作者分享从Java开发到AI全栈工程师的职业成长历程，强调AI带来的更多可能性而非新岗位。文章探讨AI全栈、Agent工程师、FDE前沿部署工程师等岗位的实际工作内容，建议传统开发应注重能力提升而非纠结岗位名称，通过实践项目如AI产品开发、Agent自动化等来拓展职业边界。同时，作者提倡持续学习与分享，以自媒体助力职业发展。AI转型关键在于利用已有经验，在原有基础上不断延伸技能树，而非割裂旧有职业背景。
现在，我越来越难用一个岗位名介绍自己
七年前，如果有人问我是做什么的，我一句话就能答完。
Java 开发。
现在再问，我反而要停一下。
这些年，我从 Java 开发做到全栈，又走到现在的 AI 全栈。工作里不只要做前后端和部署，也会把大模型、RAG、Agent 接进真实流程。工作之外，我甚至还做起了自媒体。
这几件事看起来有点散，回头看却长在同一条线上。我没有推翻过去，只是不断把自己能负责的范围往外推。
AI 给我最大的改变，不是一个新岗位，而是更多可能。
前段时间，我又打开招聘软件，推荐页里正好冒出三个名字。AI 全栈工程师、AI Agent 工程师、FDE 前沿部署工程师。
岗位页示意图，不对应具体公司和薪资
现在再看这些名字，我发现其中不少工作，自己其实已经在做了。
所以这篇文章，我想聊两件很具体的事。AI 到底把我的职业路径改成了什么样，以及同样从传统开发走过来的人，该怎么规划自己的下一步。
回头看自己的这几年
我不是转行，只是一直多走了一步
刚做 Java 开发时，我只管后端业务、接口和数据库。后来做全栈，也不是提前规划好的。只是项目往前走时，前端要接、部署要管、线上问题也得自己查。做着做着，我就从写一段代码，变成了从需求一直管到上线。
AI 出现后，这条线又长了一截。我会用 Codex 写代码、查问题，一个人能接住更多工作。产品也变了，我开始对接大模型，把 RAG 和 Agent 做进系统，再处理评测、权限和失败恢复。
自媒体也是这条变化里长出来的。持续写文章，逼着我把做过的东西重新想明白，也多了一条展示能力和接触真实需求的通道。以前职业路径像一条线，现在更像一棵树，技术还是根，产品、Agent、自媒体和客户交付，都可以从这套根上继续长。
再看这三个岗位
真实工作里的边界，没有招聘页那么整齐
我做过一阵子面试官，也长期在小团队里负责完整交付。小公司通常没条件把每一层都拆成岗位，它更关心谁能把产品真正做出来。
AI 全栈，是一个更大的口袋
我理解的 AI 全栈有两层 AI。一层是用 Codex 开发软件，另一层是开发真正带 AI 能力的产品。在小公司里，前后端、数据、权限和部署要管，大模型与 RAG 要接，产品需要 Agent，也得自己把工具调用、状态、评测和兜底补起来。
所以我做 AI 全栈，并不只做产品外壳，很多 Agent 工程工作也在做。对独立交付能力强的 Java 后端或传统全栈来说，这通常是最顺的转型路线。
Agent 工程师，是往一个难点里继续钻
当产品不只回答问题，还要替人创建任务、查数据、调用系统，Agent 工程就出现了。它更专注工具、状态、工作流、权限、重试、幂等、Trace 和评测。能不能连续跑稳，失败后能不能恢复，才是这类工作的分水岭。
业务复杂后，公司可能把它单独拆成岗位。但在小团队里，它经常就是 AI 全栈的一部分。喜欢后端、自动化和排障的人，更适合往这里深入。
FDE，是一条更专注的客户交付路线
FDE 是 Forward Deployed Engineer，中文更多叫前沿部署工程师。它跟过去的产品售前和项目实施有些像，都要靠近客户、理解问题、做方案、推落地。差别是，FDE 自己还要能写原型、对接大模型、接客户系统，一路管到生产采用。
它更适合做过复杂交付、解决方案、产品售前或项目实施的人。如果同时能写代码，又愿意面对模糊需求和客户现场，这些过去看起来不够纯技术的经历，反而会变成优势。
如果你也是传统开发
职业规划不用从选岗位名开始
岗位会重叠，公司也会变。真正能带走的是已有的底子，以及下一步准备补哪块能力。
Java 后端可以先在熟悉的技术栈里用 Codex 提效，再做一个完整 AI 产品。别只停在聊天页面，把登录、数据、RAG、评测和部署一起跑通，这已经在靠近 AI 全栈。
更喜欢工作流和自动化，就从现有业务里挑一个真实动作，让 Agent 调用真实工具，再补状态、权限、失败恢复和评测。这样做出来的项目，比简历上写熟悉某个框架更有说服力。
做过产品售前、实施、解决方案或复杂交付，也不用觉得自己技术不够纯。FDE 正需要既能听懂客户，又能把东西做出来的人。要补的是代码能力和大模型落地经验。
职业规划不是挑一个最响的岗位名，而是决定下一段责任边界往哪里长。
回到我自己，我不会在 AI 全栈和 Agent 之间二选一。AI 全栈是主线，Agent 是正在加深的能力，在小公司里它们本来就高度重叠。
FDE 更专注，也更靠近客户交付，可以是以后的一条分支。自媒体我也会继续做，它逼着我持续学习和表达，还让技术之外的机会有地方找到我。这些都是 AI 带来的可能性。
现在再让我介绍自己，我可能还是会先说，我是一个 Java 出身的开发。
