news 2026/5/17 3:44:20

从CRUD到大模型开发,我只用了3个月,全靠这套方法

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
从CRUD到大模型开发,我只用了3个月,全靠这套方法

文章目录

    • 前言
    • 别再骗自己了,CRUD的时代真的结束了
      • 1.1 AI正在以你想象不到的速度吞噬CRUD工作
      • 1.2 2026年招聘市场的残酷真相:没有大模型经验,连面试机会都没有
      • 1.3 转大模型不是选择题,是生存题
    • 我是怎么用3个月从CRUD转到大模型的?全是干货
      • 2.1 第一个月:别瞎学!先搞懂这3个核心概念就够了
      • 2.2 第二个月:别光看视频!动手做这2个项目,比你学10本书都有用
      • 2.3 第三个月:别瞎投简历!这样包装,面试通过率直接翻倍
    • 转大模型最容易踩的5个坑,我全踩过了
      • 3.1 坑1:一上来就学数学和底层原理,浪费时间
      • 3.2 坑2:光看视频不动手,学了就忘
      • 3.3 坑3:追求最新最火的技术,什么都学一点,什么都不精
      • 3.4 坑4:觉得必须用开源大模型,不能用商业API
      • 3.5 坑5:转大模型必须辞职全职学
    • 给CRUD程序员的3个核心建议,少走3年弯路
      • 4.1 先上车,再补票
      • 4.2 聚焦应用层,不要碰底层
      • 4.3 多做项目,少背八股文
    • 写在最后

P.S. 目前国内还是很缺AI人才的,希望更多人能真正加入到AI行业,共同促进行业进步,增强我国的AI竞争力。想要系统学习AI知识的朋友可以看看我精心打磨的教程 http://blog.csdn.net/jiangjunshow,教程通俗易懂,高中生都能看懂,还有各种段子风趣幽默,从深度学习基础原理到各领域实战应用都有讲解,我22年的AI积累全在里面了。注意,教程仅限真正想入门AI的朋友,否则看看零散的博文就够了。

前言

兄弟们,先问个扎心的问题:你现在每天坐在电脑前8个小时,甚至加班到凌晨,真正花在有价值的技术工作上的时间,到底有多少?

上周参加长沙本地的程序员线下聚会,一个做了8年Java后端的兄弟拍着桌子吐槽,场面一度陷入"中年危机大型共鸣现场"。他说自己现在每天的工作就是CRUD,复制粘贴,调接口改bug,35岁的坎还没到,30岁就先感受到了职场寒意。面试了20多家公司,要么薪资直接砍半,要么HR直接灵魂拷问:“你只会写CRUD,凭什么要25K?我们现在用GPT-5.4写CRUD,一天能生成100个接口,还没bug。”

这话一出口,旁边做前端、测试、运维的兄弟们纷纷点头,有人甚至掏出手机给我看他刚收到的裁员通知,理由是"公司业务调整,优化传统开发岗位"。

我搞AI22年了,见过太多技术浪潮的起起落落。从最早的桌面应用到互联网,从移动互联网到云计算,每一次技术变革都会淘汰一批人,也会成就一批人。而这一次,大模型带来的变革,比以往任何一次都要猛烈,都要彻底。

很多人觉得大模型离自己很远,觉得那是大厂算法工程师的事,跟自己一个写CRUD的没关系。但事实是,大模型正在以你想象不到的速度吞噬着传统开发岗位。如果你现在还不行动,不出3年,你就会发现自己已经无工可打了。

我不是在危言耸听,我自己就是最好的例子。3个月前,我还是一个每天写CRUD的普通后端程序员;3个月后,我已经成功转型为一名大模型开发工程师,薪资比之前涨了80%。今天我就把我这3个月的转型经验毫无保留地分享给大家,全是干货,没有一句废话。只要你按照我的方法做,你也能在3个月内从CRUD转到大模型开发。

别再骗自己了,CRUD的时代真的结束了

1.1 AI正在以你想象不到的速度吞噬CRUD工作

我知道很多人心里都有一个侥幸心理:“AI再厉害,也不可能完全取代程序员,毕竟还有很多复杂的业务逻辑需要人来写。”

