文章探讨文科生进入AI行业的路径与挑战。AI行业虽技术门槛高，但对具备人文素养的人才需求增长。文科生可从数据工作、提示词工程师等岗位入门，需掌握基础技术知识。真正稀缺的是将人文思考与技术创新结合的能力，如定义AI的"好回答"、赋予AI人文关怀等。成功案例显示，持续学习能力和将人文优势与技术结合是关键。AI行业为文科生提供了新机遇，但需跨越技术门槛并保持学习能力。

---

要进入AI行业，文科生首先需要掌握基础技术知识，理解AI的工作原理，但这只是更好释放自身优势的基石。AI行业中“真正稀缺的是能将人文思考与技术创新结合的能力。当你不再被技术门槛阻挡，过往积累的审美判断、文化理解和共情能力就会成为独特优势”。

入行AI

2023年，当万玉磊决定入行人工智能（AI）时，他面临着从什么岗位开始的选择。

在AI行业里，文科生可选择的岗位大致分为两类，数据工作是最常见的一类。它不要求应聘者有技术背景，更看重文字表达能力、人文素养和良好的审美，为模型提供数据“养料”，这正是文科生的优势所在。但因为重复性强、技术含量低，数据工作又常被视为AI行业中的低端工种，社交媒体上的经验分享贴甚至称它为“污染简历”的职业。2023年万玉磊刚入行时就面临着这种尴尬。

《社交网络》剧照

万玉磊在读研时攻读的是中国古代史，但痴迷于AI大模型，2022年OpenAI在国内火起来后，万玉磊就一直是AI的深度用户，从健身计划到文字冒险游戏，他把自己感兴趣的东西都用AI尝试了一遍。“我觉得太神奇了，这是一条全新的技术路线，当时所有人都认为OpenAI是疯子一样的公司，伊利亚·苏茨克维（OpenAI原首席科学家）说服了萨姆·奥尔特曼（OpenAI首席执行官）把所有的数据合到一起，用天价的算力去做史无前例的‘炼丹工程’。最后居然被他们做成了，‘嘭’的一声，整个世界被改变了。”2023年，万玉磊决定入行AI。求职时，他只找和大模型相关的岗位，也不排斥数据工作，“先上车再说”。

数据标记是AI行业底层且规模庞大的基础环节。标注员需要日复一日地对原始数据进行人工处理，例如在一张街景图片中，用框线精确标出所有车辆与行人；在自动驾驶研发中，在海量视频帧中圈出每一个交通标志。这类工作的重复性极强，依赖大量人力，一些人工智能研发企业会在偏远地区设立基地，在当地招聘低薪资的标注员，其中不乏只有高中学历的人。另一个岗位人文训练师处于更上游的位置，需要基于人文社科素养，定义什么是“好的语言”“好的修辞”“有人文关怀”，制定出数据标注的规则与质量标准，为模型输出建立审美标准和价值判断。

万玉磊是从最基础的提示词工程师开始做起的。这个岗位不需要亲手编写复杂的模型代码，而是通过不断调试和精炼与AI的“对话”，引导和激发AI模型产出高质量的成果，是文科生入行的一个好选择。入行初期，万玉磊的工作更接近于传统的手工艺人，需要亲自编写每一条提示词，仔细阅读模型的输出，检查回答质量。这个过程完全依赖人工，工程师凭借自己的经验和判断力来评估回答是否符合要求。这种工作模式的效率相当有限，一个复杂的任务往往需要花费数天时间进行测试和调整。

但万玉磊相信这个行业的未来。在入行前，他搜索了很多国内外新闻后，确信这将是未来的风口产业，因为“资本都在疯狂涌入AI”。后面的发展也证明了他的判断。据中国信息通信研究院发布数据，2024年我国人工智能产业规模已突破9000亿元，同比增长24%；截至2025年9月，全国人工智能企业数量超过5300家。这样的风口也惠及没有技术背景的文科生。在“文科生就业难”成为老生常谈的当下，AI似乎带来了转机。一种网上广为流传的说法是，AI大模型是一个诞生不久的全新领域，技术迭代飞快，所有人都是从零开始学习，这给了文科生一个难得的、相对公平的竞争机会。

