今天写下这些文字的时候，刚好是我入职一周年。回头看这一年的跌跌撞撞，我想把最真实的经历和体会分享出来，给那些跟我当初一样迷茫的职场新人。
第一章：“代码跑不通”的第一个月
入职第一天，mentor丢给我一个项目：复现一个baseline模型，跑通训练流程。
我信心满满地git clone，装依赖，然后——
`ImportError: No module named ‘torch’`
装完torch，又有新报错：
`CUDA out of memory`
好，调小batch size。然后：
`KeyError: ‘labels’`
看了一个小时才发现是数据集的字段名拼错了。
就这么折腾了整整三天，那个训练脚本才终于动了起来。但当loss开始下降的时候，我激动得差点从椅子上跳起来。
现在想想，那只是一个别人写好的现成模型，我什么都没做，只是“让它能跑起来”而已。
但那一刻的成就感，是真的。
第一个月我基本就是在“跑不通—搜报错—改配置—再跑不通”的循环里度过的。现在回头看，那段看似低效的挣扎，其实帮我打下了两个最基础的习惯：会看报错信息、会拆解问题。
第二章：从“能跑”到“懂为什么能跑”
大概第二个月开始，我意识到一个问题：我的模型虽然能跑了，但我对里面的东西一知半解。
为什么这里要用CrossEntropyLoss而不是MSELoss？为什么学习率设成1e-5而不是1e-3？为什么这个模型结构用三层而不是五层？
mentor跟我说了一句话，我记到现在：
> “你能跑通模型，只能说明你运气好或者抄对了。你能讲清楚为什么这么设，才说明你懂了。”
于是我开始系统性地补课。
那时候我找到了CAIE注册人工智能工程师认证。说实话，一开始我并没有打算考证，但它的Level II大纲吸引了我——企业数智化、基础算法、大模型技术、工程实践……这不就是我工作中天天接触到的东西吗？
我把大纲打印出来贴在工位旁边，按照它列的知识点一个一个啃：
- 算法模块：从BP神经网络到CNN到Transformer，把大学里没学透的东西重新过了一遍
- 大模型基础：搞懂Self-Attention、位置编码、预训练和微调的区别
- 工程实践：学RAG的基本原理、Agent的架构设计、模型部署的常见方案
每天晚上下班后，我会花1-2小时看论文解读、看技术博客、看开源项目的代码。周末就自己搭一些小demo——一个简单的RAG问答系统、一个基于LangChain的Agent。
这个阶段大概持续了三个月。最大的变化是：我再看到一个新的模型结构，不会发怵了。我知道该从哪里去理解它，该关注哪些关键点。
第三章：第一个“自己的模型”
入职第五个月，mentor给了我一个相对独立的任务：为一个垂直领域的文本分类任务，微调一个轻量级的BERT模型。
这次不是跑别人的baseline，是要我自己从数据处理、模型选型、训练调参到评估上线，全流程走一遍。
说实话，压力挺大的。
那两周我几乎每天都是最后一个离开公司的。遇到过数据不平衡的问题、遇到过过拟合的问题、遇到过训练到一半loss变成NaN的问题——每一个坑都让我焦头烂额。
但神奇的是，因为前面的基础打得还算扎实，每个问题我大概都知道该往哪个方向去搜、去试。
- 数据不平衡 → 试了过采样和focal loss
- 过拟合 → 加了dropout和early stopping
- loss变成NaN → 检查发现学习率太高，梯度爆炸了
最后模型上线的时候，准确率比预期还高了两个点。
那天我发了一条仅自己可见的朋友圈：“第一个自己从头搞定的模型，虽然很小，但它是我的。”
第四章：考证——不是为了那张纸
入职第八个月，我决定考CAIE Level II。
很多人问我：你有工作经验了，还考证干嘛？
我的理由其实很简单：我想验证一下，我过去几个月学的东西，到底是不是一个“完整的体系”。
自学的最大问题是容易有盲区。你可能每天都在解决具体的问题，但那些问题之外的知识——比如企业数智化转型的整体逻辑、数智产品的设计思维——你可能从来没接触过。
CAIE认证的考试大纲就像一个“能力体检表”。我对照着它，发现自己有两个短板：
- 企业数智化产品那块：平时只关注技术，对产品思维、需求文档这些东西完全不熟
- 算法的理论基础：会用PyTorch搭模型，但手推反向传播还是有些含糊
于是花了大概六周时间专门补这两个模块。每天通勤路上听产品相关的课程，周末抽时间推导公式、做笔记。
考试那天，90分钟做了80道题。出来的时候心里没底，因为有些题考的是“不同场景下该选什么方案”——这种题没有标准答案，全看你对业务和技术的综合理解。
成绩出来是B，通过了。
拿到电子证书的那一刻，说实话，并没有想象中那种“人生开挂”的感觉。但回头看，备考的过程本身比证书更有价值——它把我过去大半年学到的东西串成了一条线，让我看清了自己能力的边界在哪里。
第五章：一年后的今天
入职一周年，我已经能独立负责一个中等规模的模型项目了。
从之前代码都跑不通，到现在能独立完成数据处理、模型训练、调优、部署的全流程。这个进步说快不快，说慢也不慢。
但如果让我总结这一年做对了什么，大概有三点：
1. 不放过每一个报错
以前遇到报错就慌，现在遇到报错会兴奋——因为这说明又遇到了一个新问题，解决了就能进步一点。把每个报错的原因和解决方案记下来，时间长了就是一本自己的“踩坑笔记”。
2. 用体系化的框架来学习，而不是东一榔头西一棒子
我见过很多新人，今天学Prompt，明天学RAG，后天又去看Transformer论文。不是不好，但容易散。
我的做法是找一个成熟的体系作为“骨架”——比如CAIE认证的大纲，或者某个名校的课程大纲——然后按图索骥地往里填东西。这样学到的知识是结构化的，不是碎片化的。
3. 动手，动手，再动手
看十篇教程不如自己写一段代码。搭一个简陋但能跑的demo，比啃三本理论书更能帮你理解问题。
最后想说的话
如果你现在也在职场第一年，也在为“代码跑不通”而崩溃，我想跟你说：
别急，大家都这样过来的。
第一年的目标不是成为专家，而是建立起一个能用的、不太有漏洞的“能力框架”。知道有哪些东西需要学，知道遇到问题该往哪个方向找答案，就及格了。
至于考证、拿证书这些东西，它们是手段，不是目的。真正让你走远的，是你每天解决的那一个个具体的问题，是你从崩溃到爬起来的过程。
希望你也能在一年后，回头看时，发现自己已经走了很远。
共勉。
热门跟贴