📚 AIGC 求职面经、必备基础知识、提示词工程、大模型、提示词工程师、ChatGPT、Stable Diffusion、Prompt、Embedding、Fintune 等 AIGC 求职你所需要知道的一切~
持续更新中，欢迎分享求职经历、内推、工作机会等信息，欢迎共同编辑完善本项目，祝大家求职顺利~
最近秋招，许多同学朋友都在焦虑找工作的事情，近年来经济下行，就业机会减少，找工作确实是一件不容易的事情。因为 AIGC 领域的火热，最近许多朋友向我咨询过提示词工程师这一职业的事宜，发现这方面求职的相关资料较少，系统性资料更是不多。由于一直关注 AIGC 领域，同时也在运营提示词社群的缘故，对这些方面的内容零零散散有些了解，因此将这些内容收集整理起来，以期能对正在求职的朋友有所帮助。
同时，也要说明，这个行业目前也存在诸多不确定性，并不是无脑推荐大家涌入这个行业，只是若你在求职时处处碰壁，可以考虑这方面的机会，目前来看，这是一个相对而言机会多一些的行业。
AIGC 算法方向前景争议不大，但是关于提示词工程师职业前景却存在诸多争议，关于提示词工程师的工作机会我很赞同下面的话：
时代给普通人的上升机会本就稀少，通过容易上手的“写提示词”技能作为“跳板”，进入行业之后再提升自己，“提示工程师”是非常好的路径。从可能会被消灭的“写提示词”型工程师，转变成真正掌握了算法优化、开发、落地部署的“提示工程”，那才是成功的转型。
- 5家大厂AIGC：百度&腾讯&科大讯飞&商汤&蚂蚁金服AI产品经理面经大汇总（已offer）
- Prompt 工程师指南 [高阶篇]：对抗性 Prompting、主动 prompt、ReAct、GraphPrompts、Multimodal CoT Prompting 等 Prompt 工程师需要掌握的高阶能力
- 「AI 提示词工程师」の 见解和经验分享
- 设计师的AIGC面试题，阁下如何应对？-（上篇）
- 6个常见的 AIGC 相关面试问题，范例答案来了！
- 字节AIGC产品经理真题面试｜全程高能
关于提示词工程师职业，有许多不同的声音，收集各方文章供君参考
| 名称 | 简介 | 备注 |
|---|---|---|
| 实访用人单位：Prompt 工程师真是低门槛“香饽饽”？ | 相对来说，现在的 Prompt 工程师入门门槛，可能是历史最低值，是入行的好时机。Prompt 工程师并非一个“麻瓜”可以随便上手的工作，且未来可能越来越难。 | - |
| Prompt 工程师指南 [高阶篇]：对抗性 Prompting、主动 prompt、ReAct、GraphPrompts、Multimodal CoT Prompting 等 | Prompt 工程师需要掌握的高阶能力 | - |
| 年薪六位数，AI提示词工程师成为热门新职业 | 提示词工程师是「让新一代生成性人工智能应用程序（如 ChatGPT 或 Google Bard ）做人类想要让他们去做的事情」的专家。 | - |
| 大模型带火新职业，“会咒语的那群人”能走多远 | ChatGPT等大模型的火爆带火了“提示词工程师”这个新职业。有人将“提示词工程师”称为“会咒语的那群人”。据了解，目前国内各大招聘平台上名为“Prompt 工程师”或“Prompt Engineer”的职位月薪大多在1.5万-6万元。尽管对于其是一个新职业还是临时工种还有不少争议，但不可否认的是，诸如提示词工程师一类的AIGC相关职业正在蓬勃发展。 | - |
| 不超过39k，AIGC美术人才薪资天花板怎么来的 | 根据厂商发布信息来看，AIGC岗位薪资基本在10k-30k左右。此外，像AIGC算法工程师，最高薪资甚至达到了百万级别。而这也与今年就业难的游戏行业常规招聘市场，形成了鲜明反差。 | - |
| 普通人转行“提示工程师”毫无意义 | 提示工程师（Prompt Engineer）职业祛魅指南。时代给普通人的上升机会本就稀少，通过容易上手的“写提示词”技能作为“跳板”，进入行业之后再提升自己，“提示工程师”是非常好的路径。 | - |
| AIGC招聘实火还是虚火？ | AI相关岗位招聘火热，高薪吸引众多求职者。但AI创业领域存在争议，部分被认为仅是蹭热点，真假机遇仍待鉴别。 | - |
| 6个月时间，百万年薪的提示词工程师光速失业 | 这是一场关于信息差的游戏，其中包含着迷茫与焦虑，激动与振奋。 | - |
| 请别造新词了，未来不会有什么Prompt工程师 | 与其说，懂 Prompt 是核心竞争力，不如说，沟通能力才是核心竞争力。 | - |
| 真实的 AIGC 就业现状：遭面试官鄙视，给一般的薪水干更多的活 | 铁打的打工人，流水的新风口。 | - |
| 慢一点儿招聘，提示工程师 Prompt Engineer这个岗位终将消失 | Prompt engineering 提示工程是生成式 AI 的一个临时阶段。 | - |
待补充
| 名称 | 简介 | 备注 |
|---|---|---|