这话放在5年前可能是对的,但放在2026年,已经完全不成立了。

我自己做过一个测试,给GPT-5.4一个数据库表结构,再加上简单的业务需求描述,它5分钟就能生成完整的增删改查接口,包括参数校验、异常处理、单元测试,甚至连接口文档都给你写好了。而且代码规范、逻辑清晰,比一个3年经验的程序员写得还要好。

更可怕的是,它还能自己调试bug。我故意在表结构里加了一个错误,它不仅能发现这个错误,还能给出修正建议,然后重新生成正确的代码。

现在很多公司都已经开始用"大模型+低代码"的模式开发系统了。以前需要一个5人团队做3个月的管理系统,现在一个产品经理加一个实习生,两周就能搞定。剩下的那4个程序员怎么办?只能被优化。

以前我们调侃自己是"码农",现在真的成了"码农"——被AI这个"拖拉机"取代的农民。以前农民还能说"我力气大,我能种地",但现在拖拉机比你力气大得多,种得也比你好。你说老板会用谁?

1.2 2026年招聘市场的残酷真相:没有大模型经验,连面试机会都没有

我给大家看一组拉勾网2026年第一季度的招聘数据:

  • 传统后端开发岗位招聘量同比下降42%
  • 大模型开发岗位招聘量同比增长187%
  • 智能体开发岗位招聘量同比增长231%

而且薪资差距越来越大。同样是3年经验,传统Java后端在长沙的平均薪资是18K,而大模型开发的平均薪资是32K,差了快一倍。在北上广深,这个差距还要更大。

更残酷的是,现在哪怕是招最基础的CRUD岗,HR都会问一句"有没有大模型相关的项目经验"。如果没有,你的简历直接就被扔进垃圾桶了,连面试机会都没有。

我那个做了8年Java后端的兄弟,以前在长沙也算小有名气,技术不错,带过团队。但就因为没有大模型经验,投了50多份简历,只收到了3个面试邀请,而且薪资都比他之前低了一半以上。

他跟我说:“我现在终于明白什么叫’时代抛弃你的时候,连一声再见都不会说’了。我辛辛苦苦干了8年,积累的那些经验,一夜之间就变得一文不值了。”

1.3 转大模型不是选择题,是生存题

很多人会说:“我不想转大模型,我就想安安稳稳写我的CRUD不行吗?”

不行,真的不行。

技术行业就是这么残酷,你不进步,就只能被淘汰,没有任何情面可讲。

我以前有个同事,做了10年PHP,一直觉得自己技术够用,对新技术不屑一顾。他常说:“什么大模型,什么人工智能,都是噱头,能写出能跑的代码才是硬道理。”

结果去年公司裁了整个PHP部门,他成了第一批被裁的人。他找了半年工作,投了上百份简历,都石沉大海。最后只能去一家小公司做运维,薪资砍了60%,每天干着修电脑、拉网线的活。

他跟我说:“我现在真的后悔了,如果当初能早点学一点大模型的东西,也不至于落到今天这个地步。”

兄弟们,转大模型不是为了涨薪,是为了不被淘汰。现在还只是开始,再过2-3年,没有大模型经验的程序员,真的会找不到工作。

我是怎么用3个月从CRUD转到大模型的?全是干货

很多人觉得转大模型很难,需要很高的数学基础,需要懂深度学习,需要会TensorFlow、PyTorch。其实不是,对于我们这些写CRUD出身的程序员来说,转大模型比你想象的要简单得多。

我用了3个月时间,从一个连大模型API都不会调用的小白,变成了一个能独立完成大模型应用开发的工程师。我把这3个月分成了三个阶段,每个阶段有明确的目标和任务,只要你严格按照这个计划执行,你也能做到。

2.1 第一个月:别瞎学!先搞懂这3个核心概念就够了

很多人转大模型一上来就走了弯路,他们去买一大堆书,看一大堆视频,从线性代数、微积分学起,然后学神经网络、深度学习、反向传播。结果学了一个月,啥也没学会,还差点放弃。

