演算法工程師把模型問題變成能重新執行的實驗,AI 產品經理把使用者任務變成可驗收的流程。同一個助理把舊規則當新規則,前者要交證據說明錯在檢索或生成,後者要寫清使用者下一步看什麼、誰能處理,以及哪些情形應暫時停止自動回答。
先對照自己的情況
找兩份目標公司校園招募公告,再用下方同一個問題試做兩份成果。還在比較工作活動,可用94 題費馬職業測驗 →整理偏好。
## 重點速覽
- 演算法工作。 建立基準、控制變數、找出失敗原因。
- 產品工作。 定任務、驗收門檻與轉人工流程。
- 校園招募。 先確認職缺的專長方向、學歷和畢業年度,再用作品填缺口。
同一題,兩份成果練習卡
| 對照 | 演算法工程師 | AI 產品經理 |
|---|---|---|
| 工作重心 | 定位錯答環節 | 保障使用者能辦事 |
| 能力與產物 | 控制變數,交可重跑的紀錄 | 整理流程,交驗收單 |
| 轉職第一步 | 重跑一道新舊規則混淆題 | 寫一條缺規則時的轉由專人處理的驗收情境 |
同一家公司兩個校園職缺,入行門檻差在哪?
同一家公司的演算法與產品職缺也得分方向看。北京具身 AI 演算法職缺要求碩博士學歷和模擬能力,AI 產品樣本同時看學歷專業、流程設計和評估能力。
| 北京校園職缺 | 滴普科技:大模型演算法工程師(VLA) | 滴普科技:AI 產品經理 |
|---|---|---|
| 雇主要求的畢業年度和學歷 | 2026 或 2027 年畢業的碩士或博士 | 2027 年畢業、具學士以上學歷 |
| 專業與技術 | 資訊工程、人工智慧、自動化等,要求 Python、PyTorch、Linux、至少一種模擬環境 | 資訊工程、人工智慧、軟體工程、數學等相關專業,理解大型模型的限制、向量資料庫和知識檢索 |
| 典型工作成果 | 模型基準、評估結果,以及用模擬環境或實體設備重現的紀錄 | 需求文件、原型、驗收標準及回顧 |
| 樣本薪資 | 公告未提供可比較的金額 | 公告未提供可比較的金額 |
上表為公司公開的演算法職位和產品職位。具身 AI 模型與企業知識助理面臨的任務差異很大,不能用具身 AI 職缺的門檻概括所有演算法職缺。產品職缺也分面向應用、模型、平台等方向。看非應屆職缺時單獨記錄城市、經驗、職級、薪資週期和發放月數。缺一邊條件相近的職缺時保留空欄,別拿某一份有經驗者的薪資資料去推算應屆畢業生差距。
知識助理答錯時,兩種職務分別查什麼?
同一條錯誤答案,演算法工程師要重現檢索或模型的出錯過程,AI 產品經理要判定使用者會受什麼影響,並寫清系統怎麼澄清和恢復。
編輯部演練以一個校園場地使用規定助理為例。使用者問南校區幾點截止,系統拿到北校區規則和一份已經失效的南校區通知,卻按舊通知承諾週五 17 點截止。給兩個角色相同的資料:題目、檢索到的檔案版本、系統回答,以及規則負責人的說明。工程師判斷錯誤出在文件檢索、版本篩選或生成的哪一步,產品決定如果還缺有效檔案,系統先不提供時間,向使用者澄清校區或顯示經核准的諮詢方式。
演算法工程師要交出可重跑的實驗
凍結生成模型、提示指令、檔案和評分規則;只比較關鍵字方案與關鍵字加語意檢索。合成樣本共 24 題,其中 16 題有規則依據,8 題依據不足或互相衝突。調整方案用的題目與驗收題分開使用。
| 觀察項目 | A 關鍵字 | B 關鍵字+語意 | 兩種職務一起判讀 |
|---|---|---|---|
| 有依據可作答時,是否找到正確版本和條款 | 13/16 | 15/16 | 多找對兩題的資料 |
