AI时代的工作 VS 传统时代的工作，有哪些不同？

Ai时代的工作体现在很多基础简单的工作都可以被Ai代替，这就让很多人失业，现在来说Ai是有很不错的发展。合理利用Ai的话可以让我们的工作变得更轻松，Ai可以替代我们的知识漏洞，给我们一些思维优化，但是这并不代表Ai的就是对的，现在的大模型仍然还需要训练

每一次AI工具的更新，市场上都说不需要前端了，然而事实真的如此吗？互联网本身就是新兴技术，因此互联网的各种工种也是受AI影响最深最快的前端不会消失，只是可能会HC减少，并以另一种形态存在，说说我当前的工作状态吧👇去年下半年到现在，工作80%都是AI相关，工作边界变得更加广阔：1）技能结构：从“前端单点”升级为“产品+内容+技术”的复合型以前更像是典型的前端工程师：把需求实现出来、把页面做出来、把交互写出来。现在更接近“能把想法从 0 推到 1”的复合角色——既要会产品设计，也要能用 AI 批量生产内容，还要具备把功能快速落地的代码能力。2）协作方式：从“对接上下游”变成“AI 协同 + 跨部门整合”过去协作更多是：跟产品确认需求、跟后端对接口、跟测试走流程。现在更常见的模式是：我直接参与需求设计，用 AI 快速做 demo 或原型，先上线验证方案是否可行，再根据数据/反馈迭代。3）交付目标：从“交付代码”变成“交付解决方案”以前衡量产出最直接的方式就是：写了多少功能、交付了多少代码。现在更像在交付“产品 + 技术”的整体结果：不仅把功能做出来，还要解决业务问题。工作的时间配比也发生了些变化👇20%：手写代码（更多是修 bug、处理边界问题、关键逻辑兜底）30%：指挥 AI 写代码（生成、review、accept/undo，然后 commit & push）30%：调提示词/调产出质量（让 AI 更稳定、更贴合业务）20%：和 AI 一起想点子、做方案迭代（找方向、试路径、优化体验）在我这些项目里，几乎没有“前端/后端”的明确分界：很多时候是我跟业务把需求聊清楚、方案定下来，就直接开发上线；有些需求甚至是我在 AI 的帮助下自己做方案、自己验证、自己推进落地；AI 带来的不是“写代码更快”这么简单，而是让一个人具备了更强的端到端能力：从需求到方案、从验证到上线，都能更轻、更快地跑起来。那么有人就要问了：你涨薪了吗？你涨薪了吗？你涨薪了吗？😊😊😊先说结论：那肯定是没有的但是你不适应时代的变化，你就会被时代所淘汰，AI时代除了传统技能以外，更多的还是拼你对业务 、对市场的理解，过去程序员很多只停留在代码跑起来的逻辑上，但忽视了很多代码背后的业务情况，AI时代帮你节省了写代码时间，给了你更多的思考时间——你对于业务是否有更好的解决实现方案，是最重要的能力实习的时候不要总是低头看代码，更要横向看看业务目标

