的低端工种社交媒体上的经验分享贴甚至称它为“污染简历”的职业。
2023年万玉磊刚入行时就面临着这种尴尬。
《社交网络》剧照万玉磊在读研时攻读的是中国古代史但痴迷于AI大模型2022年OpenAI在国内火起来后万玉磊就一直是AI的深度用户从健身计划到文字冒险游戏他把自己感兴趣的东西都用AI尝试了一遍。
“我觉得太神奇了这是一条全新的技术路线当时所有人都认为OpenAI是疯子一样的公司伊利亚·苏茨克维OpenAI原首席科学家说服了萨姆·奥尔特曼OpenAI首席执行官把所有的数据合到一起用天价的算力去做史无前例的‘炼丹工程’。
最后居然被他们做成了‘嘭’的一声整个世界被改变了。
”2023年万玉磊决定入行AI。
求职时他只找和大模型相关的岗位也不排斥数据工作“先上车再说”。
数据标记是AI行业底层且规模庞大的基础环节。
标注员需要日复一日地对原始数据进行人工处理例如在一张街景图片中用框线精确标出所有车辆与行人在自动驾驶研发中在海量视频帧中圈出每一个交通标志。
这类工作的重复性极强依赖大量人力一些人工智能研发企业会在偏远地区设立基地在当地招聘低薪资的标注员其中不乏只有高中学历的人。
另一个岗位人文训练师处于更上游的位置需要基于人文社科素养定义什么是“好的语言”“好的修辞”“有人文关怀”制定出数据标注的规则与质量标准为模型输出建立审美标准和价值判断。
万玉磊是从最基础的提示词工程师开始做起的。
这个岗位不需要亲手编写复杂的模型代码而是通过不断调试和精炼与AI的“对话”引导和激发AI模型产出高质量的成果是文科生入行的一个好选择。
入行初期万玉磊的工作更接近于传统的手工艺人需要亲自编写每一条提示词仔细阅读模型的输出检查回答质量。
这个过程完全依赖人工工程师凭借自己的经验和判断力来评估回答是否符合要求。
这种工作模式的效率相当有限一个复杂的任务往往需要花费数天时间进行测试和调整。
但万玉磊相信这个行业的未来。
在入行前他搜索了很多国内外新闻后确信这将是未来的风口产业因为“资本都在疯狂涌入AI”。
后面的发展也证明了他的判断。
据中国信息通信研究院发布数据2024年我国人工智能产业规模已突破9000亿元同比增长24%截至2025年9月全国人工智能企业数量超过5300家。
这样的风口也惠及没有技术背景的文科生。
在“文科生就业难”成为老生常谈的当下AI似乎带来了转机。
一种网上广为流传的说法是AI大模型是一个诞生不久的全新领域技术迭代飞快所有人都是从零开始学习这给了文科生一个难得的、相对公平的竞争机会。
技术门槛李悦也是一名较早瞄上AI赛道的文科生。
2022年李悦从一所“985”理工科院校的金融专业毕业时金融行业招聘需求已经大量萎缩昔日学长们“毕业即高薪”的场景一去不复返。
她入职了一家中小型游戏公司做运营这里的工作并不顺心没有人带教公司需求混乱实行“大小周”休息制度。
老板只有专科学历专业能力也不突出“他当年就是撞上了游戏发展的风口飞了起来。
那时候我就琢磨要当风口上的猪”。
3月16日广州2025年全国城市联合招聘高校毕业生春季专场活动视觉中国供图AI产品经理是文科生转行时的一个热门选择。
产品经理要理解用户与市场负责定义产品方向与功能协调多个部门共同推动产品从概念到上线。
它看起来比数据工作更高级、更接近核心而且在传统互联网领域产品经理是个对文科生相对友好的工种。
但AI产品经理和传统岗位不同要求求职者必须懂得基本的技术原理才不至于提出一些荒谬的需求。
一位不懂技术的产品经理可能会提出“当用户拍摄上传了一张宠物狗奔跑照片时系统能够迅速、精准地识别出狗的品种”或是“语音识别功能必须在用户断网时也正常使用”。
他并不清楚图像识别模型的准确率受数据质量、模型能力等多重限制面对模糊图片当前技术根本无法保证100%正确大模型需要云端强大的算力支持离线根本无法运行。
技术是横在李悦面前的第一道坎。
李悦明显感受到企业希望招聘的是“懂AI知识的资深产品经理”。
一位面试官向她提出的问题是有一家公司专门为淘宝大品牌店铺提供客服外包用AI处理客诉与退货需求如何设计方案让AI能够准确识别合理与不合理的退货申请并分别处理。