| 依據不足時,是否正確釐清或轉由專人處理 | 6/8 | 5/8 | 多發生一次不合格回應 |
兩行分母和目標不同。把 15/16 當成端到端答對率,可能看不到其中有題拿到了正確檔案卻仍給出沒有來源的答案。微軟的 RAG 評估文件將檢索過程與生成結果中的不同方面分開。給同伴一條答錯的題目和兩個方案的檢索過程的紀錄,他應能按文件找出差異發生在哪一步。
產品經理依證據狀況訂出驗收條件
| 助理拿到了什麼 | 使用者看見什麼 | 由誰接手 |
|---|---|---|
| 有現行條款且校區明確 | 顯示截止時間和有效條款 | 測試人員確認回覆是否與原文一致 |
| 現行條款齊全但校區未明確 | 先請使用者選擇校區 | 使用者補充後重新查詢 |
| 只有舊通知,或有效條款相互衝突 | 暫不給截止時間,給出值班諮詢入口 | 規則負責人確認適用版本,演算法工程師重跑,產品經理確認使用者看到的下一步 |
演練約定 8 題依據不足的題目都要落到對應分支。A 有兩題、B 有三題沒做到,兩版均暫不開放自動回答。以南校區為例,產品在重測前請規則負責人確認現行條款,未確認時讓使用者走值班諮詢,演算法工程師和測試人員仍可用演練資料重現錯誤。確認後由演算法工程師重跑這道題,測試人員核對截止時間、出處和諮詢入口,產品再決定是否開放。舊題若已用於調策略,留作迴歸測試並另補未用過的題。8 題全數通過只代表這一條驗收規則達到樣本約定,成本、延遲和上線核准權限由專案另驗。
接著看
想把實驗、技術門檻和作品一起安排,核對資訊與 AI 領域的課程和真實任務 →
沒有經驗或打算轉職,第一份作品分別做什麼?
申請演算法職缺先做能重跑的單變數實驗,申請 AI 產品職缺先做能被業務和測試讀懂的驗收單,再按目標職位補領域要求和相應作品。
- 演算法方向。 寫 10 條編輯部演練性質的規則問題,先用 6 條調策略,再用另外 4 條做一次盲查。輸出基線、命中材料、失敗歸因和復跑說明。具身 AI 職缺另核模擬、控制或真機要求,這份問答練習只展示一種驗證方法。
- 產品方向。 觀察兩位同伴用舊流程找規則的實際步驟,徵得同意後記下具體卡點。出一頁流程稿,給出一個有證據可答、一個缺證據需要澄清、一個轉人工的示例。請別人只讀驗收單演一遍,若不知道該顯示給使用者什麼,就回頭補判斷條件。
- 選擇職務。 兩份工作同樣涉及指標,也都要和別人溝通。對比時記錄哪個問題你願意連續解決三次,哪個具體回饋能幫你改一版,再以真實 JD 確認必要條件。
常見問題
AI 產品經理一定要會訓練大模型嗎?
先看職務方向。做應用、評估、平台、模型的職責不同,讀目標職缺是否要求實驗、程式碼、模型訓練或流程驗收。
演算法工程師一定要碩士嗎?
本篇具身演算法校園招募樣本要求應屆碩博。一份職位描述的學歷要求只適用於該職位,投履歷前逐條看目標公告。
可以用同一個 AI 專案應徵兩種職缺嗎?
可以,分別提供實驗報告與產品驗收材料。單列你負責的步驟、樣本和未驗證內容,準備不同的重現步驟。
繼續探索
- 整理技術與協作偏好。 把反覆除錯、定義問題和推動上線分開觀察。開啟 94 題費馬職業測驗 →
- 用公開職位讀真實任務。 給兩份 JD 各標職責、證據和待確認條件。查看真實招募公告對照方法 →
- 核學習投入。 選一項作業能得到真實、具體回饋的學習安排。查看轉行課程核對方法 →
內容審校與方法說明
費馬測試編輯部。北京校園招募要求依據滴普科技的兩份職缺原文。知識助理與兩組結果均為編輯部製作的演練樣本,用於示範檢索、生成及使用者驗收的邊界。未獲得兩種職務條件相近的薪資資料,不報告收入排名。


