本文讲述了一位30岁建筑行业从业者王同学的转行故事。面对房地产行业衰落，他毅然决定转行学习AI大模型技术。通过考虑技术融合趋势、职业发展规划、交叉学科优势等因素，并参加专业工作坊获得指导，他成功申请到卡耐基梅隆大学和康奈尔大学，实现了职业蜕变。文章强调：转行学习AI/大模型任何时候都不晚，关键在于决心是否坚定，以及是否获得正确的指导。
今天是一篇老学员的经历分享，此时的王同学在大洋彼岸即将毕业，手握多家北美大厂offer，一片明媚。谁能想到王同学的转码之路竟始于一场裁员，这场访谈拉开了他的回忆。
最近总刷到一些关于转行的话题，很多刚毕业的同学喜欢谈迷茫，谈学了那么多年，毕业了去转行可不可惜、来不来得及，先说结论：转行什么时候都不晚，看决心是否坚定。
我决定转行的时候已经快30岁了，本硕都读的建筑学，毕业后进地产公司，早几年地产那叫一个爆啊，过得相当好，还窃喜自己选对了路子，俗话说“三十年河东，三十年河西”，也就过了四五年，地产就萎了，随之而来的收入缩水、消费降级、大规模裁员、绩效全无只拿底薪……转行肯定是唯一的出路，总不能等房地产再创辉煌吧？黄花菜都凉透了。
我不是跑的最快的一批，在建筑行业投入的沉没成本太高，而且人到中年面对转行很摇摆，还面临一些现实的东西，比如家里的催婚、职业的迷茫、未来的规划等等。
现实教做人，在真的被裁了之后，反而下定了决心，单手狗不怕重头再来。
现在回头看，很庆幸我做出了这个决定，因为无论是从现在的大环境，还是从行业前景来说，留学转行确实让我在自己的人生中更进了一步。
我也预感未来所有行业的趋势基本上都需要与人工智能相结合，通过这几个方面的综合考虑，终于下定了决心：
1.技术融合的趋势。建筑行业本身也要和与信息技术融合，如建筑信息模型（BIM）和数字制造等技术正在改变传统建筑实践，就算为了更好的在本行业继续发展，学习人工智能也能让我更好地适应这些变化，在未来的建筑项目中发挥作用。
2.职业发展规划。内部环境整体趋向于内卷，大环境紧缩的情况下就业机会变少，同时计算机行业发展快速，职业缺口还是很大，虽说互联网也面临裁员潮，但是细究一下，就能发现目前计算机技术的趋势是更精细化、专业化，AI绝对是未来的潮流。北美这块还是处于一个比较领先的位置，资源丰富，也能接触到更多前沿的东西，留下来先修内功，让自己的履历更硬核，时机成熟再回来，优势更大。
3.门槛不高。如果只是设计作品，很多课程都面向0编程基础的同学，有建筑学或者设计学背景的人在建模，建造，设计表达方面还更有优势，然后继续深造。
4.交叉学科更吃香。未来的趋势肯定复合型人才更吃香，根据身边转行成功的朋友的经历，可以感觉到当熟练掌握了技术之后，设计背景更受大厂欢迎。
5.理想主义。学这么多年建筑，其实本身也是有一些建筑情怀在里面的，但是情怀不能当饭吃，而且谁说我不能去码农圈给人设计房子（手动狗头）。
今天是一篇老学员的经历分享，此时的王同学在大洋彼岸即将毕业，手握多家北美大厂offer，一片明媚。谁能想到王同学的转码之路竟始于一场裁员，这场访谈拉开了他的回忆。
最近总刷到一些关于转行的话题，很多刚毕业的同学喜欢谈迷茫，谈学了那么多年，毕业了去转行可不可惜、来不来得及，先说结论：转行什么时候都不晚，看决心是否坚定。
我决定转行的时候已经快30岁了，本硕都读的建筑学，毕业后进地产公司，早几年地产那叫一个爆啊，过得相当好，还窃喜自己选对了路子，俗话说“三十年河东，三十年河西”，也就过了四五年，地产就萎了，随之而来的收入缩水、消费降级、大规模裁员、绩效全无只拿底薪……转行肯定是唯一的出路，总不能等房地产再创辉煌吧？黄花菜都凉透了。
我不是跑的最快的一批，在建筑行业投入的沉没成本太高，而且人到中年面对转行很摇摆，还面临一些现实的东西，比如家里的催婚、职业的迷茫、未来的规划等等。
现实教做人，在真的被裁了之后，反而下定了决心，单手狗不怕重头再来。
现在回头看，很庆幸我做出了这个决定，因为无论是从现在的大环境，还是从行业前景来说，留学转行确实让我在自己的人生中更进了一步。
我也预感未来所有行业的趋势基本上都需要与人工智能相结合，通过这几个方面的综合考虑，终于下定了决心：
1.技术融合的趋势。建筑行业本身也要和与信息技术融合，如建筑信息模型（BIM）和数字制造等技术正在改变传统建筑实践，就算为了更好的在本行业继续发展，学习人工智能也能让我更好地适应这些变化，在未来的建筑项目中发挥作用。
