LLM 应用工程师（RAG / 工具调用 / 工作流）
工作内容（做什么） 举例 + 关注点
- 把业务问题转成可落地的 LLM 方案：确定输入/输出格式、失败兜底、成本与延迟约束。
- 搭建 RAG：语料清洗→切分→向量化（embedding）→检索→（可选）重排（rerank）→生成回答，并做引用溯源。
- 做评测与迭代：建立测试集、定义指标（准确/召回/幻觉率/满意度），对比不同提示词与检索策略。
- 工程化交付：API/服务化（FastAPI）、缓存与限流、日志与可观测性（trace）、灰度发布。
例子：例如做一个“课程资料问答助手”：用户问“这门课的期末考点有哪些？”，系统先在资料库里检索相关讲义段落（RAG），再生成回答，并在末尾给出引用段落编号；每次更新语料后跑一遍回归评测，确保“引用正确率”和“关键点覆盖率”不下降。
AI Agent / 智能体工程（任务自动化）
工作内容（做什么） 举例 + 关注点
- 把复杂任务拆成可执行步骤：规划（plan）→调用工具（tool）→检查结果→必要时重试/改写。
- 接入外部工具：搜索、数据库、表格、邮件、日程、代码执行等，处理鉴权与权限边界。
- 让系统“更可靠”：状态管理、超时/失败兜底、幂等、循环检测（避免无限自我调用）。
- 可观测与调试：为每一步记录输入输出、token 消耗、失败原因，方便复盘与回归测试。
例子：例如做“周报自动生成”：Agent 读取本周任务列表→从 issue 系统拉取进度→生成结构化周报→输出为 Markdown/邮件；关键点是每一步都要可追踪，失败时能明确告诉你“卡在拉取数据/格式校验/权限不足”。
Prompt / LLM 解决方案（偏评测与落地）
工作内容（做什么） 举例 + 关注点
- 把需求写成“可验收任务”：定义正确输出的标准、边界条件、拒答规则与格式约束。
- 构建数据集：收集真实样例、覆盖常见问题与难例（边界、歧义、对抗输入）。
- 设计与迭代提示词：模板化（system/instructions）、few-shot 示例、结构化输出（JSON）。
- 建立评测闭环：离线评测 + 线上 A/B（若有条件），跟踪准确率、稳定性与用户满意度。
例子：例如做“客服问答改写”：要求输出固定 JSON（字段：意图、关键信息、回复文本、风险提示），并把 200 条真实问答做成评测集；每次改提示词都跑评测，比较“字段完整率/事实一致率/违规率”。
机器学习 / 深度学习工程（研一主攻方向）
工作内容（做什么） 举例 + 关注点
- 负责模型训练与实验：数据预处理、训练循环、调参、对比基线、复现实验记录。
- 把模型从“能跑”做到“可解释”：做误差分析（哪些类别/场景容易错，为什么错）。
- 落地到线上或产品：导出推理模型、做性能优化（延迟/吞吐），并与工程团队对齐接口。
- 跟进论文/开源：复现经典方法，逐步积累“可复现 + 可对比”的研究能力。
例子：例如做“文本分类”：先用 TF-IDF+LR 做基线，再用 BERT 微调；对比 F1 提升，并分析“否定词、长文本截断、类别不平衡”导致的错误样例；最后把模型封装成 /predict API。
NLP 工程 / 算法（文本分类、抽取、检索）
工作内容（做什么） 举例 + 关注点
- 围绕文本任务做模型与数据：分类、实体抽取、相似度检索、问答等。
- 建设检索链路：BM25/向量检索 + 重排（cross-encoder），提升召回与排序质量。
- 数据标注与质量控制：标注规范、抽检一致性、难例维护（这点常被低估）。
- 评估与上线：定义指标（F1/Recall@K/NDCG），持续迭代并做回归。
例子：例如做“课程搜索”：先用 BM25 召回候选课程，再用 cross-encoder 重排；指标用 Recall@K、NDCG；上线后重点看“搜索无结果率”和“点击转化率”。
多模态 / CV 应用（图文检索、识别、OCR 相关）