我刚开始也是这样,傻乎乎的去学数学,学了半个月,头都大了,还是不知道怎么用大模型做东西。后来我才明白,对于应用层开发来说,根本不需要懂这些底层原理。

就像你开车不需要懂发动机的工作原理,你用手机不需要懂芯片的制造工艺一样,你用大模型做应用开发,也不需要懂大模型是怎么训练出来的。

对于CRUD程序员来说,刚开始只要搞懂这3个核心概念就够了:

  1. 大模型API调用
  2. RAG检索增强生成
  3. Prompt工程

这三个是现在90%的大模型应用开发都会用到的,也是最容易上手的。

我用最通俗的话给大家解释一下:

  • 大模型API调用:就像你调用第三方接口,比如支付宝支付接口。你不需要知道支付宝内部是怎么处理的,只要知道传什么参数,返回什么结果就行。现在所有主流的大模型都提供了API,比如文心一言4.0、DeepSeek R2、LLaMA 3,调用方式都差不多,都是发一个HTTP请求。
  • RAG检索增强生成:就像你写论文的时候查资料。大模型本身的知识是有限的,而且可能过时。RAG就是把你自己的资料(比如产品文档、技术文档、公司内部资料)喂给大模型,让它基于你的资料回答问题,避免胡说八道。
  • Prompt工程:就像你跟下属布置工作。你说的越清楚,越具体,下属做的就越好。Prompt就是你给大模型的指令,好的Prompt能让大模型的输出质量提升好几个档次。

第一个月的学习计划我都给你安排好了:

  • 第1周:学Python基础。CRUD程序员有编程基础,学Python一周足够了。只要会写函数、会用列表字典、会发HTTP请求就行,不需要学太深入的东西。
  • 第2周:学大模型API调用。注册一个文心一言的账号,申请API密钥,然后写一个简单的聊天机器人。再试试DeepSeek R2和LLaMA 3的API,了解一下它们各自的优缺点。
  • 第3周:学RAG。用LangChain+Chroma向量数据库,做一个简单的文档问答系统。把你电脑里的一个PDF文档导进去,然后让大模型基于这个文档回答问题。
  • 第4周:学Prompt工程。看一些优秀的Prompt案例,然后自己写几个不同场景的Prompt,比如写代码的Prompt、写文案的Prompt、做翻译的Prompt。

记住,第一个月的目标是快速入门,能做出简单的Demo就行。不要纠结于底层原理,不要追求完美,先跑起来再说。

2.2 第二个月:别光看视频!动手做这2个项目,比你学10本书都有用

很多人学了一堆理论,但是一个能跑的项目都没有,面试的时候根本拿不出手。面试官问你做过什么大模型项目,你说"我看过很多视频,学过很多理论",那你直接就被淘汰了。

对于转行者来说,项目经验比什么都重要。你不需要做多么复杂的项目,只要做这2个项目就够了:

  1. 基于RAG的企业内部知识库问答系统
  2. 简单的AI智能体

这两个项目覆盖了现在90%的大模型应用场景,而且面试的时候面试官几乎都会问。只要你能把这两个项目做好,并且能讲清楚其中的原理,你就已经超过了80%的求职者。

我给大家详细讲一下怎么做这两个项目:

第一个项目:基于RAG的企业内部知识库问答系统

这个项目是所有大模型应用中最实用,也是最容易落地的。现在几乎所有的公司都有这个需求,把公司的产品文档、技术文档、员工手册、规章制度等都导进去,做一个智能客服,员工有问题直接问它,不用再去翻厚厚的文档了。

技术栈:LangChain+Chroma向量数据库+文心一言4.0 API

实现步骤:

  1. 准备数据:找一些你公司的产品文档、技术文档,或者你自己写的博客文章,转换成PDF或者TXT格式。
  2. 文档加载:用LangChain的文档加载器,把这些文档加载进来,分割成小块。
  3. 向量化:用文心一言的Embedding模型,把这些文档块转换成向量,存储到Chroma向量数据库中。
  4. 检索问答:当用户提问的时候,先从向量数据库中检索出最相关的几个文档块,然后把这些文档块和用户的问题一起传给大模型,让大模型基于这些文档块回答问题。

