alexeygrigorev/ai-engineering-field-guide

这是什么

一份免费、数据驱动的指南，帮助你成为 AI 工程师并从事相关工作。它不是观点或 AI 生成的内容，而是基于真实证据：6,964 条真实职位描述、真实面试经验和从业者故事。

内容

1. AI 工程师角色 — 基于从数千条职位描述中提取的模式，呈现工作的真实面貌：核心技能、职责、实际用例（4,525 个）、广告中的角色与现实的对比，以及逐月追踪的市场趋势。

2. 面试准备 — 对招聘流程的深入分析：常见的面试形式、从 100 多个来源整合的问题（理论、编码、项目深挖、系统设计、行为面试、家庭作业），哪些技能真正能让人获得录用，如何处理 offer 和拒信，以及 51 家公司的逐公司数据。

3. 学习路径 — 学什么、按什么顺序学，并为来自五种背景的人提供具体的转行指南：数据工程师（3-4 个月）、数据科学家、机器学习工程师（最容易转型）、后端工程师（2-3 个月）和前端工程师。

4. 作品集指南 — 如何选择、构建和展示作品集项目。

5. 招聘市场数据 — 分析背后的原始和结构化数据：从 builtin.com 抓取的 6,964 条职位描述，涵盖洛杉矶、纽约、伦敦、阿姆斯特丹、柏林和印度，按抓取日期组织。

6. Awesome AI Engineering — 研究期间整理的外部资源精选列表：从业者访谈、系统设计指南、工程博客、书籍、课程和案例研究。

7. 网络研讨会 — 关于 AI 工程师日常工作、公司如何定义该角色、面试流程、家庭作业和作品集项目选择的录制会议。

8. 学习资源 — 为期 9 周的强化课程（从 RAG 到代理）和名为 AI Shipping Labs 的从业者社区。

适用人群

任何正在探索、转行或招聘 AI 工程岗位的人——尤其是来自数据科学、数据工程、机器学习工程或软件工程等相邻领域，希望获得现实、基于证据的角色认知的人。

关键结论

这是一个研究项目，而不是教程堆砌。关于技能、趋势或面试模式的每一个说法都基于抓取的招聘数据和真实从业者经验——因此读者能获得对该领域准确的认识，而不是炒作。