首先你要会python（不需要熟练，只要用python写过简单项目）其次你要对算法的通用训练流程有个概念学历至少211，这决定你能不能过简历筛选 我们的目的就是以最低的时间成本快速过面，因此首先拆解一下面试组成部分常规面试时间一个小时，40分钟简历面+20分钟笔试+反问环节简历面主要考项目和八股。你最好有两个相关的项目，可以把四十分钟撑满；或者有一个充实的项目，可以经得住面试官拷打；如果项目都很浅很简单，那你需要对八股掌握的滚瓜烂熟。对面试者来说，问项目意味着自己掌握主动权，我们可以把自己的优势在项目里体现（比如可以在数据环节做复杂的设计，在调参上做设计，在训练流程上体现自己的独特insight），也可以通过项目提到的内容给自己划八股重点（一般提到数据就会问数据合成方法，提到微调就会问了解哪些微调方法和框架，提到rl就逃不开ppo grpo还有一些更新的等，提到rag会问检索 embedding，提到agent会问架构、memory等）。八股不是所有都考。我遇到过，力扣原题、transformer架构、KL散度这些神经网络公式的，还有数据处理的、设计prompt的等等。不过一般难度都不会很大，力扣的简单中等题做个大概，transformer和神经网络的经典实现看一看，其他的有一些些基础之后临场基本都能做出来。综上，时间有限：项目 >> 八股 = 力扣项目怎么找？ 网上有很多博主推荐项目，无非就是sft+rl，但我建议自己找一个研究背景，设计自己的数据格式，然后套那些技术手段（很多项目其实被做烂了，同质化很严重）。大概写一个项目的雏形出来，可以扔给llm跟他对话，让它充当面试官提问题。八股怎么找？ 最快的方式就是找各种面经，记录问题，然后自己借助大模型学答案，不要试图抱着一本书从头看到尾。大概准备的差不多70%之后就抓紧去面试，面试不要怕编的项目被拆穿、也不要怕答不上来面试官的问题尴尬，抱着学习的心态去面试，不要抱着通过的心态去面试。

25届已经工作半年，找到工作的大家现在ai工具已经成为开发过程密不可分的小助手了吧？还记得在4月份实习的时候，公司或者外部ai还是比较蠢的，生成的单测都一塌糊涂。而在7月份正式入职后，这时候Cursor都已问世许久。回公司，公司的ai都已脱胎换骨，仅仅一个小插件，也能做到读取文件，按照意图生成符合上下文格式的代码，且能跑通。这对于我来说简直是不要太爽（刚入职 让我去参与一个平台初始搭建，crud通过mybatis generate生成了，其中有个功能点我不是很熟悉，将我的思路告诉ai后，生成的像模像样，我也学习到了）相比传统时代的办公方式，我认为ai时代，我们可以更多将想法去低成本或者无成本的实现，更多时间去学习、或者享受生活。