李悦觉得这个问题里技术的成分已经远远大于产品理念设计“我可以不会写代码但至少要知道算法能够实现哪些功能再去和后端沟通。
不能提出天马行空的产品理念否则就太不专业了”。
在决定转行到AI行业后李悦花了大约三个月时间自学掌握了三项AI领域的基本技能用于从数据库中精准查询和提取数据的SQL用于清洗和预处理原始数据、使其适合模型使用的Transform能将外部知识库与大型语言模型相结合的RAG。
零基础自学技术很难但没有想象中那么寸步难行李悦觉得“大家会有畏难情绪觉得自己是个文科生理工科的知识天生与自己相克。
其实只要理解基础知识多上手练大部分人‘入门’是没问题的”。
《好事成双》剧照真正让李悦觉得痛苦的是学习似乎是永无止境的。
为了让自己拥有AI项目经验结合上一段游戏公司的经验她摸索着搭建了一个用来召回老玩家的AI程序agent。
从提示词、逻辑链条到测试集每个环节都要李悦自己动手操作。
这个AI程序会给老玩家发消息包括介绍游戏、发放礼包、答疑和安抚用户等。
根据用户回复的内容AI会识别用户意图再触发下一步回应。
测试时如果AI给用户的回复答非所问或是不够精准李悦就要重新返工不停地调整提示词换掉各个节点的模型重新设计逻辑线路。
每调整一个因素都会引发一连串后续的改变每次改动李悦都要学习新的知识。
“我完全没预料到改动其中一个代码变化会这么复杂。
要调整的东西实在太多了像是看不到尽头的循环。
我自学的那些知识只是原理到底如何做好一个agent还需要自己不断动手才能摸索到关窍。
”这种巨大的不确定性让她倍感压力和不自信也让她在几次面试碰壁后放弃了寻求AI行业工作。
“学得越深越觉得自己懂得太少。
对自己很没有信心我能找到工作吗即使我混进去了怎么通过试用期我能一直学下去吗如果学不动了就要被裁了吗”这也是AI行业的特点飞速发展的技术意味着知识的不断更迭。
挤入AI赛道并不意味着一劳永逸反而只是转行第一步。
本刊接触到的十几位文科生里无论最终是否成功入行AI他们普遍认同只有拥有持续学习能力的人才可能在这个AI行业里生存下来。
29岁的潘潘在2023年入职一家“大厂”的AI团队。
她还记得自己在半年里都过得非常痛苦“每天都有高浓度的信息等着我去消化”。
白天潘潘和算法的同事沟通时他们会抛出一系列专业名词和原理潘潘把听不懂的内容悄悄记在笔记本上晚上9点多下班后继续加班学习。
将近半年后她才成功理顺了工作“保持非常陡峭的学习曲线才能待下来”。
人文素养重要吗只有成功翻越技术的门槛并能跟上技术的发展后文科生的人文素养才可能在行业中有所体现。
当前的大模型在信息处理上表现出色却缺乏人类特有的共情能力与价值判断许多AI公司正致力于让产品交互更具人情味需要来自语言学、心理学等人文学科的视角介入这正是文科生能够发挥价值的地方。
插图Evie Zhu潘潘曾经拿到过“AI人文训练师”的offer她向本刊解释文科生如何能让AI更有温度一位用户和AI聊天时说自己体检的结果不太好得了胃癌。
传统AI会很笨拙、机械地回复“你得的是癌症要按时化疗下面我给你提供一些化疗建议。
”人文训练师的作用是告诉AI“普通人听说别人不幸遭遇时第一反应是不知所措再表示同情而不是突然给出一堆建议”。
于是经过训练的AI会模拟人的思维方式先打一串省略号表示沉重和犹豫然后才是“××用户名字需调取对话记忆实在抱歉听到这个消息如果你需要帮助我可以给出一些建议”。
28岁的何卉从媒体记者转行到一家大模型公司专门给AI设计人文题目训练AI的“人味”。
她曾经在公司内部提出想设计一款能做角色扮演的AI工具“角色扮演游戏可以很好地观测大模型的模仿能力和情商它背后是人与人的心理博弈”。
何卉举了一个AI算命的例子。
“用户让AI算命时其实是有心理需求的。
AI算得准不准是一回事能不能体会到用户的潜在心理需求是另一回事。
”何卉说有用户会向AI提问“我是否会和这个男生复合”如果用户询问的是一个现实中的算命先生算命先生会知道这个问题背后的潜台词是用户希望复合。
“为了让客户高兴可以多给些钱算命先生就会往‘能复合’这个答案上引导。
但不能一下子给出答案否则客户就不会继续交流了算命先生还怎么提供建议然后赚钱所以他不会直说而是沿着‘复合’这个方向不断抛出问题引导用户继续对话。