Java 是根，全栈是往外长的树干，AI 全栈、Agent 和自媒体是后来长出来的枝条。FDE 则是其中一条更靠近客户的方向。
AI 没有让我离开过去，反而让七年的经验有机会组合出更多东西。这就是我理解的转型，不是删掉旧职业，而是在原来的根上继续长。
如何学习大模型 AI ？
由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。
但是具体到个人，只能说是：
“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。
这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。
我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。
我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
为什么要学习大模型？
我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年，人才缺口已超百万，凸显培养不足。随着AI技术飞速发展，预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。
大模型入门到实战全套学习大礼包
1、大模型系统化学习路线
作为学习AI大模型技术的新手，方向至关重要。 正确的学习路线可以为你节省时间，少走弯路；方向不对，努力白费。这里我给大家准备了一份最科学最系统的学习成长路线图和学习规划，带你从零基础入门到精通！
2、大模型学习书籍&文档
学习AI大模型离不开书籍文档，我精选了一系列大模型技术的书籍和学习文档（电子版），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。
3、AI大模型最新行业报告
2025最新行业报告，针对不同行业的现状、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。
4、大模型项目实战&配套源码
学以致用，在项目实战中检验和巩固你所学到的知识，同时为你找工作就业和职业发展打下坚实的基础。
5、大模型大厂面试真题
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，我精心整理了一份大模型面试题库，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。
适用人群
第一阶段（10天）：初阶应用
该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。
- 大模型 AI 能干什么？
- 大模型是怎样获得「智能」的？
- 用好 AI 的核心心法
- 大模型应用业务架构
- 大模型应用技术架构
- 代码示例：向 GPT-3.5 灌入新知识
- 提示工程的意义和核心思想
- Prompt 典型构成
- 指令调优方法论
- 思维链和思维树
- Prompt 攻击和防范
- …
第二阶段（30天）：高阶应用
该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。
- 为什么要做 RAG
- 搭建一个简单的 ChatPDF
- 检索的基础概念
- 什么是向量表示（Embeddings）
- 向量数据库与向量检索
- 基于向量检索的 RAG
- 搭建 RAG 系统的扩展知识
- 混合检索与 RAG-Fusion 简介
- 向量模型本地部署
- …
第三阶段（30天）：模型训练
恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。
到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？
- 为什么要做 RAG
- 什么是模型
- 什么是模型训练
- 求解器 & 损失函数简介
- 小实验2：手写一个简单的神经网络并训练它
- 什么是训练/预训练/微调/轻量化微调
- Transformer结构简介
- 轻量化微调
- 实验数据集的构建
- …
第四阶段（20天）：商业闭环
对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。
- 硬件选型
- 带你了解全球大模型
- 使用国产大模型服务
- 搭建 OpenAI 代理
- 热身：基于阿里云 PAI 部署 Stable Diffusion
- 在本地计算机运行大模型
- 大模型的私有化部署
- 基于 vLLM 部署大模型
- 案例：如何优雅地在阿里云私有部署开源大模型
- 部署一套开源 LLM 项目
- 内容安全
- 互联网信息服务算法备案
- …
学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。
如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。