第一章：AI 产品经理核心能力构建1.1 打造“T 型”能力结构AI 产品经理需要构建独特的“T 型”能力结构，既有技术深度，又有产品广度。纵向深度（AI 技术理解）：机器学习基础概念监督学习：分类（用户标签预测）、回归（价格预测）无监督学习：聚类（用户分群）、降维（特征提取）强化学习：推荐系统优化、游戏 AI 决策理解各种算法的适用场景和局限性深度学习认知架构神经网络：感知机到深度神经网络的发展历程CNN：计算机视觉领域的主力军（图像识别、人脸检测）RNN/LSTM：处理序列数据的利器（语音识别、文本生成）Transformer：大语言模型的基石架构（ChatGPT、文心一言）AI 产品应用场景掌握计算机视觉：美颜相机、自动驾驶、医疗影像诊断自然语言处理：智能客服、机器翻译、内容推荐推荐系统：抖音算法、淘宝商品推荐、网易云音乐语音识别：语音助手、实时字幕、语音输入法数据处理能力培养数据清洗：去重、异常值处理、缺失值填充特征工程：从原始数据到模型输入的特征转换数据标注：监督学习的数据准备流程数据隐私：GDPR、隐私保护技术理解横向广度（产品综合能力）：用户需求洞察能力用户访谈：开放式问题设计、深层次需求挖掘问卷调研：定量分析、问卷设计原则数据分析：用户行为数据解读、漏斗分析竞品分析：功能对比、体验评测、市场定位产品设计能力PRD 撰写：功能描述、逻辑梳理、验收标准原型设计：Axure、Figma、Sketch 等工具熟练使用用户体验设计：交互流程、界面布局、可用性测试需求管理：需求池维护、优先级排序、变更控制项目管理技能敏捷开发：Scrum 流程、Sprint 规划、Daily 站会跨部门协作：与算法、工程、设计团队的沟通技巧进度把控：里程碑设定、风险识别、应急预案资源协调：人力分配、时间管理、优先级决策商业分析素养市场调研：TAM/SAM/SOM 分析、用户画像构建竞品分析：功能对比、SWOT 分析、差异化定位商业模式：SaaS、广告、增值服务、API 调用盈利模式：付费订阅、按使用量计费、一次性购买2.2 简历优化黄金法则突出 AI 相关经验AI 项目经验描述模板AI产品实习经验 | XXX公司 | 2024.06-2024.12• 负责智能客服产品的需求分析，完成PRD撰写，需求文档达15页• 协同算法团队优化NLP模型，准确率提升15%，用户满意度提升20%• 主导产品功能设计，设计的对话流程覆盖90%用户咨询场景• 跟踪产品数据指标，日活用户增长25%，转化率提升12%数据成果量化用户指标：DAU、MAU、留存率、活跃度提升业务指标：转化率、点击率、用户满意度提升技术指标：响应时间、准确率、覆盖率优化商业指标：收入增长、成本降低、ROI 提升技能标签精准匹配必备技能矩阵核心技能：✓ 产品设计：PRD撰写、原型设计、用户研究✓ 项目管理：需求管理、进度跟踪、跨部门协作✓ 数据分析：用户行为分析、A/B测试、指标监控✓ 沟通表达：需求讲解、方案汇报、团队协调加分技能：✓ AI/ML基础：机器学习概念理解、算法原理认知✓ 编程能力：Python/SQL基础、数据处理技能✓ 用户研究：访谈技巧、问卷设计、用户画像✓ A/B测试：实验设计、结果分析、决策制定认证展示：✓ CDA数据分析师：数据分析专业认证✓ 敏捷项目管理：Scrum Master认证✓ AI产品经理认证：相关培训课程证书2.3 面试准备全攻略AI 基础概念准备用通俗语言解释 AI 概念监督学习 vs 无监督学习监督学习：就像有老师批改作业的考试，每道题都有标准答案无监督学习：就像在一堆没有标签的照片中自己找规律，发现其中有风景照、人像照、食物照深度学习原理神经网络：模拟人脑神经元连接，通过层层计算提取特征CNN：专门处理图像的神经网络，就像人的视觉系统Transformer：注意力机制，让模型关注输入的重要部分AI 产品常见问题如何评估 AI 产品效果？准确性：模型预测的正确率实用性：对用户实际问题的解决效果稳定性：不同场景下的一致性表现公平性：避免对特定群体的偏见AI 产品的隐私保护怎么做？数据脱敏：去除个人身份信息差分隐私：在数据中加入噪声保护隐私用户控制：让用户选择是否参与数据训练产品思维展示技巧STAR 法则准备案例Situation（情境）“公司在智能推荐业务中面临用户点击率下降的问题，转化率从 15% 降到 12%”Task（任务）“作为产品经理，我需要分析原因并提出改进方案”Action（行动）“1. 分析用户行为数据，发现新用户推荐准确率偏低2. 调研用户反馈，发现推荐内容与兴趣不匹配3. 协调算法团队优化推荐模型，加入用户实时反馈4. 设计 A/B 测试验证新模型效果“Result（结果）“新模型上线后，新用户点击率提升 20%，整体转化率恢复到 14%”产品决策思维数据驱动的决策建立完整的数据指标体系用数据验证产品假设基于数据调整产品策略量化产品效果和商业价值用户价值导向深度理解用户真实需求平衡用户体验和商业目标持续优化产品核心价值关注产品的长期发展第三章：通用求职成功策略3.1 时间规划与学习安排实习申请时间规划3-4 月：黄金准备期目标：完成简历优化，项目经验包装行动：投递简历，参与校园招聘重点：简历制作、面试技巧训练5-6 月：面试冲刺期目标：密集面试，积累面试经验行动：面试约谈，案例准备重点：模拟面试，经验总结7-8 月：入职准备期目标：顺利入职，快速适应行动：入职准备，知识复习重点：团队融入，工作熟悉3.2 个人品牌建设技术社区参与策略GitHub 项目贡献选择热门开源 AI 项目从修复文档开始，逐步贡献代码展示 AI 产品相关工具和脚本建立代码质量口碑技术博客建设定期发布 AI 产品分析文章分享实习经历和产品心得深度解析 AI 产品功能设计建立个人专业影响力行业活动参与参加 AI 产品经理 meetup在技术会议分享产品经验加入 AI 产品经理社群建立行业人脉网络校友资源利用校友关系维护联系在目标公司工作的学长学姐参加校友聚会，了解行业动态加入校友微信群，获取内推机会建立长期合作关系导师资源获取寻找 AI 领域资深专家作为导师定期请教求职和职业发展问题参与导师组织的学习活动建立长期的师徒关系3.3 面试心理调节压力管理技巧面试前准备充分准备，建立自信心提前踩点，熟悉面试环境深呼吸放松，调节紧张情绪积极心理暗示，相信自己能力面试中应对把面试官当作合作伙伴，而非评判者遇到难题时，主动请求思考时间诚实承认不足，展示学习意愿关注交流质量，而非标准答案面试后复盘及时总结面试表现分析得失，为下次面试做准备调整心态，保持积极乐观持续改进，不断提升失败应对策略面试失败分析客观分析失败原因区分技能不足和经验不足识别可以快速提升的能力制定针对性改进计划持续改进方法寻找面试表现录像，分析肢体语言请教有经验的学长学姐参加模拟面试，获取专业反馈记录常见问题，准备标准答案