技术门槛

李悦也是一名较早瞄上AI赛道的文科生。2022年李悦从一所“985”理工科院校的金融专业毕业时，金融行业招聘需求已经大量萎缩，昔日学长们“毕业即高薪”的场景一去不复返。她入职了一家中小型游戏公司做运营，这里的工作并不顺心：没有人带教，公司需求混乱，实行“大小周”休息制度。老板只有专科学历，专业能力也不突出，“他当年就是撞上了游戏发展的风口，飞了起来。那时候我就琢磨，要当风口上的猪”。

3月16日，广州，2025年全国城市联合招聘高校毕业生春季专场活动（视觉中国供图）

AI产品经理是文科生转行时的一个热门选择。产品经理要理解用户与市场，负责定义产品方向与功能，协调多个部门共同推动产品从概念到上线。它看起来比数据工作更高级、更接近核心，而且在传统互联网领域，产品经理是个对文科生相对友好的工种。

但AI产品经理和传统岗位不同，要求求职者必须懂得基本的技术原理，才不至于提出一些荒谬的需求。一位不懂技术的产品经理可能会提出：“当用户拍摄上传了一张宠物狗奔跑照片时，系统能够迅速、精准地识别出狗的品种”，或是“语音识别功能必须在用户断网时也正常使用”。他并不清楚，图像识别模型的准确率受数据质量、模型能力等多重限制，面对模糊图片，当前技术根本无法保证100%正确；大模型需要云端强大的算力支持，离线根本无法运行。

技术是横在李悦面前的第一道坎。李悦明显感受到，企业希望招聘的是“懂AI知识的资深产品经理”。一位面试官向她提出的问题是，有一家公司专门为淘宝大品牌店铺提供客服外包，用AI处理客诉与退货需求，如何设计方案让AI能够准确识别合理与不合理的退货申请，并分别处理。李悦觉得，这个问题里技术的成分已经远远大于产品理念设计，“我可以不会写代码，但至少要知道算法能够实现哪些功能，再去和后端沟通。不能提出天马行空的产品理念，否则就太不专业了”。

在决定转行到AI行业后，李悦花了大约三个月时间自学，掌握了三项AI领域的基本技能：用于从数据库中精准查询和提取数据的SQL；用于清洗和预处理原始数据、使其适合模型使用的Transform；能将外部知识库与大型语言模型相结合的RAG。零基础自学技术很难，但没有想象中那么寸步难行，李悦觉得，“大家会有畏难情绪，觉得自己是个文科生，理工科的知识天生与自己相克。其实只要理解基础知识，多上手练，大部分人‘入门’是没问题的”。

《好事成双》剧照

真正让李悦觉得痛苦的是，学习似乎是永无止境的。为了让自己拥有AI项目经验，结合上一段游戏公司的经验，她摸索着搭建了一个用来召回老玩家的AI程序（agent）。从提示词、逻辑链条到测试集，每个环节都要李悦自己动手操作。这个AI程序会给老玩家发消息，包括介绍游戏、发放礼包、答疑和安抚用户等。根据用户回复的内容，AI会识别用户意图，再触发下一步回应。

测试时，如果AI给用户的回复答非所问，或是不够精准，李悦就要重新返工：不停地调整提示词，换掉各个节点的模型，重新设计逻辑线路。每调整一个因素，都会引发一连串后续的改变；每次改动，李悦都要学习新的知识。“我完全没预料到，改动其中一个代码，变化会这么复杂。要调整的东西实在太多了，像是看不到尽头的循环。我自学的那些知识只是原理，到底如何做好一个agent，还需要自己不断动手才能摸索到关窍。”