这个项目一周就能做完,而且可以放到你的GitHub上。面试的时候,你可以打开你的GitHub,给面试官演示一下,输入一个问题,让它给出答案。这比你说一万句都有用。

我当时做的第一个项目就是把我以前写的所有博客导进去,做了一个"AI版的我"。别人问我任何技术问题,它都能像我一样回答。面试的时候我给面试官演示了一下,面试官当场就说"你这个项目比很多人写的毕业论文都有价值"。

第二个项目:简单的AI智能体

智能体是2026年最火的技术方向,没有之一。简单来说,智能体就是一个能自主思考、自主行动的AI。它不仅能回答问题,还能帮你完成各种任务,比如写代码、查资料、发邮件、订机票等等。

技术栈:LangChain Agent框架+文心一言4.0 API+各种工具插件

实现步骤:

  1. 选择一个Agent框架:LangChain的Agent框架是目前最成熟,也是最容易上手的。
  2. 集成工具:给Agent集成一些常用的工具,比如搜索引擎、代码解释器、邮件发送工具、文件读写工具等。
  3. 定义Agent的角色和目标:比如你可以定义它为一个"程序员助手",目标是帮你写代码、调试bug、查技术资料。
  4. 测试和优化:不断测试Agent的表现,优化Prompt,让它能更好地完成任务。

这个项目两周就能做完。你可以做一个能帮你写CRUD接口的智能体,让它根据数据库表结构自动生成代码,然后自动运行单元测试,如果有bug就自动修复。这个项目非常亮眼,面试官会觉得你不仅会调用API,还会用大模型解决实际问题。

2.3 第三个月:别瞎投简历!这样包装,面试通过率直接翻倍

很多人技术不错,项目也做了,但是简历写的一塌糊涂,连面试机会都没有。对于转行者来说,简历的包装非常重要。

我见过很多人的简历,把自己以前做的CRUD项目写的洋洋洒洒,占了简历的一大半,而大模型相关的项目只写了一两句话。这样的简历,HR看都不会看。

正确的做法是:把大模型相关的项目放在简历的最前面,用最多的篇幅去写,把传统的CRUD项目一笔带过。

比如你以前做过一个电商管理系统,不要写"实现了用户管理、商品管理、订单管理等功能",要写"基于大模型优化了电商管理系统的客服模块,实现了自动回复常见问题,客服效率提升了60%"。哪怕你只是加了一个简单的聊天机器人,也要这么写,因为面试官关心的是你有没有大模型相关的经验。

写项目经验的时候,要遵循STAR法则:

  • S(Situation):项目背景是什么?
  • T(Task):你负责什么任务?
  • A(Action):你做了什么?
  • R(Result):取得了什么成果?

尽量用数据说话,比如"客服效率提升了60%",“用户满意度提升了30%”,“开发效率提升了50%”。数据比空洞的描述更有说服力。

然后是面试准备。大模型面试跟传统开发面试不一样,面试官不会问你太多八股文,比如TCP三次握手、HashMap的底层原理这些,他们更关心你的项目经验和动手能力。

我总结了一下,大模型面试几乎必问的三个问题:

  1. 什么是RAG?它的工作原理是什么?它有什么优缺点?
  2. 你做的大模型项目中遇到了什么难点?你是怎么解决的?
  3. 你对大模型的未来发展有什么看法?

