我做后端开发五年，说得直白点，就是天天跟CRUD死磕，偶尔优化下接口性能、排查下线上bug，日子过得像上了发条的钟，稳是稳，但越往后越慌。
尤其是去年，公司业务收缩，我们组裁了两个人，留下的人要扛更多需求，每天加班改代码、改需求，改到最后我都快忘了写代码的初衷是啥。有天凌晨两点，我对着屏幕上的接口报错日志，突然就腻了！一辈子跟增删改查打交道，把重复的逻辑写一百遍，这不是我当初学编程想干的事。
第一次接触AI大模型，是公司想做个智能客服插件，让我配合算法组对接接口。那时候我对大模型的认知，就停留在“能聊天、能生成文字”的层面，觉得都是算法工程师的活，跟我这写业务代码的没关系。直到算法组的同事让我帮忙排查接口返回异常的问题，我才发现，这东西跟我以前接触的所有业务都不一样。
以前写代码，输入输出都是确定的，传什么参数就该返回什么结果，出问题了顺着逻辑链路查，总能找到bug。但大模型不是，同样的提问，两次返回的内容可能差很远，有时候逻辑通顺，有时候又前言不搭后语。我问算法同事这咋排查，他笑着说：“这就是调参的魅力，没有绝对的对错，只有更优的结果。”
那之后我就有点上头了。下班回家不刷剧了，翻出大学时快忘光的数学课本，重新啃线性代数、概率论，对着网上的开源项目照猫画虎，试着跑通第一个简单的LLM微调案例。刚开始真的挫败，环境配置能卡我大半天，依赖包冲突、显卡显存不够，每一步都踩坑。有次调了三天的参数，模型生成的内容还是乱七八糟，我气得差点把电脑关了...这比改十个线上bug还折磨人。
最迷茫的时候是辞职全职转行那一阵子。以前做后端，好歹是个有经验的老鸟，到哪都能找到工作。但转AI，我就是个新手，面试的时候被问“注意力机制原理”“Transformer结构细节”，我都答得磕磕绊绊，好几次面试完都觉得没戏。家里人也劝我，稳定点不好吗？非要折腾自己。
转机是我帮一个朋友的小公司做了个定制化知识库问答模型。他们是做五金批发的，想把产品手册、售后问题都灌进模型里，让客户能自己查答案。我从数据清洗、标注开始，一点点微调模型，中间改了无数次prompt，调了不知道多少组参数，终于在两周后，模型能准确回答客户关于产品规格、安装方法的问题了。当朋友发来客户反馈说“比人工客服回复还快还准”的时候，我突然就找到了那种久违的成就感！不是改完一个bug的轻松，而是创造出一个能解决实际问题的东西的满足。
现在我做AI大模型应用开发快一年了，每天还是要跟参数、prompt、数据打交道，偶尔也会因为模型不收敛、生成效果差而烦躁，甚至还有点怀念以前写CRUD那种确定性的踏实。但我再也没后悔过转行。
其实程序员转行AI，哪是追什么风口啊，更多是想从重复的劳动里跳出来，重新找到对技术的热情。以前写代码，是在既定的框架里修修补补。现在做模型，是在不确定里找最优解，虽然难，但每一次调参后的进步，每一次模型达到预期效果，都让我觉得，这才是编程该有的样子！
当然，我现在也还在不断补知识，毕竟AI这行更新迭代速度实在是太快了，今天学的东西可能明天就过时了。但比起五年前那个对着CRUD麻木的自己，我更喜欢现在这个虽然偶尔焦虑，但眼里有光的程序员。
另外，作为过来人我深知在这个转行过程中的迷茫，刚开始我也不知道从何开始，都是靠自己一步步摸爬滚打出来的。今天写这一篇文章也是想感慨一下自己的来时路，同时呢，也给天南地北的朋友们指条明路，让大家可以少走弯路，也趁着今天周末在家，我把我当时学大模型的一些学习路线、笔记素材、视频教程等资源都上传到我的网盘了，如果你现在还没有一个清晰的规划，可以参考一下我的。