这种巨大的不确定性让她倍感压力和不自信，也让她在几次面试碰壁后放弃了寻求AI行业工作。“学得越深，越觉得自己懂得太少。对自己很没有信心，我能找到工作吗？即使我混进去了，怎么通过试用期？我能一直学下去吗？如果学不动了，就要被裁了吗？”

这也是AI行业的特点：飞速发展的技术意味着知识的不断更迭。挤入AI赛道并不意味着一劳永逸，反而只是转行第一步。本刊接触到的十几位文科生里，无论最终是否成功入行AI，他们普遍认同，只有拥有持续学习能力的人，才可能在这个AI行业里生存下来。29岁的潘潘在2023年入职一家“大厂”的AI团队。她还记得，自己在半年里都过得非常痛苦，“每天都有高浓度的信息等着我去消化”。白天，潘潘和算法的同事沟通时，他们会抛出一系列专业名词和原理，潘潘把听不懂的内容悄悄记在笔记本上，晚上9点多下班后继续加班学习。将近半年后，她才成功理顺了工作，“保持非常陡峭的学习曲线，才能待下来”。

人文素养重要吗？

只有成功翻越技术的门槛并能跟上技术的发展后，文科生的人文素养才可能在行业中有所体现。当前的大模型在信息处理上表现出色，却缺乏人类特有的共情能力与价值判断，许多AI公司正致力于让产品交互更具人情味，需要来自语言学、心理学等人文学科的视角介入，这正是文科生能够发挥价值的地方。

插图：Evie Zhu

潘潘曾经拿到过“AI人文训练师”的offer，她向本刊解释文科生如何能让AI更有温度：一位用户和AI聊天时说，自己体检的结果不太好，得了胃癌。传统AI会很笨拙、机械地回复：“你得的是癌症，要按时化疗，下面我给你提供一些化疗建议。”人文训练师的作用是告诉AI，“普通人听说别人不幸遭遇时，第一反应是不知所措，再表示同情，而不是突然给出一堆建议”。于是，经过训练的AI会模拟人的思维方式，先打一串省略号表示沉重和犹豫，然后才是“××（用户名字，需调取对话记忆），实在抱歉听到这个消息，如果你需要帮助，我可以给出一些建议”。

28岁的何卉从媒体记者转行到一家大模型公司，专门给AI设计人文题目，训练AI的“人味”。她曾经在公司内部提出，想设计一款能做角色扮演的AI工具，“角色扮演游戏可以很好地观测大模型的模仿能力和情商，它背后是人与人的心理博弈”。

何卉举了一个AI算命的例子。“用户让AI算命时，其实是有心理需求的。AI算得准不准是一回事，能不能体会到用户的潜在心理需求是另一回事。”何卉说，有用户会向AI提问，“我是否会和这个男生复合？”如果用户询问的是一个现实中的算命先生，算命先生会知道，这个问题背后的潜台词是用户希望复合。“为了让客户高兴，可以多给些钱，算命先生就会往‘能复合’这个答案上引导。但不能一下子给出答案，否则客户就不会继续交流了，算命先生还怎么提供建议然后赚钱？所以他不会直说，而是沿着‘复合’这个方向不断抛出问题，引导用户继续对话。”何卉希望能让AI也学会这样的“心机”，更好地揣摩用户的内心。

但算法的同事显然并不认同这个想法。“算法说‘这个改一下system prompt（系统提示词）就行’，而且他们觉得角色扮演的想法很‘泛泛’，看不出AI的什么能力来。”沟通中，何卉显得很弱势，“当技术同事说这个东西没有意义、做不了的时候，我不知道怎么去反驳他”。

《胜券在握》剧照

这大概是基本技术门槛之后，文科生闯AI赛道要面临的第二道关卡：如何让自己的人文思考，能被最终去实现这些思考的技术同事理解和转化？模型性能和数据准确性在这个行业中排在第一位，文科背景从业者在公司内部往往缺乏足够的话语权，他们提出的人文视角与伦理考量虽然被视为重要补充，但在实际决策中常被置于技术指标之后。

