按章节连续阅读，也可以从问题、术语或真实 JD 进入。正文、案例和资料出处相互连接。
8 个图文专题，讲清岗位分工、产品与技术链路，以及实习申请。
按问题查阅
认识岗位
两条职业线，五类工作
先按工作对象认识产品、运营、Research、开发和算法，再理解它们为什么经常出现在同一条产品链路里。
AI 产品：从用户问题到产品机制
认识应用产品、平台产品和策略产品的工作差异，理解产品人员为什么要讨论模型边界、评测和成本。
AI 运营：用户、数据与质量
区分产品运营、数据运营、评测运营和内容安全，认识它们各自处理的材料、标准与反馈。
AI Research：问题、方法和证据
理解研究实习的工作对象，以及论文、复现、消融和研究原型之间的关系。
AI 开发：把模型接入真实系统
从应用开发到推理和平台工程，理解接口、数据、状态、工具和上线运行分别意味着什么。
AI 算法：数据、模型与任务效果
把大模型、视觉、多模态、搜推广等方向放回具体任务，区分训练、微调、推理和效果评价。
串联知识
六类 AI 产品，三种服务对象
将产品形态与服务对象分开看，理解 Agent、平台、策略、评测、行业方案和 AIGC 的边界。
RAG：从资料到有依据的回答
顺着文档处理、检索和生成理解知识库问答，区分没找到、找错了和回答错了。
Agent、工作流与工具调用
从固定步骤与动态决策的区别理解 Agent，认识工具、状态、权限和停止条件。
评测：让“效果好”有明确含义
区分模型评测、系统评测、离线评价和线上效果，理解样本、判定标准与错误分析。
数据与指标：从回答质量到业务结果
读懂准确率、召回率、任务成功率、留存和延迟，避免把不同分母的数字直接比较。
看懂案例
从公开产品认识大厂 AI 链路
用扣子、腾讯 ADP、百度千帆和美团公开技术文章建立产品观察框架，不把公开能力误当成内部岗位分工。
贯穿案例：一个知识客服如何工作
用同一个教学场景串起用户、知识、RAG、Agent、人工处理、评价和五类岗位。
寻找实习
读懂 JD：条件、职责与技术词
把招聘原文分成可核对的部分，区分硬条件、主要职责、加分项和岗位标题。
找实习：信息从哪里来，怎样核对
认识官方招聘、团队公开信息和社区线索的用途，用岗位名与任务词查找机会。
把经历说清楚：简历与面试资料
理解论文、课程和开源实践怎样被如实表达，区分使用、复现、修改和独立贡献。
专题详解
岗位分工：一个 AI 应用由谁完成
用知识客服串起产品、运营、Research、算法与开发，区分工作对象、交付物和岗位之间的联系。
产品方案：从用户问题到可验收的功能
把用户研究、AI 适用性、需求文档与产品指标接起来，完整拆解一个知识查询功能。
AI 运营：知识、标注与质量反馈怎样运转
区分用户运营、内容运营和模型数据运营，讲清资料维护、标注规则、分歧复核与问题定位。
RAG 详解：从一份资料到一个有依据的回答
连接文档解析、切分、召回、重排、生成与引用，理解为什么“上传了资料”仍然可能答错。
Agent 详解：模型怎样调用工具完成任务
用查询工单的案例区分普通问答、固定工作流和 Agent，解释工具、状态、权限与任务结束条件。
评测详解：怎样判断 AI 真的做对了
从任务定义到样本、评分和实验，解释回答质量、执行结果与业务收益为什么需要分别观察。
研究与算法：把论文、训练和实验结果接起来
解释研究问题、基线、数据切分、微调和误差分析，让技术经历能够被完整理解。
寻找实习：从招聘信息到面试问题
解释实习渠道、JD 阅读、投递条件和项目追问，将信息检索与已有经历连接起来。
关于这份讲义
面向已经进入硕士阶段、准备了解 AI 实习的读者。内容以岗位职责、技术概念与公开产品资料为基础；教学示例会在正文中标明，招聘样本与当前开放状态分别看待。
讲义免费阅读和下载。外部资料保留作者与官方入口，课程、代码和平台的具体使用条件以原站为准。站内简历与面试题库可在需要时从求职菜单进入。