数据分析 / 数据科学（AI 相关团队常招）
工作内容（做什么） 举例 + 关注点
- 做图像/多模态任务：分类、检测、OCR、图文检索等，重点是数据与评估。
- 利用预训练模型：ViT/CLIP 等，用少量数据做微调或做检索式应用。
- 工程落地：推理速度、模型大小、设备适配（GPU/CPU/端侧）。
- 构建数据闭环：收集失败样例、补充数据、迭代提升鲁棒性。
例子：例如做“图文检索”：用 CLIP 把图片和文本编码成向量，做相似度搜索；评估用 Recall@K；再加入重排提升精确度。
工作内容（做什么） 举例 + 关注点
- 定义与维护指标：漏斗、留存、转化、满意度；把口径说清楚（避免“各说各的”）。
- 做实验与因果：A/B 测试设计、样本量估计、显著性判断、结果解释。
- 辅助模型与产品迭代：用数据定位问题段（例如检索召回不足、回答幻觉高发）。
- 搭建看板与监控：异常报警、分组对比、版本前后效果对比。
例子：例如在 AI 助手项目里：建立“引用正确率、幻觉率、用户追问率、会话完成率”指标；上线新检索策略后做 A/B，对比指标变化，并定位具体失败类型。
MLOps / 模型工程（训练流水线 & 部署）
AI 产品经理（大模型/智能助手方向）
工作内容（做什么） 举例 + 关注点
- 让训练与上线可规模化：训练流水线、数据版本、模型版本、实验记录与复现。
- 模型部署与发布：容器化、灰度、回滚、接口契约、依赖管理。
- 可观测与监控：延迟、吞吐、错误率、漂移监控；建立回归评测与报警。
- 成本控制：算力/存储/调用成本评估与优化。
例子：例如把“文本分类模型”做成可持续迭代系统：训练脚本固定化 + 数据版本记录 + 自动评测 + Docker 部署；每次发布新版本先在灰度流量验证，再全量。
工作内容（做什么） 举例 + 关注点
- 把“模型能力”翻译成“用户功能”：明确场景、用户目标、成功标准与失败兜底。
- 写 PRD/原型：流程、异常、权限、提示与引用展示、成本与延迟约束。
- 制定评测与指标：离线评测集（覆盖/难例）、线上指标（满意度、留存、转化）。
- 推动跨团队落地：对齐研发/算法/测试/运营的交付物与验收口径。
例子：例如做“企业知识库问答”：产品侧必须定义——答案必须带引用；遇到不确定要拒答并提示补充；关键指标是“引用正确率”“回答可用率”“会话完成率”。
AI 质量/评测工程（LLM Eval / 回归测试）
工作内容（做什么） 举例 + 关注点
- 搭建 LLM 评测体系：评测集、指标、自动评分/人工抽检流程。
- 维护回归用例：版本迭代时防止“修了 A 坏了 B”（尤其在提示词与检索策略迭代中）。
- 对齐质量标准：覆盖率、难例分桶、违规/越狱/敏感内容拦截测试。
- 输出可行动的结论：把问题归因到“检索、提示、模型、数据、工具调用”的哪一段。
例子：例如每周产出一份“质量周报”：新增难例 30 条，幻觉率从 8% 降到 5%；主要问题集中在“多文档冲突、日期/数值问答”；建议加入重排与数值校验规则。
AI 运营（增长/内容/社区，数据驱动）
工作内容（做什么） 举例 + 关注点
- 用数据驱动增长：拉新-激活-留存-转化漏斗拆解，制定运营动作与触达策略。
- 内容与活动：围绕用户问题产出内容（教程、模板、案例），用指标评估效果。
- 用户分层：新手/活跃/高价值用户差异化运营；建立触达节奏与复盘机制。
- 与产品/算法协作：反馈高频需求与失败案例，推动产品迭代。
例子：例如做“AI 助手新手引导”：设计 3 条任务型引导（上传资料→提问→生成摘要），并做 A/B 测试对比激活率；同时维护“高频问题模板库”，降低用户上手成本。
关键提醒
如果对毕业论文内容不擅长：不必强行“绑定论文方向”。简历可以换叙事：
如果对毕业论文内容不擅长：不必强行“绑定论文方向”。简历可以换叙事：
研一能力建设 + 作品集 + 可复现实验。论文只保留为“完成过端到端数据任务”的证明即可。