干了十二年大模型这行，见过太多老板在招聘上栽跟头，也见过太多年轻人被画的大饼噎死。今天我不讲那些虚头巴脑的技术架构，就聊聊最现实的问题：怎么招对人，怎么避坑。

说实话，现在市面上所谓的ai大模型公司招聘，水太深了。

上周有个老朋友找我喝酒，哭得像个孩子。他是个技术总监，花重金挖了个“算法专家”，结果入职一个月，连个像样的Prompt都没调通，天天在那吹嘘自己的模型参数有多少亿，实际上连数据清洗都搞不明白。这种人在招聘市场上太多了，简历写得花里胡哨，面试时口若悬河，一干活就露馅。

我常说，招AI人才，别光看学历，别光看大厂光环。你要看的是他到底解决过什么问题。

记得去年我们团队招一个负责RAG（检索增强生成）优化的工程师。面试的时候，我没问那些复杂的数学公式，直接让他现场写一段代码，处理一个脏数据源。那个候选人二话不说，拿起笔就在白板上画起了数据流向图，一边画一边说：“这里会有噪声，得先做去重，然后还要考虑向量数据库的索引效率……”

那一刻我就知道，这人能处。因为他眼里有活儿，心里有数。而不是像有些人，满嘴都是Transformer架构，却连基本的SQL都不会写。

现在的ai大模型公司招聘，很多老板陷入了一个误区，就是盲目追求“全栈”。既要懂底层模型训练，又要懂上层应用开发，还要懂产品运营。这种人才存在吗？存在，但那是百万年薪起步的大佬，你给得起吗？

如果你是个中小型的创业公司，或者传统企业转型做AI，我建议你把岗位拆细。

比如，你需要的是一个能落地应用的工程师，而不是一个搞底层预训练的科学家。前者更看重工程能力、数据处理能力和对业务场景的理解；后者更看重科研能力和数学功底。把这两个需求混在一起招，最后往往两头不讨好。

我也见过一些老板，为了省成本，让现有的开发人员转行做AI。这没问题，但前提是你要给他们时间，给资源，给试错的空间。别指望一个写了十年Java的老哥，换个Python环境就能立马调通LLM。这需要过程，需要耐心。

还有，关于薪资。别太抠门。AI人才的市场价就在那摆着，你给少了，人家根本看不上；你给多了，又怕养不起。我的建议是，看潜力，看匹配度。有些年轻人虽然经验不足，但对新技术有极强的好奇心和学习能力，这种人要大胆用。毕竟，技术迭代太快了，昨天的经验明天可能就过时了。

最后，我想提醒各位老板，招聘不是终点，而是起点。招进来之后，怎么留住人，怎么让他们发挥价值，这才是考验管理能力的地方。别把人当工具人，要当合作伙伴。

如果你正在为招不到合适的大模型人才而头疼，或者不确定自己的岗位描述是否合理，欢迎来聊聊。我不一定能帮你直接招到人，但我能帮你理清思路，避免你在错误的方向上浪费时间和金钱。

毕竟，这行水太深，一个人摸索太累，有人指点一下，能少踩很多坑。

本文关键词：ai大模型公司招聘