硕士毕业以后，我第一次觉得，原来“找工作”真的会让人有压力。
以前在学校的时候，总觉得毕业是一件很自然的事情。读完硕士，拿到学位，然后找一份和专业相关的工作，好像人生就应该顺着这个节奏往下走。
可真正毕业之后，我才发现，事情并没有那么简单。
我的硕士专业是计算机技术，会Python，也接触过一些大模型相关的内容。
从专业上来说，我并不算完全的AI小白。
之前也了解过一些大模型，知道现在行业里都在关注什么，也会自己去看一些相关资料。
但真正开始找工作以后，我才发现，“了解一点”和“能够拿它找工作”，完全是两回事。
投简历、看招聘信息、参加面试，这些事情不断重复的时候，我越来越明显地感觉到，现在企业对于计算机相关岗位的要求正在发生变化。
以前很多岗位更看重传统开发能力，现在越来越多招聘信息开始出现大模型、AI应用、Agent、RAG等关键词。
看到这些要求的时候，我其实会有一点着急。
不是因为我完全不会，而是因为我知道自己目前的能力还没有真正形成竞争力。
我会Python，也有计算机技术的专业背景，但如果面试官真的问我大模型项目怎么做、为什么这么设计、如何解决实际业务问题，我不一定能够回答得足够好。
这也是我毕业后一直在想的一件事：
我到底应该继续按照原来的方向找工作，还是趁现在重新补一补AI，把自己的能力往新的方向靠一靠？
其实这两个选择，我犹豫了挺久。
毕竟已经读完硕士了，再重新投入时间学习，意味着又要花不少精力。
而且对于现在的我来说，最现实的问题就是就业。
我不想一直待业下去。
所以后来我越来越确定，与其每天重复刷招聘网站、投简历，不如先把自己真正欠缺的能力补起来。
至少等下一次机会来的时候，我希望自己能够准备得更充分一点。
也是在这个过程中，我开始系统了解大模型。
我之前也在网上看过不少资料，尤其是B站上有很多相关内容。
但看得越多，我越发现一个问题：资料很多，真正适合自己学习的路径却不一定好找。
今天看一个Python项目，明天研究一个大模型工具，后天又看到别人讲RAG和Agent。
每个东西都觉得有用，可如果没有一条完整的路线，很容易学了很多，却始终不知道自己到底掌握到了什么程度。
后来我了解到小灰熊AI（他们的后端是智泊AI）。
一开始我也没有马上报名，而是和老师聊了比较长时间。
因为我现在的目标很明确，就是就业。
我希望学习的东西最后能够落到实际项目上，而不是只停留在知道几个概念。
所以我比较关注课程到底怎么安排、从哪里开始、后面能够做到什么程度。
了解下来之后，我觉得这种从基础到项目实践的学习方式比较符合我现在的情况。
虽然我对大模型已经有一些了解，但以前的学习比较零散。
现在更希望借着这次机会，把这些零散的知识重新串起来。
报名的时候其实也有过纠结。
因为我现在还没有工作，预算确实比较有限。
为了报名这件事，我和老师前前后后沟通了挺长时间，也认真算过这笔钱到底值不值得花。
甚至当时我还在考虑另一个平台。
最后还是决定选择小灰熊AI。
不是因为我觉得报完名就一定能马上找到工作，而是因为我越来越觉得，现在真正缺的不是再多投几份简历，而是让自己拥有更多可以拿出来证明自己的东西。
我希望通过这段学习，把大模型基础重新梳理一遍，再真正做一些项目。
以后面试的时候，至少不再只是告诉别人“我了解大模型”，而是能够具体讲清楚自己做过什么、为什么这么做，以及遇到问题的时候是怎么解决的。
现在回头看，26岁硕士毕业却还没有找到工作，确实会焦虑。
尤其是看到身边有人已经开始工作，有人已经确定了未来方向，自己却还在寻找机会的时候，很容易怀疑是不是走慢了。
但我也慢慢想明白了。
现在的待业并不代表未来也会一直这样。
如果暂时没有找到合适的工作，那就利用这段时间把自己重新整理一下。
我不想只是焦虑地等机会。
我更希望下一次机会出现的时候，自己已经准备好了。
所以现在对我来说，学习AI并不是单纯为了追一个热门方向。
更现实一点，是希望给自己的就业增加一张新的牌。
我不知道学完之后最终会走到哪一步，也不知道自己能不能马上进入理想的AI岗位。
但至少，我已经开始行动了。
硕士毕业不是终点，待业也不是。
如果过去的经历还不足以让我找到满意的工作，那我就再给自己增加一点新的能力。
这次，我想认真试一试。
热门跟贴