点进来准备喷主播散播焦虑的先等等，博主还没准备好卖课（不是）AI的发展，本质没什么“要取代人类”的初衷，时至今日，尽管你已经听说clawdBot这种可以接管你的电脑帮你打工的东西，AI的正确打开方式，从来都不是“你去把这个员工顶替掉”，而是“你去帮我更快地做这件事情”。即，AI，不管故事讲的多天花乱坠，终究是人造的，即将用于人的工具，只不过因为过于好用过于神奇，似乎即将改变大家的生活的方方面面，导致大家对此产生一些恐慌。让我们回顾一下，就用大模型应用举例子吧。以前你买东西，会在搜索框输入一些关键字，或者点击选中你需要的属性，包括但不限于价格，产地，等等，然后你在显示出来的几个结果里翻半天，选一个你觉得好像合适的。现在你可以和AI说：我要买鼠标，它会帮你找，帮你分类，帮你推荐，你甚至可以问它dpi是什么意思，为什么你推荐这些鼠标，用这个鼠标影响不影响我单手开劳斯莱斯，等等。由于挂载了不同行业的知识库，加上高情商的回复，其实你在一次简单的搜索过程中同时进行了一些相关知识的查询，还收获了这种事事有回应的情绪价值。AI看上去在让我们的生活变好，所以，因为AI的发展而恐慌，有点必要但不多。要知道技术发展是在所难免的，而企业，需要使用先进的技术提高生产效率，这样才能在相同时间挣到比市场平均水平更多的钱，你不能因为这个怪罪AI的发展，说AI搞得大家现在都很卷，都要学AI，但实际上没有AI也会有BI，CI，你总要一直学点什么让自己没有血脉继承的普通人身份不贬值。说了这么多终于扯到一点和话题相关的内容：AI时代，你得学点AI。不是说让你从高等数学开始，一路学概率论，机器学习，深度学习，强化学习...不是要你去从头开始训练模型，学完这套你得叫“AI算法工程师”了。你不必知道AI怎么来滴（也不是要你知道AI怎么没滴），但你要会用它。有同学就要说了，这还不简单，我去应用商店搜索x包，deepsxxk，x问，填手机号，填验证码，完事。不是这样的，你这只是知道AI在哪。要会用AI，此处还是以大模型为例，你最好懂一点点提示词工程，至于提示词，你可以理解为就是你给AI发送的内容。学它有啥用呢？如果你略有了解，你就会明白 “我最近想投递xx岗位，岗位描述是xxx，我目前是xx身份，有xx经验，请你根据我的情况为我提出准备建议” 会比 “烦死了，怎么找工作啊” 更能获得有用的答案。而退一万步讲，即便你就是想找AI发牢骚，你也会明白“你需要扮演一个擅长提供情绪价值的人，我和你聊天是为了减轻压力，我现在找工作遇到了瓶颈，我不需要你的建议，只需要你的倾听和理解。”这样的提示词也许更能让你满意——尽管这种行为看上去有点幽默。那么主播说的“被AI取代”又是从何而来？实际上，作为一个重度gemini和GPT用户，主播经常用这二位进行包括但不限于代码写作，任务安排，知识学习，面试准备在内的生活任务。确实快，确实轻松，但朋友们，由奢入俭难啊，当你发现AI曾经写的代码是那么优雅、快速，你几乎不用看都能跑起来，但某一天版本更新了（其实大部分时间是因为上下文太长了），你发现它开始写bug，改变量名，一段代码写好几遍，你会烦躁，会无助，因为你习惯了AI帮你解决问题，而现在你突然又要直面困难，但你的大脑又很久没有思考过怎么去解决，而是一直在那里待机，等着AI的流式输出结束，ctrl c v，这会是一个非常痛苦的时刻。我说的“取代”正是这个意思。原谅我在最后才承认这是一个小小的偷换概念，很多时候，我们可能过多地让AI取代我们自己进行思考了。写了很多有的没的，到这里就结束吧。文章的最后，仍然祝大家身体健康，32岁不死。