今年9月份，何卉被公司裁员了，距离她入职仅过去了10个月。她被裁员的直接原因是公司正在做战略调整，缩减“人文关怀”的投入，把全部资源集中在了技术端。“公司觉得，大模型不需要有哲学思想，只要有基本的人际交往能力就行，但要不断提高技术团队的实力，做一个很聪明的大模型。”另一个原因是，她被自己训练出来的AI淘汰了。何卉说，早期大模型在面对“是否复合”这道题目时，可能连基础事实的回答都会出现错误；她会设计出一份准确、有同理心的答案，包括在某些网站搜索相关知识、如何表达、如何揣摩用户的心思，并将它们设置为得分点，发给大模型学习。随着AI的学习和更迭，她出的题很快就难不倒AI了，“它需要比我水平更高的训练师”。

找到“好答案”

万玉磊是少有的在这个行业里发展相对顺遂的文科生。尤其从今年下半年开始，他频繁接到AI猎头电话，询问他是否寻找新的工作机会，开出的薪资水平是如今的两倍。他最后接受了一家“大厂”的offer，负责大模型的数据团队工作。万玉磊觉得，AI行业对文科生也并非完全严苛，关键还是个人如何在其中自处。“身在这个行业里，向你飞来的信息量会是行外人的好几倍，只要愿意学，成长速度很快。”

以他自己的成长经历为例。最早他以提示词工程师的身份入职，第一个月被安排清洗数据。这是一件只需要耐心就能完成的工作，也是新员工接触大模型最底层预训练过程的机会，“数据是大模型的基础，弄懂数据是做好一切的前提。不能只是机械地清洗，要去思考，某个语义为什么要这么分割？为什么会输出这样的东西？模型需要什么样的数据？”

万玉磊进入人工智能行业两年，已经是行业里的“资深工作者”（蔡小川 摄）

两年时间里，作为提示词工程师，万玉磊的工作方式已经发生了根本性的改变。“以前是人测试模型，现在是用模型测试模型。”

转折点在于DeepSeek-R1等长序列推理模型和思维链技术的出现，AI不再只是简单给出问题的答案，而是逐步分析一个包含多个步骤的复杂问题，就像学生做数学题时不仅要给出答案，还要写出完整的思考步骤和解题过程。

面对这种变化，传统的人工测试方法显得力不从心。“当模型需要完成包含十几个推理步骤的任务时，靠人力去逐条验证效果几乎是不可能的。”万玉磊解释，比如对于一个诊断电网故障的AI模型，工程师要设计能够引导AI完成10多个诊断步骤的复杂提示词：从读取监测数据、识别异常信号，到分析故障类型、评估风险等级，最后给出处理建议。每个步骤都需要精准的指令引导，任何一环的提示词出现问题，都会导致后续推理偏离方向。工程师可能要花费数周时间，才能完整测试一个复杂提示词的所有可能路径。

他学习了自动化技术并引入工作中，也就是所谓的“用模型测试模型”。这套系统的核心是“母提示词”技术，是一种可复用的提示词框架，能够自动生成上千条不同风格的候选指令。这些指令通过精心设计的工作流进行串联，形成一个完整的处理流水线。他们首先需要准备测试集——一套覆盖各种情况的“考题”，以及对应的评估标准。通过“母提示词”自动生成上千条候选指令，再由专门的评估系统对这些指令进行批量测试和打分。

《凡人歌》剧照

万玉磊举例，他们曾经与心理咨询领域的专家合作研发一款大模型，用来帮助有抑郁症但不愿意和医生沟通的患者。在设计这款AI工具时，他们会先用“母提示词”生成不同版本的分析指令，比如“请分析用户的情绪状态”“请识别用户话语中的抑郁倾向”等。随后，这些指令会被送入自动化评估系统，该系统包含了大量心理学领域的专业知识，以及专业心理咨询师设定的多个评估维度，不仅要准确识别抑郁症状，还要考量回应的共情程度、安全性，以及是否避免了可能引发负面情绪的表述。最后，评估系统会让AI模型用这些不同的指令去处理测试多个场景，并根据预设标准自动打分，最终筛选出表现最好的那个指令版本。