”何卉希望能让AI也学会这样的“心机”更好地揣摩用户的内心。
但算法的同事显然并不认同这个想法。
“算法说‘这个改一下system prompt系统提示词就行’而且他们觉得角色扮演的想法很‘泛泛’看不出AI的什么能力来。
”沟通中何卉显得很弱势“当技术同事说这个东西没有意义、做不了的时候我不知道怎么去反驳他”。
《胜券在握》剧照这大概是基本技术门槛之后文科生闯AI赛道要面临的第二道关卡如何让自己的人文思考能被最终去实现这些思考的技术同事理解和转化模型性能和数据准确性在这个行业中排在第一位文科背景从业者在公司内部往往缺乏足够的话语权他们提出的人文视角与伦理考量虽然被视为重要补充但在实际决策中常被置于技术指标之后。
今年9月份何卉被公司裁员了距离她入职仅过去了10个月。
她被裁员的直接原因是公司正在做战略调整缩减“人文关怀”的投入把全部资源集中在了技术端。
“公司觉得大模型不需要有哲学思想只要有基本的人际交往能力就行但要不断提高技术团队的实力做一个很聪明的大模型。
”另一个原因是她被自己训练出来的AI淘汰了。
何卉说早期大模型在面对“是否复合”这道题目时可能连基础事实的回答都会出现错误她会设计出一份准确、有同理心的答案包括在某些网站搜索相关知识、如何表达、如何揣摩用户的心思并将它们设置为得分点发给大模型学习。
随着AI的学习和更迭她出的题很快就难不倒AI了“它需要比我水平更高的训练师”。
找到“好答案”万玉磊是少有的在这个行业里发展相对顺遂的文科生。
尤其从今年下半年开始他频繁接到AI猎头电话询问他是否寻找新的工作机会开出的薪资水平是如今的两倍。
他最后接受了一家“大厂”的offer负责大模型的数据团队工作。
万玉磊觉得AI行业对文科生也并非完全严苛关键还是个人如何在其中自处。
“身在这个行业里向你飞来的信息量会是行外人的好几倍只要愿意学成长速度很快。
”以他自己的成长经历为例。
最早他以提示词工程师的身份入职第一个月被安排清洗数据。
这是一件只需要耐心就能完成的工作也是新员工接触大模型最底层预训练过程的机会“数据是大模型的基础弄懂数据是做好一切的前提。
不能只是机械地清洗要去思考某个语义为什么要这么分割为什么会输出这样的东西模型需要什么样的数据”万玉磊进入人工智能行业两年已经是行业里的“资深工作者”蔡小川 摄两年时间里作为提示词工程师万玉磊的工作方式已经发生了根本性的改变。
“以前是人测试模型现在是用模型测试模型。
”转折点在于DeepSeek-R1等长序列推理模型和思维链技术的出现AI不再只是简单给出问题的答案而是逐步分析一个包含多个步骤的复杂问题就像学生做数学题时不仅要给出答案还要写出完整的思考步骤和解题过程。
面对这种变化传统的人工测试方法显得力不从心。
“当模型需要完成包含十几个推理步骤的任务时靠人力去逐条验证效果几乎是不可能的。
”万玉磊解释比如对于一个诊断电网故障的AI模型工程师要设计能够引导AI完成10多个诊断步骤的复杂提示词从读取监测数据、识别异常信号到分析故障类型、评估风险等级最后给出处理建议。
每个步骤都需要精准的指令引导任何一环的提示词出现问题都会导致后续推理偏离方向。
工程师可能要花费数周时间才能完整测试一个复杂提示词的所有可能路径。
他学习了自动化技术并引入工作中也就是所谓的“用模型测试模型”。
这套系统的核心是“母提示词”技术是一种可复用的提示词框架能够自动生成上千条不同风格的候选指令。
这些指令通过精心设计的工作流进行串联形成一个完整的处理流水线。
他们首先需要准备测试集——一套覆盖各种情况的“考题”以及对应的评估标准。
通过“母提示词”自动生成上千条候选指令再由专门的评估系统对这些指令进行批量测试和打分。
《凡人歌》剧照万玉磊举例他们曾经与心理咨询领域的专家合作研发一款大模型用来帮助有抑郁症但不愿意和医生沟通的患者。
在设计这款AI工具时他们会先用“母提示词”生成不同版本的分析指令比如“请分析用户的情绪状态”“请识别用户话语中的抑郁倾向”等。
随后这些指令会被送入自动化评估系统该系统包含了大量心理学领域的专业知识以及专业心理咨询师设定的多个评估维度不仅要准确识别抑郁症状还要考量回应的共情程度、安全性以及是否避免了可能引发负面情绪的表述。