几年前还没有chatgpt的时候，刷题真的是很痛苦。刷不出来只能看题解，题解有几个问题：第一个是每次看的写题解的人都不一样，很难有一个统一的思路；第二个也是最重要的是，题解只提供了作者自己的思路，但是没有办法告诉你你的思路哪里错了。其实很少有错误的思路，我只是需要被引导到正确的思路上面去。所以传统题解学习起来非常困难，每次做不出来难受，找题解更难受。但是现在chatgpt能做很多！它可以这样帮助你 -1. 可以直接按照你喜欢的语言生成各种解法的题解和分析复杂度。2. 把题和你写的代码都发给它，它可以告诉你 你的思路到底哪里有问题。有时候我发现我和题解非常接近，只是有一点点🤏想错了。只要改这一点点就是最优解。信心倍增。3. 如果遇到不懂的题解可以一行一行询问为什么要这样写，chatgpt不会嫌你烦。有时候我觉得自己的range写错了，其实那样写也没错，只是chat老师的题解有一点优化，这个它都会讲清楚。4. 它可以帮你找可以用同类型解法来做的题。然后它可以保持解法思路不变，用一个思路爽刷一个类型的题。如果题目之间思路又有变化，它会告诉你只有哪里变了，其他的地方还是老思路。5. 它也可以直接帮你总结模板，易错点。经过chat老师的指导，我最大的改变是敢刷题了。之前刷题需要先找某一个人写的算法题repo，然后跟着某一个人他的思路刷他给的几个题。如果想写别的题，套用思路失败了，没有他的题解，也不知道到底哪里错了；看别人的题解，思路又乱了。这个问题在二分查找和dp类型的题里面特别常见。但是现在有chat老师，他会针对我的代码告诉我我哪里想错了，应该怎么做；还按照我写代码的习惯帮我总结了一套属于我的刷题模板。每天写题全是正反馈！

我个人是很感谢ai这个工具的，但是不得不说ai对就业市场造成了很大的冲击。我在这里发表一句暴论，那就是以后除了需要面对面接触人的工作，所有岗位都会被ai取代。像办公室白领（正是在下）做的一些机械性的重复性的工作，随着ai越来越强大，这些岗位必然消失。连我这种代码小白驾驭了ai以后就很快学会了让ai替我写代码，我随便debug一下，就可以用了，然后我把我的工作内容自动化了80%，至于剩下的20%怎么办，那ai确实不能假扮我给供应商打电话。很多写代码的程序员也是如此，他们就是会担心自己的工作被ai替代，因为大势所趋。