自动化测试中，评估标准的制定是最关键的。“定义什么是‘好的答案’是最具有挑战性的环节。”万玉磊说，写提示词是试图找到通往“好答案”的路径。而定义“好答案”是在明确“目的地”究竟在哪里——如果目的地搞错了，路径设计得再精巧，也是南辕北辙。

要定义“好”的回答，需要出色的审美能力和对语言的细腻把握，这正是文科生在长期积淀中形成的能力。他们经过系统的文学训练，培养出对文字韵律、情感张力和文化内涵的敏锐感知；通过哲学思辨，建立起审视价值与伦理的深层视角。这种人文素养使他们能够超越技术指标，评判内容的质量与温度。

万玉磊对人文领域一直很感兴趣，本科期间，他将大把的时间花在阅读上，范围涵盖网络小说、经典文学与当代文艺作品。他还常看CCTV10的《探索·发现》节目，其中关于考古的内容让他尤其着迷，直接影响了他在考研时选择中国古代史。

《月光变奏曲》剧照

读研时，万玉磊的具体研究方向是历史上少数民族的生存踪迹，不仅需要阅读大量的古籍文献，还要实地考古，曾经跟着老师从西安一路出发，翻越草原、帕米尔高原，到达乌兹别克斯坦，一路追寻大月氏的踪迹。“这是我生命里不可多得的体验，我看过的书、做过的田野调查，提升的是人对事物的判断和审美。一个人只有看过《圣经》，知道里面的典故，才能理解《罪与罚》里男主角在索尼娅脚下跪下忏悔，望向大地那一刻的含义。”这些能力恰恰成为他如今能够定义AI“好回答”的标尺。

“技术是基础，但不是全部”，万玉磊觉得，要进入AI行业，文科生首先需要掌握基础技术知识，理解AI的工作原理，但这恰恰是为了更好地释放自身优势。“真正稀缺的是能将人文思考与技术创新结合的能力。当你不再被技术门槛阻挡，过往积累的审美判断、文化理解和共情能力就会成为独特优势。”

AI时代，未来的就业机会在哪里？

答案就藏在大模型的浪潮里。从ChatGPT、DeepSeek等日常工具，到自然语言处理、计算机视觉、多模态等核心领域，技术普惠化、应用垂直化与生态开源化正催生Prompt工程师、自然语言处理、计算机视觉工程师、大模型算法工程师、AI应用产品经理等AI岗位。

掌握大模型技能，就是把握高薪未来。

那么，普通人如何抓住大模型风口？

AI技术的普及对个人能力提出了新的要求，在AI时代，持续学习和适应新技术变得尤为重要。无论是企业还是个人，都需要不断更新知识体系，提升与AI协作的能力，以适应不断变化的工作环境。

因此，这里给大家整理了一份《2025最新大模型全套学习资源》，包括2025最新大模型学习路线、大模型书籍、视频教程、项目实战、最新行业报告、面试题等，带你从零基础入门到精通，快速掌握大模型技术！

由于篇幅有限，有需要的小伙伴可以扫码获取！

1. 成长路线图&学习规划

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。

2. 大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

3. 大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

4. 大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

5. 大模型行业报告

行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

6. 大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

为什么大家都在学AI大模型？

随着AI技术的发展，企业对人才的需求从“单一技术”转向 “AI+行业”双背景。企业对人才的需求从“单一技术”转向 “AI+行业”双背景。金融+AI、制造+AI、医疗+AI等跨界岗位薪资涨幅达30%-50%。

同时很多人面临优化裁员，近期科技巨头英特尔裁员2万人，传统岗位不断缩减，因此转行AI势在必行！

这些资料有用吗？

这份资料由我们和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

大模型全套学习资料已整理打包，有需要的小伙伴可以微信扫描下方CSDN官方认证二维码，免费领取【保证100%免费】