「AI 方向好找工作吗」没法直接回答:AI 和机器人是两条差异很大的赛道,岗位从算法研究到现场部署,要求几乎不重叠。更有效的问法是:我的背景能对上哪类岗位?那类岗位每天做什么?招聘方用什么证据判断我能做?这篇按公开招聘描述的共性要求来拆,不预测行情,也不承诺结果。
一、岗位地图:先找到自己的入口
| 方向 | 日常产出 | 核心能力 | 常见门槛 | 作品集证据 |
|---|---|---|---|---|
| 算法研究 | 新方法、论文、实验 | 数学、论文阅读与复现、实验设计 | 硕博或顶会论文较常见 | 复现报告、消融实验 |
| 应用算法(CV/NLP/多模态) | 可上线的模型与评测 | Python、深度学习框架、数据处理、评测 | 本科以上加项目 | 指标对比、badcase 分析 |
| 机器人软件 | ROS 2 节点、控制/感知/规划模块 | C++/Python、Linux、运动学、tf2、仿真 | 相关专业,有仿真或实机经验 | 可运行仓库、演示视频 |
| 嵌入式与驱动 | 固件、通信、实时控制 | C/C++、MCU、总线协议、实时系统 | 电子或自动化背景 | 硬件调试记录 |
| 系统集成与部署 | 现场交付、调参、运维 | 工程排查、脚本、客户沟通 | 能出差、动手能力强 | 部署案例、故障复盘 |
| AI 应用工程 | RAG/Agent/工作流产品 | API、后端、评测、成本控制 | 全栈或后端基础 | 上线产品、评测集 |
岗位名称与要求以各公司公开招聘描述为准,上表是共性归纳。选方向时优先看「日常产出」:愿不愿每天做这些事,比岗位名字重要。
二、怎么读一份招聘 JD
把 JD 拆成五层,逐条对照自己的证据:
- 硬技能:语言、框架、工具。区分「熟练使用」和「了解」,后者通常不构成门槛。
- 项目深度:有没有实机、真实数据、上线经验。这一层最影响面试追问。
- 科研要求:论文、竞赛、专利。研究岗权重大,工程岗多为加分。
- 工程规范:Git、测试、代码评审、文档。很多候选人忽略,却是团队最在意的。
- 软性条件:出差、驻场、跨团队协作。机器人岗位尤其常见,提前确认自己能否接受。
看到「精通」「熟悉」「了解」别按字面焦虑。用「做过什么、做到什么程度、有什么可验证的结果」回答,比形容词有用。
三、作品集:三个项目胜过十张证书
招聘方真正想看的是:你能不能独立把一个问题从定义做到可验证的结果。推荐三种项目:
- 复现加改进:选一篇论文或开源项目,跑通基线,改一个变量并对比,重点是「可复现」和「说清差异」。
- 真实场景小系统:从数据采集到部署完整走一遍,例如「小车固定路线巡检加异常上报」。
- 开源贡献:给机器人或推理框架修 bug、补文档、加测试,能证明你读得懂别人的代码。
每个项目按这个结构写清楚:
问题:要解决什么,为什么值得做
约束:硬件、数据、时间、成本
方法:关键设计与取舍,为什么不用另一种方案
指标:怎么衡量,基线多少,最终多少
失败:试过但没效的方案,以及原因
复盘:如果重做,会改哪三件事
再配一个 2–3 分钟的演示视频:真实运行、关键指标、失败案例。视频比截图可信,失败案例比完美数据可信。
四、简历、投递与面试
简历:一页纸,倒序排列;每个项目用「做了什么、结果如何」两句话,给可核查的数字;关键词对齐 JD,但要出现在真实项目描述里;附 GitHub、视频或论文链接,README 要有运行说明。
投递:官网、内推、开源社区、行业会议。内推的价值是让简历被看见,不改变能力门槛。实习是最有效的路径之一,哪怕做数据标注和测试,也能换来真实项目语境。
面试:
- 项目深挖:为什么这样设计、数据怎么来、指标怎么定、失败怎么定位。准备到能画图讲清数据流。
- 基础题:编程题、机器学习基础、机器人运动学与坐标变换、Linux 与调试工具。
- 系统设计:给一个场景(如移动机器人避障),讲清感知—决策—控制的分层与延迟预算。
- 现场调试:机器人岗位常见「跑不通让你查」的题,考察日志阅读、二分排查与假设验证。
- 反问:团队做什么产品、新人前三个月做什么、评测与上线流程。答案能帮你判断岗位真实内容。
五、常见坑
- 只堆课程证书:证书不能替代可运行的项目与可解释的指标。
- 项目全是练习数据集:人人都有 Titanic,等于没有。
- GitHub 没有 README:招聘方不会猜你的项目怎么跑。
- 夸大指标:面试一问细节就露馅,代价远大于诚实说明局限。
- 只盯大厂:集成商、垂直行业公司、创业团队的岗位更贴近实机,成长路径不同。
- 忽视部署与调试:模型在 notebook 里跑通,和现场稳定运行是两件事。
本文不承诺薪资、offer 或就业结果,行业需求随周期变化。把精力放在可验证的能力证据上,比预测行情可靠。
六、12 周准备清单(经验值)
| 周次 | 重点 | 产出 |
|---|---|---|
| 1–2 | 定方向,读 20 份目标岗位 JD | 能力差距清单 |
| 3–4 | 补基础:语言、框架、Linux | 能跑通官方示例 |
| 5–8 | 主项目:复现或小系统 | 可运行仓库加指标 |
| 9 | 加评测与失败分析 | 评测报告 |
| 10 | 写 README、录演示视频 | 作品集页面 |
| 11 | 改简历,投 10–20 个岗位 | 投递记录表 |
| 12 | 模拟面试,补短板 | 复盘与下一轮计划 |
时间不够就把 12 周拉长到 16 周,关键是每一段都有可验收的产出。
求职的底层逻辑没变:用别人看得懂的证据,证明你能解决他们的问题。AI 和机器人只是换了问题清单。
参考与延伸阅读
- O*NET OnLine:Robotics Engineers(17-2199.08)
- O*NET OnLine:Data Scientists(15-2051.00)
- BLS Occupational Outlook:Software Developers
- World Economic Forum:Future of Jobs Report 2025
- Stanford HAI:2025 AI Index Report
外链内容由对应网站负责,访问以实际可用性为准。