最近这段时间，受邀请去一个地方分享这一年AI实战分享。2025年是Agent元年嘛，所以我就从这方面切入。-- 开端但我是没那么多时间去检索整理资料的，所以我分了两条支线，一个是让AI深度研究这一年的事件，另一个就是问AI助手，让他引导我构思整体。比如这一年AI 让我 aha的时刻，工作中有哪些提效。随后，AI深度研究的结果也出来了，这一年比如MCP，ReAct，CodeAct，Skills等大事件。昨天还让他调查了Clawdbot这种爆火的开源项目。-- AI 制作我对PPT还停留在中学这样。所以，我将开始的AI对话记录，这一年调查结果全都给了AI，生成了第一份PPT（见图一）还挺满意的，但是总会觉得，有些愧疚，线上直播场面还挺大的。-- 人机协作后来想想，还是我自己结合AI慢慢来吧。于是我找了几个有意思的点，每一页有思路就自己画。没思路就双线进行，nano banana 绘制一个有创意的PPT图，另外一个只生成一页PPT，一个创意一个专业，最后我来折中。就这样，诞生了第二版。---  最后真的有何不同吗？有吧，工具开智了，知道我想要什么。但目前，他还是工具，我来主导定计划。

不好意思标题党一下，但我是真的用AI优化简历拿到了2个offer！如果你觉得找人改简历太贵，自己的简历又拿不出手，可以用我的方法去修改。我的简历优化流程如下：第一步：用AI做简历诊断我用的是Claude（免费版就够了），把简历全文粘贴进去，然后问：我是计算机专业应届生，想应聘后端开发岗位。（其他岗位一样，这里以后端开发岗举例）请分析这份简历的问题，从HR和技术面试官两个角度评价。重点指出：1. 哪些描述太空洞2. 哪些经历可以加强3. 哪些技术栈需要突出第二步：用AI重写项目描述这是核心步骤。我把每个项目单独拎出来，让AI用"STAR法则"重写：- Situation（背景...

我早说，AI会逐步替代基础的程序员，但是我没想到速度如此之快，我还是太保守了。但是作为一个程序员，从立场来讲，我自然不希望AI替代我们，因为这影响我的就业和竞争。 但是我们不希望又能怎样，时代的趋势是不可阻挡了，我们只能顺势而为。 是时势造英雄，而不是英雄造时势。一、AI编程越来越离谱 我不得不承认，AI已经替我完成了70%的工作量，并且完成的比我更好，更精准，效率更高。算法中的时间复杂度、空间复杂度、最大圈数基本都是最优解，甚至很多时候，我感觉他已经在顺着我的思路帮我思考了。  替你写注释：我只需要打个“//”，注释就会自行生成，如果你觉得他生成的不对，你就再打两个字，他会顺着你的话去续写。...

春招在即，无论是26届，还是即将找实习的27、28届。都会面临一个问题：去网上看了很多公司面经，面试时一个都想不起来。今天我教你用Notion建立面经管理系统，再配合AI做分析，让你从从容容，游刃有余。减少求职的压力。 1.在Notion中新建表格用来记录面试进度和刷题进展。如下图：这样可以清楚的展示你的面试进度以及你今天要复习什么，打开后面的面经链接就可以了。附上表格模板： 面经数据库（主表格） ├─ 基础信息 │ ├─ 公司 │ ├─ 岗位 │ └─ 面试日期 ├─ 技术考察 │ ├─ 高频题 │ ├─ 考察重点 │ └─ 难度评级（1-5星） └─ 我的准备 ├─ 准备状态 ├─ 复习次...