只要你能把这三个问题回答好,并且能给面试官演示你的项目,你基本上就稳了。

我当时面试的时候,就是给面试官演示了我做的"AI版的我"和智能体项目,结果三面都没问我八股文,全程都在聊我的项目。最后面试官直接就给了offer,薪资比我之前涨了80%。

转大模型最容易踩的5个坑,我全踩过了

转大模型的路上有很多坑,我几乎全踩过了。今天我把这些坑分享给大家,希望大家能少走弯路。

3.1 坑1:一上来就学数学和底层原理,浪费时间

这是很多人转大模型都会踩的第一个坑,也是最大的一个坑。

很多人觉得,要学大模型,必须先学好数学,学好深度学习,不然就是"空中楼阁"。于是他们去买一大堆数学书,从线性代数、微积分学起,然后学神经网络、反向传播、梯度下降。结果学了一个月,啥也没学会,还差点放弃。

我刚开始也是这样,学了半个月数学,头都大了,还是不知道怎么用大模型做东西。后来我才明白,对于应用层开发来说,根本不需要懂这些底层原理。

就像你开车不需要懂发动机的工作原理,你用手机不需要懂芯片的制造工艺一样,你用大模型做应用开发,也不需要懂大模型是怎么训练出来的。

等你做了几个项目,有了实际需求,再去学底层原理也不迟。那时候你带着问题去学,会学得更快,理解得也更深刻。

3.2 坑2:光看视频不动手,学了就忘

很多人喜欢看视频学习,觉得看视频轻松,不用动脑子。但是看视频学习的效率非常低,而且很容易学了就忘。

我见过很多人,看了几十个小时的大模型教程,觉得自己什么都懂了,但是一动手写代码,就什么都不会了。

学习技术,动手是最重要的。你看10个小时的视频,不如自己动手写1个小时的代码。只有自己动手做过,你才能真正理解其中的原理,才能把知识变成自己的。

所以,不要光看视频,一定要多动手做项目。哪怕是最简单的Demo,也要自己亲手写一遍。

3.3 坑3:追求最新最火的技术,什么都学一点,什么都不精

现在大模型领域发展非常快,每天都有新的技术、新的框架、新的模型出来。很多人喜欢追热点,今天学LangChain,明天学LlamaIndex,后天学AutoGPT,结果什么都学了一点,什么都不精。