2.职业发展规划。内部环境整体趋向于内卷，大环境紧缩的情况下就业机会变少，同时计算机行业发展快速，职业缺口还是很大，虽说互联网也面临裁员潮，但是细究一下，就能发现目前计算机技术的趋势是更精细化、专业化，AI绝对是未来的潮流。北美这块还是处于一个比较领先的位置，资源丰富，也能接触到更多前沿的东西，留下来先修内功，让自己的履历更硬核，时机成熟再回来，优势更大。
3.门槛不高。如果只是设计作品，很多课程都面向0编程基础的同学，有建筑学或者设计学背景的人在建模，建造，设计表达方面还更有优势，然后继续深造。
4.交叉学科更吃香。未来的趋势肯定复合型人才更吃香，根据身边转行成功的朋友的经历，可以感觉到当熟练掌握了技术之后，设计背景更受大厂欢迎。
5.理想主义。学这么多年建筑，其实本身也是有一些建筑情怀在里面的，但是情怀不能当饭吃，而且谁说我不能去码农圈给人设计房子（手动狗头）。
当然过程中会遇到很多困难，尤其是在AI技术部分，作为计算机初学者，对于神经网络的使用调参很难独立完成。本源的工作坊能够提供一个快速实现技术的方式，让未知不再成为阻碍，也是提高产出效率稳定产出作品很好的选择。
其次一个人孤军奋战，很迷茫，不知道从哪下手，而本源聚集了这个方向顶级学校的十几位老师和校友，在申请过程中从选校到面试的疑问，每次都可以得到不同领域老师的帮助。
后来很成功地收到了卡耐基梅隆大学和康奈尔的offer，挥别996，新的生活令人充满期待！
我知道很多同学现在也在面临未来方向的抉择，希望我的经历可以给你一点参考，无论如何，一个人瞎琢磨不如找专业的人帮忙，工作坊的作品指导对我申学帮助很大，而且本源的学姐学长履历非常优秀，无论是求学还是求职，都给了我很有价值的指导，让我受益匪浅。同时在人生规划的方向上也能看过他们走过来的路，非常有借鉴作用，也让我每次出现迷茫、犹豫不决的时候坚定了自己。
当然过程中会遇到很多困难，尤其是在AI技术部分，作为计算机初学者，对于神经网络的使用调参很难独立完成。本源的工作坊能够提供一个快速实现技术的方式，让未知不再成为阻碍，也是提高产出效率稳定产出作品很好的选择。
其次一个人孤军奋战，很迷茫，不知道从哪下手，而本源聚集了这个方向顶级学校的十几位老师和校友，在申请过程中从选校到面试的疑问，每次都可以得到不同领域老师的帮助。
后来很成功地收到了卡耐基梅隆大学和康奈尔的offer，挥别996，新的生活令人充满期待！
我知道很多同学现在也在面临未来方向的抉择，希望我的经历可以给你一点参考，无论如何，一个人瞎琢磨不如找专业的人帮忙，工作坊的作品指导对我申学帮助很大，而且本源的学姐学长履历非常优秀，无论是求学还是求职，都给了我很有价值的指导，让我受益匪浅。同时在人生规划的方向上也能看过他们走过来的路，非常有借鉴作用，也让我每次出现迷茫、犹豫不决的时候坚定了自己。
如何系统的学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
一直在更新，更多的大模型学习和面试资料已经上传带到CSDN的官方了，有需要的朋友可以扫描下方二维码免费领取【保证100%免费】👇👇
01.大模型风口已至：月薪30K+的AI岗正在批量诞生
2025年大模型应用呈现爆发式增长，根据工信部最新数据：
国内大模型相关岗位缺口达47万
初级工程师平均薪资28K（数据来源：BOSS直聘报告）
70%企业存在"能用模型不会调优"的痛点
真实案例：某二本机械专业学员，通过4个月系统学习，成功拿到某AI医疗公司大模型优化岗offer，薪资直接翻3倍！
02.大模型 AI 学习和面试资料
1️⃣ 提示词工程：把ChatGPT从玩具变成生产工具
2️⃣ RAG系统：让大模型精准输出行业知识
3️⃣ 智能体开发：用AutoGPT打造24小时数字员工
📦熬了三个大夜整理的《AI进化工具包》送你：
✔️ 大厂内部LLM落地手册（含58个真实案例）
✔️ 提示词设计模板库（覆盖12大应用场景）
✔️ 私藏学习路径图（0基础到项目实战仅需90天）
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。
