互联网寒冬下的自我提升：一个AIGC工程师的成长之路
开篇：为什么写下这篇文章
去年，我在公司参与一个大模型项目时，部门突然被裁撤了三分之一的人。不是因为大家技术不行，而是因为业务收缩、预算缩减、项目优先级调整——一句话，“活下去”成了第一要务。
那段时间，很多同事开始焦虑、迷茫，我也曾一度怀疑自己的价值和方向。但正是在这样的“寒冬”里，我重新审视了自己的技术积累与未来规划，并逐渐找到了一条属于自己的成长路径。
今天我想分享的，不只是如何应对行业的动荡，更是如何在不确定中找到确定：自我提升的力量。
问题描述：寒冬中的困境
2023年初，我所在的AI平台团队承接了一个内部重点项目：构建一个基于大语言模型（LLM）的企业知识库问答系统，目标是通过自然语言实现对企业内部文档、FAQ等非结构化知识的智能检索。
听起来是不是很理想？但在实施过程中却面临几个非常现实的问题：
- 资源有限：没有足够的GPU算力支撑模型训练和推理服务
- 数据质量参差不齐：企业历史文档存在大量乱码、格式错乱、重复内容等问题
- 缺乏有效标注数据：导致fine-tune效果不佳
- 业务预期过高：希望一上线就能覆盖80%以上用户问题
当时整个团队只有4人，压力可想而知。而更令人不安的是，这个项目的成败直接影响了我们后续是否会被保留或优化。
解决方案：从“小步快跑”到“稳中有进”
面对这些挑战，我意识到不能硬拼资源或者盲目追求大模型效果。我们需要做的是把有限的资源用在刀刃上。
1. 技术选型：轻量为先，快速验证
我们放弃了动辄千亿参数的LLaMA系列模型，转而选择了Bloomz-560M和T5-base这类轻量级模型，同时借助Sentence-BERT（SBERT）进行向量化召回。这样可以在CPU环境下运行基本流程，在GPU不足的情况下完成推理。
小插曲：第一次部署模型的时候，测试环境的Docker容器一直卡死。排查半天发现是模型权重没压缩，拉取太慢……最后用ONNX优化+模型蒸馏才解决。
2. 数据处理：从“脏乱差”到“干净有用”
企业的历史文档真的很难看懂，特别是那些早期由Word导出再手动整理的文件。我们做了三件事：
- 使用PyPDF2 + UnstructuredIO清洗文本
- 建立简单的QA标注平台，让业务方自己标注高频问题
- 利用GPT3.5辅助生成高质量样本数据（低成本）
这一步花了不少时间，但也奠定了后续模型优化的基础。
3. 逐步迭代：不要一开始就追求完美
我们在产品层面采用了“最小可行性产品”的策略：
- 先支持FAQ类问题匹配
- 再扩展到复杂问答
- 最后接入企业内网API接口提供跨系统检索能力
每两周发布一个新版本，并不断根据反馈调整方向。这种“小步快跑”的方式让业务方看到了进展，也给了我们更多试错空间。
效果总结：寒冬里的一束光
经过大约4个月的研发和优化，系统最终上线并稳定运行至今。
- 平均响应速度从最初的8秒下降到0.7秒
- 准确率从初期的52%提升至79%
- 用户满意度调查得分达到4.2/5分
更重要的是，我们的团队不仅没有被优化，反而因为这个项目的成功得到了领导的认可，进一步拓展到了客服对话系统的开发。
这段经历让我深刻体会到一点：越是困难时期，越需要靠技术能力说话。
经验分享：我的几点建议
作为一名经历过几次裁员潮的老兵，我想送给各位几点建议，尤其是正在转型或准备进入AIGC领域的朋友们：
1. 别只盯着大模型，更要关注工程能力
现在的AIGC圈太热闹了，大家都在卷模型大小、效果排行榜。但我越来越觉得，真正能落地的系统，拼的是架构设计、稳定性、可维护性，而不是谁用的模型更大。
比如我们在部署阶段采用LangChain + FastAPI + Redis缓存，既保证了灵活性，又提升了性能。
温馨提示：学会用好工具链，比记住多少论文重要得多。
2. 多动手、少幻想，边学边练才是正道
很多人会问我：“要不要从头读一遍transformer？”我觉得没必要。你可以从一个小任务入手，比如用Hugging Face写个分类器，再慢慢扩展到序列生成、对话理解。一步步来，才能打好基础。
我当时就是从一个简单的关键词提取项目起步，后来才敢尝试对话系统的构建。
3. 建立自己的知识体系，别被热点牵着走
AI发展太快，昨天还在聊 Stable Diffusion，今天就全在说 Sora。这种热度容易让人迷失方向。你需要做的，是建立一套适合自己的学习路线图。
比如我给自己定的目标是：
- 精通至少两个主流框架（Transformer / Llama.cpp）
- 熟悉主流部署方案（Docker/K8s/FastAPI）
- 能独立完成完整AIGC项目闭环
这个过程虽然慢，但非常踏实。
4. 抓住机会做项目，哪怕是Side Project也行
如果你现在所在团队没有太多AI相关项目，那就自己找机会。比如GitHub开源项目、线上比赛、甚至是一些小公司的兼职任务。
我在2022年疫情封控期间做过一个医疗问答机器人，虽然是个小型Demo，但帮助我在面试中拿下了几个关键offer。
技术面试的本质是考察你能否解决问题，而不仅仅是背得熟多少理论。
结语：寒冬终将过去，春天不会缺席
回望这几年的工作经历，我经历了从实习生到核心技术骨干的角色转变，也见证了一个个项目的起落沉浮。
互联网从来不是避风港，但它依然是技术人的主战场。在这个充满变数的时代，唯一不变的就是我们要不断提升自己，成为不可替代的那一部分。
希望你也能在“寒冬”中找到属于你的温暖。也许哪天你会发现，那些你以为熬不过去的日子，其实正是让你蜕变的关键时刻。
共勉！
作者简介：
阿林，有5年AIGC和NLP研发经验，先后在电商平台、金融科技公司负责大模型相关项目，擅长端到端系统搭建与轻量化部署，热爱开源与社区分享。
评论 0