我是某外企金融组里写行情接口的到今年整八年。下面说的是这半年我工位上真实发生的变化。困境我们组原来干的活很纯粹对接交易所和券商的数据源把行情、成交、资讯这些接口写得稳、跑得快。我自以为这块经验够吃一辈子。直到 2025 年下半年组里开始上 AI 交易系统的雏形又紧接着推智能研报——用大模型自动读新闻、扒财报、出研报初稿。我第一次慌是看到智能研报那条线。过去研报初稿是分析师加我们 IT 搭的模板跑出来的现在大模型直接能生成一大半连我们之前写的那些格式化接口都有人想用 AI 重新生成。招聘那边也变了满屏精通 AI 大模型应用我们组新招的年轻人入职就在用 AI 写代码一句句审就行产出比以前高好几倍。我听着他们讨论让模型先把接口骨架吐出来心里直打鼓我这八年练的细心和稳是不是快不值钱了。AI 交易系统那条线更让我发毛。它不像研报只是出草稿而是直接连着下单。组里做策略的同事开始用大模型帮自己写策略雏形再回测效率一下子上来了。我作为写接口的突然发现自己处在一条被两头挤压的链上上面策略靠 AI 出得快了下面接口却还是我一行行手敲节奏明显对不上。最扎心的是听一个做后端的朋友说他们公司把技术文档岗整组裁了改让 AI 出文档。我立马联想到自己行情接口这种高度重复、规则明确的活是不是下一个被 AI 自己写自己替代的那年我刚过三十五脉脉上三十五岁以上程序员只占百分之十七的说法我又看了一遍后背有点凉。不是怕今天是怕哪天领导发现这活让 AI 重做一遍更便宜而我除了写接口又拿不出别的本事。有回组会领导半认真地说以后行情接入这种标准活能不能也让模型先出个版本全场没人反对只有我尴尬地笑。那天下班我没走对着自己写了八年的接口代码看了很久。不是舍不得是不知道下一步往哪迈。那阵子我试着用 AI 帮我写一段新的行情接入代码十分钟的活它三十秒出了初版我改了改居然能跑。那一刻我又惊又怕惊的是真方便怕的是既然我都能让它写领导为什么还要我手写。这种自家工具反噬自己的滋味比看别人新闻真切得多。接触真正开始碰大模型是领导把我拉进智能研报的项目组。我起初只是负责把模型输出的数据接到我们系统里后来发现光接不行得懂模型到底在干什么。我白天干活晚上跟着官方文档和组里算法同事的分享弄清楚大模型做金融文本摘要和事件抽取的门道。学的过程不算顺大模型做金融文本最难的不是生成是别乱编。我前两周光搞懂幻觉在金融场景为什么致命就花了不少时间。后来我给自己定了个笨办法每一条模型输出的数字我都必须能追到原始公告或行情源追不到就当不可信。这个习惯现在成了我们组的默认规矩。我们试试用 LLM 帮分析师把每天几百条资讯先筛一遍、生成策略研究的草稿再让人改。我也学着写更靠谱的提示词比如限定数据源、要求给出出处而不是让它瞎编。前后三四个月我从只会写接口变成了组里那个既懂数据管道、又知道模型边界的人。这中间踩过坑有次我图省事没限定来源模型编了条根本不存在的上市公司公告好在分析师一眼识破。那次之后我才真正重视人得在回路里。我把每天通勤和睡前的碎片时间都填进了学习。地铁上听算法同事录的内部分享晚上对着官方示例一个函数一个函数敲。前两个月几乎没碰过以前那种写完接口就收工的爽感全是卡在模型为什么这么答上。有个周末我为了搞懂事件抽取怎么标数据从早坐到晚起来时腿都麻了。现状改变现在我的日常已经从纯写行情接口挪到了AI 加金融的应用层。具体来说模型出的研报初稿我来搭校验流程把明显错误的数字和编造的引用拦下来分析师要的新数据源我先用 AI 生成接入方案再落地交易系统那边要接新的行情种类我也顺手用大模型把对接文档和样例代码先铺个底。现在的校验流程是我一点点搭起来的。模型先出研报初稿我写的中间层会去比对数源、查重、标红异常再交给分析师。听起来像多了道工序但实话说它让我从写接口的变成了管接口的权限和责任都重了。以前接口坏了顶多延迟现在模型错了是内容事故我得先拦一道。定位上我不再只是管道工而是站在模型和真实业务中间那道人肉兜底的关卡。举个具体的上个月模型把一家公司的营收单位搞混生成的研报初稿里倍数差了十倍我接数据时顺手对了一遍同行业拦下来了。这种错要是发出去合规那边追起来要命。我们组现在形成一种新配合模型出初稿我兜底校验分析师定稿三方都在回路里。有回一个新来的年轻人问我那你这活会不会哪天也被模型自己校验了我想了想说校验标准是人定的只要标准还在我手里这关就还在。这话我说得稳心里其实没底——技术变得太快谁敢说死。但说实话这活更累了也更需要人兜。金融这行模型幻觉不是闹着玩的一个数字错就是事故。所以准确和对错至今还得我这种懂系统又懂业务的人盯。收入上没什么翻倍工资照旧只是今年绩效评语里多了一句具备 AI 应用落地能力领导还把我从接口组划到了新成立的AI 应用组头衔没变归类变了。同事开玩笑说我成了给 AI 擦屁股专业户我笑笑没反驳因为这话不离谱。只是擦得久了我也开始琢磨能不能把擦屁股的经验反过来做成更稳的校验工具让下一个人接手时没这么累。这算是我现在私下在做的小尝试。日常节奏也变了过去是盯着接口延迟和报错现在是既要保老系统稳又要给新模型擦屁股两头都不能松。