JD 怎么读:招聘要求逐条拆解

一句话结论:大模型应用开发岗的 JD 有固定语法——「必须项」通常只有三四条(LLM 应用链路经验、工程语言、RAG 或 Agent 之一),其余多数是「加分项写成了必须项的样子」。会读 JD 的人投得准、准备得省;不会读的人被一句「熟悉大模型训练原理」吓退,错过本来能上的岗。 先建立一个心态:JD 是愿望清单,不是准入门槛 招聘方写 JD 的习惯是把「理想候选人」的画像全写上。实际筛选时,命中 60%~70% 且核心项过硬,就值得投。尤其转行者,永远不要等「全部满足」再投——那一天不会来。 逐条翻译:JD 黑话 → 实际考察 | JD 原文 | 实际在考察 | 怎么准备 | |---|---|---| | 「熟悉 LLM 应用开发链路」 | 调过 API、懂 prompt、做过完整应用 | 最小实现三件套 | | 「有 RAG 系统实践经验」 | 能讲清检索链路每个环节的选型与权衡 | RAG 完整教程 + 题库 RAG 模块 | | 「熟悉 LangChain / LlamaIndex 等框架」 | 用过其一即可,更看重你知道框架在帮你做什么 | 用框架重写一遍你的最小 RAG | | 「熟悉 Agent 技术(Function Calling / ReAct / MCP)」 | Agent 岗核心项,会问到实现细节 | 30 行最小 Agent、MCP 入门 | | 「熟悉大模型训练/微调原理」 | 应用岗通常只考 LoRA/SFT 概念与「何时微调 vs 何时 RAG」 | 题库「模型微调」模块的判断类真题 | | 「熟悉推理优化(vLLM、量化、KV Cache)」 | 部署方向核心项,其他方向是加分项 | 题库「推理优化」模块 | | 「有 0-1 项目经验者优先」 | 加分项;自建完整项目同样算数 | 没有项目经验怎么办 | | 「发表过顶会论文者优先」 | 纯加分项,应用岗没有它照样过 | 忽略,别被吓退 | 三种岗位画像:同名不同岗 都叫「大模型工程师」,内核可能完全不同,投前先分辨: 应用/Agent 型:JD 关键词是 RAG、Agent、工作流、业务落地。占招聘量大头,转行者主战场。 平台/Infra 型:关键词是推理服务、vLLM、GPU 调度、稳定性。后端/运维背景转型的天然对口,见后端转型指南。 算法/训练型:关键词是 SFT、RLHF、数据配比、评估集建设。要求更接近算法岗,对照应用岗 vs 算法岗判断自己是否要碰。 关于薪资:怎么获得靠谱预期 不同城市、职级、公司梯队差异很大,任何文章里的具体数字都会过时。靠谱的做法:在招聘平台按「城市 + 大模型应用开发」拉 20 个在招岗位看区间分布;再用面经里真实候选人的职级与背景做参照。谈薪发生在 HR 面,原则见面试流程解析。 读完 JD 之后的动作清单 把 JD 的技术关键词与你简历逐条对照,缺口分成「面试前能补」和「如实说明边界」两类。 按 JD 主方向去题库刷对应模块,别平均用力。 目标公司有面经的,优先读——同一家公司的考察风格高度稳定。