最后评估系统会让AI模型用这些不同的指令去处理测试多个场景并根据预设标准自动打分最终筛选出表现最好的那个指令版本。
自动化测试中评估标准的制定是最关键的。
“定义什么是‘好的答案’是最具有挑战性的环节。
”万玉磊说写提示词是试图找到通往“好答案”的路径。
而定义“好答案”是在明确“目的地”究竟在哪里——如果目的地搞错了路径设计得再精巧也是南辕北辙。
要定义“好”的回答需要出色的审美能力和对语言的细腻把握这正是文科生在长期积淀中形成的能力。
他们经过系统的文学训练培养出对文字韵律、情感张力和文化内涵的敏锐感知通过哲学思辨建立起审视价值与伦理的深层视角。
这种人文素养使他们能够超越技术指标评判内容的质量与温度。
万玉磊对人文领域一直很感兴趣本科期间他将大把的时间花在阅读上范围涵盖网络小说、经典文学与当代文艺作品。
他还常看CCTV10的《探索·发现》节目其中关于考古的内容让他尤其着迷直接影响了他在考研时选择中国古代史。
《月光变奏曲》剧照读研时万玉磊的具体研究方向是历史上少数民族的生存踪迹不仅需要阅读大量的古籍文献还要实地考古曾经跟着老师从西安一路出发翻越草原、帕米尔高原到达乌兹别克斯坦一路追寻大月氏的踪迹。
“这是我生命里不可多得的体验我看过的书、做过的田野调查提升的是人对事物的判断和审美。
一个人只有看过《圣经》知道里面的典故才能理解《罪与罚》里男主角在索尼娅脚下跪下忏悔望向大地那一刻的含义。
”这些能力恰恰成为他如今能够定义AI“好回答”的标尺。
“技术是基础但不是全部”万玉磊觉得要进入AI行业文科生首先需要掌握基础技术知识理解AI的工作原理但这恰恰是为了更好地释放自身优势。
“真正稀缺的是能将人文思考与技术创新结合的能力。
当你不再被技术门槛阻挡过往积累的审美判断、文化理解和共情能力就会成为独特优势。
”如何学习AI大模型如果你对AI大模型入门感兴趣那么你需要的话可以点击这里大模型重磅福利入门进阶全套104G学习资源包免费分享这份完整版的大模型 AI 学习和面试资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】这是一份大模型从零基础到进阶的学习路线大纲全览小伙伴们记得点个收藏第一阶段从大模型系统设计入手讲解大模型的主要方法第二阶段在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用第三阶段大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统第四阶段大模型知识库应用开发以LangChain框架为例构建物流行业咨询智能问答系统第五阶段大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型第六阶段以SD多模态大模型为主搭建了文生图小程序案例第七阶段以大模型平台应用与开发为主通过星火大模型文心大模型等成熟大模型构建大模型行业应用。
100套AI大模型商业化落地方案大模型全套视频教程200本大模型PDF书籍学会后的收获• 基于大模型全栈工程实现前端、后端、产品经理、设计、数据分析等通过这门课可获得不同能力• 能够利用大模型解决相关实际项目需求 大数据时代越来越多的企业和机构需要处理海量数据利用大模型技术可以更好地处理这些数据提高数据分析和决策的准确性。
因此掌握大模型应用开发技能可以让程序员更好地应对实际项目需求• 基于大模型和企业数据AI应用开发实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能 学会Fine-tuning垂直训练大模型数据准备、数据蒸馏、大模型部署一站式掌握• 能够完成时下热门大模型垂直领域模型训练能力提高程序员的编码能力 大模型应用开发需要掌握机器学习算法、深度学习框架等技术这些技术的掌握可以提高程序员的编码能力和分析能力让程序员更加熟练地编写高质量的代码。
LLM面试题合集大模型产品经理资源合集大模型项目实战合集获取方式有需要的小伙伴可以保存图片到wx扫描二v码免费领取【保证100%免费】