我们组那个被调去做 AI 交易系统的同事说他现在一半时间在审模型出的单子和我的状态差不多——人都没被替掉只是活法变了。现在组里有人开玩笑说我这岗位该叫AI 监理。我不较真但心里认——监理这词挺准不是干活的人是盯活别出岔子的人。只是监理也得懂行不懂行的监理拦不住错我这点八年接口底子反倒在这时候值钱了。它没让我多赚但让我从可被替代的写手变成了暂时难替代的把关人。说穿了我的改变不是往上跳了一级是往旁边挪了一步正好躲开了被直接替掉的那个位置。一点心里话这半年我没有逆袭成什么 AI 大神也没靠转行多赚一笔。我只是从一个怕被替代的接口仔变成了团队里那个AI 出错时有人能拦住的角色。未来 AI 会不会连我这层兜底都省掉我不敢说死但至少眼下懂业务又肯给模型擦屁股的人还没那么容易被替掉。想入门 AI 大模型却找不到清晰方向备考大厂 AI 岗还在四处搜集零散资料别再浪费时间啦2026 年AI 大模型全套学习资料已整理完毕从学习路线到面试真题从工具教程到行业报告一站式覆盖你的所有需求现在全部免费分享扫码免费领取全部内容一、学习必备100本大模型电子书26 份行业报告 600 套技术PPT帮你看透 AI 趋势想了解大模型的行业动态、商业落地案例大模型电子书这份资料帮你站在 “行业高度” 学 AI1. 100本大模型方向电子书2. 26 份行业研究报告覆盖多领域实践与趋势报告包含阿里、DeepSeek 等权威机构发布的核心内容涵盖职业趋势《AI 职业趋势报告》《中国 AI 人才粮仓模型解析》商业落地《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》领域细分《AGI 在金融领域的应用报告》《AI GC 实践案例集》行业监测《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。3. 600套技术大会 PPT听行业大咖讲实战PPT 整理自 2024-2025 年热门技术大会包含百度、腾讯、字节等企业的一线实践安全方向《端侧大模型的安全建设》《大模型驱动安全升级腾讯代码安全实践》产品与创新《大模型产品如何创新与创收》《AI 时代的新范式构建 AI 产品》多模态与 Agent《Step-Video 开源模型视频生成进展》《Agentic RAG 的现在与未来》工程落地《从原型到生产AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。二、求职必看大厂 AI 岗面试 “弹药库”300 真题 107 道面经直接抱走想冲字节、腾讯、阿里、蔚来等大厂 AI 岗这份面试资料帮你提前 “押题”拒绝临场慌1. 107 道大厂面经覆盖 Prompt、RAG、大模型应用工程师等热门岗位面经整理自 2021-2025 年真实面试场景包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题每道题都附带思路解析2. 102 道 AI 大模型真题直击大模型核心考点针对大模型专属考题从概念到实践全面覆盖帮你理清底层逻辑3. 97 道 LLMs 真题聚焦大型语言模型高频问题专门拆解 LLMs 的核心痛点与解决方案比如让很多人头疼的 “复读机问题”三、路线必明 AI 大模型学习路线图1 张图理清核心内容刚接触 AI 大模型不知道该从哪学起这份「AI大模型 学习路线图」直接帮你划重点不用再盲目摸索路线图涵盖 5 大核心板块从基础到进阶层层递进一步步带你从入门到进阶从理论到实战。L1阶段:启航篇丨极速破界AI新时代L1阶段了解大模型的基础知识以及大模型在各个行业的应用和分析学习理解大模型的核心原理、关键技术以及大模型应用场景。L2阶段攻坚篇丨RAG开发实战工坊L2阶段AI大模型RAG应用开发工程主要学习RAG检索增强生成包括Naive RAG、Advanced-RAG以及RAG性能评估还有GraphRAG在内的多个RAG热门项目的分析。L3阶段跃迁篇丨Agent智能体架构设计L3阶段大模型Agent应用架构进阶实现主要学习LangChain、 LIamaIndex框架也会学习到AutoGPT、 MetaGPT等多Agent系统打造Agent智能体。L4阶段精进篇丨模型微调与私有化部署L4阶段大模型的微调和私有化部署更加深入的探讨Transformer架构学习大模型的微调技术利用DeepSpeed、Lamam Factory等工具快速进行模型微调并通过Ollama、vLLM等推理部署框架实现模型的快速部署。L5阶段专题集丨特训篇 【录播课】四、资料领取全套内容免费抱走学 AI 不用再找第二份不管你是 0 基础想入门 AI 大模型还是有基础想冲刺大厂、了解行业趋势这份资料都能满足你现在只需按照提示操作就能免费领取扫码免费领取全部内容2026 年想抓住 AI 大模型的风口别犹豫这份免费资料就是你的 “起跑线”