一月中旬开始实习，ld要求一天半到两天写好一个完整的功能，为了赶进度每天都是用ai写。现在就是了解各种先进的ai编程软件，但是手写代码的能力没有增强，想知道这样用ai写代码正常吗，求大佬们指点

Prompt1：项目亮点提炼我的项目：【项目名称及你的角色】 技术栈：【列出使用的技术】 请帮我提炼3个最能体现技术能力的亮点，每个亮点：用一句话说明做了什么用数据说明效果突出技术难点或创新点Prompt2：平淡项目包装我有一个比较常规的项目，担心写在简历上没有亮点： 项目背景：【描述】 我的职责：【描述】 使用技术：【列出】 请帮我从以下角度挖掘亮点： 1. 技术选型的考量 2. 遇到的难点和解决方案 3. 可量化的成果（即使是小的提升） 4. 与其他方案的对比优势 输出3个版本的描述，从保守到略微包装（但不夸大事实）。Prompt 3：弱化学历背景（双非/专科）我的学历背景：【学校+专业】...

本人男，学码特别痛苦，期待一个牛逼的男神来拯救我的coding他一把夺过我的电脑边写code边说"你的痛苦 我都心疼想为你解决"

伟大的克劳德大人，再带我冲一次吧之前在字节没接触过什么vibe coding，写测试工具基本是手写，最多用豆包，来了腾讯接触到了vibe coding，从刚开始的不信任，到已全力梭哈，没有什么是写不出来的，如果有就多生成几次附一张代码仓库提交

现在AI起来了，很多公司招AI 产品岗。soob一搜一大堆。如果你是一个没有做过产品实习，或者做的不深入，建议不要把实习all in AI产品实习。1）壁垒非常高。今年AI产品待遇空前的高，也对候选人要求空前的高，本来产品就卷，选择all in，只会一将功成万骨枯，牛的特别牛，差的特别差。2）能力不通用。AI产品非常青睐技术背景，比如理工专业，有过算法实习，这些都需要很多的时间精力去沉淀，但是这些能力并不属于产品的基础通用能力，而且很多也是仅限于了解，浅尝辄止。3）对面不愿培养，只想找个标注外包。产品实习生本就尴尬，个人能力+信息差导致短时间很难独立负责业务，所以大部分AI产品实习生都会在前期去做数据标注+AI竞品调研，至于后期，如果能像2）一样投入，自然可以深入学习，但大部分都会逐渐沦为工具人，去做边角料工作。今天不止看到一个AI产品实习生JD了，很多公司只利用，不培养

目前实习了两个月，还是有很多困惑。首先，培养自己独立写代码的能力有必要吗？我几乎都是靠AI写代码改代码，coding能力很弱但又不知道怎么提升，mt并不太赞成我用AI来写。但如果不靠AI，我就得多花几个小时加班才能做完我的工作。其次，我现在只会机械地完成mt布置的任务，怎么判断自己现在干的活是否有价值，这些写在简历中会让面试官觉得我在这段实习中真的学到了东西呢？怎么判断自己的产出是否足够？感觉自己的工作只是在原本代码的基础上做一些修改，几乎没有自己独立负责的模块。

个人情况：985大三软件工程。课内成绩排名暂时应该是前10%，但没有特别突出。课外的感觉目前水平实在是低。每次遇到一个新项目都是AI先写(因为完全不知道怎么开始入手)，我的debug也是不断发给AI让它再仔细检查一遍。有些情况AI实在是检查不出来，我会从头看一遍后找到比较奇怪的地方再问AI“是不是这块。但是AI检查出确实有问题后,还是让AI改。我现在在实习，公司里每天的任务大多数都是用AI，但是这可能是因为分给我的任务不难。故而想问问大厂里的前辈们写代码的情况怎么样(比如用AI基本能完成吗?每天的工作大概是多少?)?以及借问一下都用什么AIAI可以就业的岗位都有哪些呢?一般使用什么语言?我看过招聘软件上的一些方向，大概知道“前后端”“算法工程师”“人工智能”“大模型”“测试”等等的，虽找过一些介绍视频，对他们初有了解。但以我浅陋的学识，仍然对“它到底要干什么”““什么岗位比较好”等方面还是一知半解。