前端潮流KK：科技达人与多面手，如何找到自己的乐趣？-浪说回顾

本期主播

狼叔：狼书作者，前端码农，一个中年到处浪的IT男

Captain：互联网🧱牛马，经常性无聊，偶尔说走就走有点浪的人

KK：独立开发者，14k 开源项目 Qwerty Learner 作者，《Web Worker 播客》主播，数码爱好者；kaiyi.cool/的个人主页。

前端程序员KK分享自己从科研转向工程的心路历程。

当大模型时代来临时，前端工程师如何自处？如何成功转型大模型业务。

本期箴言：

人生的乐趣找到自身热爱并快乐着卷下去，是职业成功的关键。想知道KK是如何在激烈的竞争中脱颖而出的？快来一探究竟。

在技术迅速发展的当下，人工智能（AI）正逐渐渗透到各行各业，尤其是在软件开发领域，AI的应用已开始重塑传统开发模式。对前端开发者而言，AI不仅是新工具或技术栈的一部分，更是一个全新的职业转型机会。

大家好，这里是浪叔播客，我是狼叔。我们这期请来了KK有一位非常年轻的在知名大厂和开源社区非常优秀的一个程序员。

KK分享了自己从科研转向工程，利用开源项目提升竞争力的经历。大学期间，他因科研成绩优异，但意识到自己可能在学术开创性成果上天赋不足，遂转做工程。通过创建一个开源项目获得了广泛的影响力，帮助他顺利通过简历筛选，获得了多份实习机会，最终在外资企业中找到了自己的位置。随着大模型时代的到来，他加入了大模型相关的业务，并开始分享自己的知识，推出了入门课程。

了解AI中的三种角色

算法岗 ：
1. 核心的AI专业岗位，涉及模型设计与优化。这类岗位对数学和编程技能要求极高，通常需要深厚的专业背景和丰富的项目经验。
算法工程岗 ：
1. 负责算法的实现和优化，以及AI模型在特定平台的部署。此类岗位更偏向工程实现，需要熟练使用各种机器学习工具和库。
AI应用工程师 ：
1. 使用现成的AI模型或平台构建应用程序。这类岗位最接近传统软件开发，通常需要将AI技术与前端开发紧密结合，以提升用户体验或优化产品功能。

从前端到AI的转型策略

狼叔和 KK 在聊天中讨论到个人在求职过程中的成长和转型路径，强调了个人对于目标清晰、自我认知以及在AI领域的定位。

在AI领域，存在算法岗、算法工程岗和应用工程师三个角色，个人的职业选择应该离用户更近、更注重应用的价值。狼叔也分享了个人对前端和AI结合的看法，提倡使用GPT等大模型API来简化开发过程，建议学习GPT的开发框架以快速上手AI应用开发，鼓励直接应用个人最擅长的语言进行尝试，注重实践和用户体验。此外，推荐了一些学习资源和工具，鼓励持续学习和探索新的技术框架。以下是总结和建议

强化学习基础 ：
1. 前端开发者首先需要加强对AI基本概念和原理的理解。从机器学习的基础教程开始，逐步深入学习深度学习和神经网络。
学习Python ：
1. 虽然JavaScript是前端开发的核心语言，但在AI领域，Python占据主导地位。掌握Python有助于理解和使用各种AI库和框架，同时也能扩展到数据分析和数据科学领域。
实践项目经验 ：
1. 尝试简单的AI项目，如使用TensorFlow或PyTorch进行图像识别或自然语言处理。这些实践有助于理解AI的工作流程和关键技术点。
参与开源项目 ：
1. 加入AI相关的开源项目，提升技术能力的同时，通过社区学习行业最新动态和技术趋势。
利用在线资源和社区 ：
1. 利用GitHub、Kaggle等平台进行学习和实践。同时关注AI领域的顶级会议和论文，如NeurIPS、ICML等，保持对前沿技术的敏感性。
深入理解用户需求和业务场景 ：
1. AI应用的核心是为用户创造价值，解决实际问题。前端工程师要发挥贴近用户的优势，洞察用户真正的痛点，思考如何利用AI简化操作、提高效率、改善体验。同时要对业务有全面认识，明白AI应用的边界和局限性。
跟进前沿AI技术动态 ：
1. 大模型、AIGC等领域日新月异，前端工程师要主动学习新概念、新架构、新算法，评估其应用潜力。除了关注OpenAI、DeepMind等大厂，也要留意初创企业的创新尝试。通过官方文档、学术论文、会议演讲、GitHub项目等渠道拓展知识面。
尝试主流AI开发框架和工具 ：
1. 目前围绕LLM开发应用的框架已有不少，如LangChain、FastChat、DeepSpeed Chat等。选择1-2个上手实践，并深入研究其功能、性能、扩展性。在实际项目中多用，在社区多交流，积累经验。注重工程化和架构设计，考虑可维护性。
探索创新的人机交互和可视化方式 ：
1. 聊天对话固然是LLM的主要交互形式，但在很多场景并非最优解。前端工程师要发挥创意，研究多模态交互、沉浸式体验、智能助理、可解释性等方向。利用前端的图形图像渲染能力，让AI的输入输出更直观、易懂、有吸引力。
加强跨领域协作和学习 ：
1. AI应用往往需要前端、算法、产品、设计等多方共同推进。前端工程师要主动沟通，理解彼此的诉求，形成合力。学会换位思考，用通俗的方式解释技术细节。关注心理学、认知科学、人本设计等领域，开阔视野，启发灵感。
关注AI应用的伦理、安全、隐私问题 ：
1. 前端工程师处于用户数据交互的第一线，对AIGC内容也有一定审核责任，要有风险意识和底线思维。学习AI治理的相关政策法规，确保合规。对获取和使用用户数据要谨慎，尊重用户的知情权和选择权。

AI为前端开发者提供了新的成长和转型机会。通过系统学习和持续实践，前端开发者不仅可以转型成为AI工程师，还可以在AI驱动的未来中发挥更大作用。AI与前端的结合将越来越紧密，现在是开始准备和转型的最佳时机。

如KK和狼叔在对话中提到的，参与开源项目、多尝试不同技术方向、拥抱新技术，以及利用AI能力整合创新应用，都是前端工程师在AI时代能够突破的关键。通过这些实际步骤，前端开发者可以不断提升自己的技术能力和职业竞争力。

对于想要进一步交流和探讨的读者，欢迎在小宇宙播客评论区留言互动。

浪说播客：langshuo0.podcast.xyz/