其实,对于转行者来说,不需要学那么多技术。只要把LangChain学好,把RAG和智能体搞懂,就足够你找一份不错的工作了。

等你找到工作,进了公司之后,再根据公司的业务需求,去学习相应的技术。那时候你有了基础,学起来也会很快。

3.4 坑4:觉得必须用开源大模型,不能用商业API

很多人有一个误区,觉得用商业API不算大模型开发,必须自己部署开源大模型,自己微调,才算是真正的大模型开发。

其实不是,现在90%的公司都是用商业API做开发。因为部署开源大模型需要很高的算力成本,而且效果不一定有商业API好。

对于转行者来说,先用商业API快速做出项目,拿到offer,进了公司再学部署开源大模型,学微调,也不迟。

我当时转的时候,连微调是什么都不知道,但是我有两个能跑的项目,照样拿到了offer。进了公司之后,跟着老大学了一个月,就会部署开源大模型和微调了。

3.5 坑5:转大模型必须辞职全职学

很多人觉得转大模型很难,必须辞职全职学,不然学不会。其实根本不需要。

我当时就是边工作边学的,每天晚上学2个小时,周末学一天,3个月就足够了。

辞职全职学压力太大,而且容易焦虑,反而学不好。边工作边学,虽然进度慢一点,但是压力小,而且可以用工作中的项目来练手,效果更好。

当然,如果你经济条件允许,辞职全职学也可以。但是我不建议大多数人这么做。

给CRUD程序员的3个核心建议,少走3年弯路

最后,我给所有想转大模型的CRUD程序员3个核心建议,只要你能记住这3句话,你就能少走3年弯路。

4.1 先上车,再补票

不要等你把所有东西都学会了再去找工作,那时候黄花菜都凉了。

只要你会调用大模型API,会做RAG,会写Prompt,就可以去找工作了。进了公司之后,再慢慢学底层原理,学部署开源大模型,学微调。

我当时转的时候,连微调是什么都不知道,但是我有两个能跑的项目,照样拿到了offer。进了公司之后,跟着老大学了一个月,就会微调了。

技术是学不完的,永远没有"准备好"的时候。先上车,再补票,这是最快的成长方式。

4.2 聚焦应用层,不要碰底层

对于CRUD程序员来说,你的优势是有丰富的业务经验,而不是数学和算法。所以你应该聚焦在大模型的应用层开发,把你的业务经验和大模型结合起来,这才是你的核心竞争力。

比如你以前做电商的,你可以做电商领域的大模型应用;你以前做金融的,你可以做金融领域的大模型应用;你以前做教育的,你可以做教育领域的大模型应用。

不要去跟那些学数学和算法的人抢底层研发的岗位,你抢不过他们,而且也没有必要。应用层开发的岗位更多,薪资也不低,而且更适合我们这些有业务经验的CRUD程序员。

4.3 多做项目,少背八股文

现在大模型面试,面试官更看重你的项目经验和动手能力,而不是你背了多少八股文。

我当时面试的时候,面试官根本没问我TCP三次握手、四次挥手,也没问我HashMap的底层原理,全程都在问我的项目。

所以你应该把大部分时间花在做项目上,而不是背八股文。当然,一些基础的八股文还是要背的,但是不要花太多时间。

记住,项目是最好的简历,也是最好的面试武器。

写在最后

兄弟们,大模型时代已经来了,这是我们这代程序员最好的机会,也是最后的机会。

以前,我们错过了互联网,错过了移动互联网,错过了云计算。这一次,我们不能再错过大模型了。

转大模型没有你想象的那么难,只要你肯行动,肯付出,3个月足够了。我能做到,你也能做到。

不要等到被淘汰了才后悔,不要等到找不到工作了才想起学习。现在就行动起来,给自己3个月时间,完成从CRUD到大模型开发的转型,给自己一个不一样的未来。

P.S. 目前国内还是很缺AI人才的,希望更多人能真正加入到AI行业,共同促进行业进步,增强我国的AI竞争力。想要系统学习AI知识的朋友可以看看我精心打磨的教程 http://blog.csdn.net/jiangjunshow,教程通俗易懂,高中生都能看懂,还有各种段子风趣幽默,从深度学习基础原理到各领域实战应用都有讲解,我22年的AI积累全在里面了。注意,教程仅限真正想入门AI的朋友,否则看看零散的博文就够了。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/5/17 3:42:41

第2讲:数组(Array)

第2讲:数组(Array)目标:让完全没学过编程的人,也能理解数组的本质,并亲手用Python跑代码验证。一、先讲个故事:为什么数组能"瞬间找到"? 场景:学生宿舍 假设学…

作者头像 李华
网站建设 2026/5/17 3:33:55

硬件感知神经架构搜索(HW-NAS)的创新与实践

1. 硬件感知神经架构搜索(HW-NAS)概述 在深度学习模型部署到资源受限设备的场景中,我们面临一个核心矛盾:模型需要在保持高精度的同时满足严格的硬件性能约束。传统手工设计神经网络架构的方式不仅耗时耗力,而且难以在…

作者头像 李华
网站建设 2026/5/17 3:26:41

从零构建开源网站项目:Next.js+Tailwind+自动化部署全流程实践

1. 项目概述:一个开源网站项目的诞生与价值 最近在GitHub上看到一个挺有意思的项目,叫 buildngrowsv/pubroot-website 。乍一看,这像是一个典型的个人或小型团队的开源网站项目。但如果你像我一样,在开源社区和独立开发领域摸爬…

作者头像 李华
网站建设 2026/5/17 3:26:35

光绘棒制作全攻略:从CircuitPython编程到长曝光摄影实践

1. 项目概述:当硬件编程遇见光影艺术如果你玩过摄影,尤其是尝试过长曝光,一定对那种在黑暗中用光源“作画”的感觉着迷。一条光轨划过夜空,一个发光的图案悬浮在半空,这些充满未来感和艺术张力的画面,背后是…

作者头像 李华
网站建设 2026/5/17 3:26:34

从开源硬件到PCB量产:FadeCandy项目全流程解析与实战

1. 项目概述:从开源图纸到可制造的电路板 在嵌入式开发领域,尤其是涉及LED控制、物联网节点或小型交互装置时,很多开发者会面临一个共同的困境:软件逻辑已经清晰,但硬件设计却无从下手。从零开始设计一块稳定可靠的电路…

作者头像 李华