| AI Agents大爆发：软件2.0雏形初现，OpenAI的下一步 | Lilian Weng 的个人博客文章，Lilian 现在是 OpenAI 的 Head of Safety Systems，之前还领导过 OpenAI 的 Applied AI 团队。AI Agent 被认为是 OpenAI 发力的下一个方向。OpenAI 的联合创始人 Andrej Karpathy 在近期的一次公开活动上提到“相比模型训练方法，OpenAI 内部目前更关注 Agent 领域的变化，每当有新的 AI Agents 论文出来的时候，内部都会很兴奋并且认真地讨论”，而在更早之前，Andrej 还评价 AutoGPT 是 Prompt Engineering 下一阶段的探索方向。 | 英文原文 |
| 《综述：全新大语言模型驱动的Agent》——4.5万字详细解读复旦NLP和米哈游最新Agent Survey | 复旦NLP团队和米哈游一起出的《TITLE：The Rise and Potential of Large Language Model Based Agents: A Survey》论文一个翻译版本，作者同时对部分内容进行了删繁就简，总结概括。 | 论文原文 |
| LangChain Agents - Joining Tools and Chains with Decisions | LangChain Agents--将工具和任务链与决策结合起来 | 英文 Youtube 视频，LangChain 项目官方对预置的 agents 介绍。 |
| 名称 | Stars | 简介 | 备注 |
|---|---|---|---|
| 吴恩达《面向开发者的 ChatGPT 提示词工程》 | - | DeepLearning.ai 创始人吴恩达与 OpenAI 开发者 Iza Fulford 联手推出了一门面向开发者的技术教程：《ChatGPT 提示工程》 | 《面向开发者的 ChatGPT 提示词工程》非官方版中英双语字幕 - 中文视频地址：面向开发者的 ChatGPT 提示词工程 - 英文原视频地址：ChatGPT Prompt Engineering for Developers |
| Prompt engineering techniques | - | 微软官方教程,介绍了 Prompt 设计和工程中的一些高级玩法，涵盖系统消息、少样本学习、非聊天场景等内容。 | - |
| 高质量导师提示词 Mr.-Ranedeer-AI-Tutor | A GPT-4 AI Tutor Prompt for customizable personalized learning experiences. | 极具参考价值的提示词 | |
| 结构化提示词 LangGPT | LangGPT: Empowering everyone to become a prompt expert!🚀 Structured Prompt，结构化提示词。 | 使用结构化方式写高质量提示词 |
| 名称 | Stars | 简介 | 备注 |
|---|---|---|---|
| GPT best practices | - | OpenAI 官方教程,使用 GPT 的最佳实践 | - |
| openai-cookbook | Examples and guides for using the OpenAI API | OpenAI API 官方使用指南 | |
| openai-python | The OpenAI Python library provides convenient access to the OpenAI API from applications written in the Python language. | OpenAI python 接口 | |
| Best practices for prompt engineering with OpenAI API | - | OpenAI 官方教程,介绍了 Prompt 工程中最佳实践 | - |
| Llama 入门指南 | - | Meta 发布的关于 Llama 入门指南，里面包括了想要使用和训练Llama的所有内容，包括模型的微调、量化、提示工程、推理和测试一整个链路。 | 如果有一些基础想要微调Llama的可以看一下这个教程。 |
| 名称 | Stars | 简介 | 备注 |
|---|---|---|---|
| LangChain 教程 | - | - | 吴恩达与 LangChain 开发者推出的教程，目前免费 |
| LangChain 的中文入门教程 | LangChain 的中文入门教程 | gitbook地址：https://liaokong.gitbook.io/llm-kai-fa-jiao-cheng/ | |
| langchain-ChatGLM | langchain-ChatGLM, local knowledge based ChatGLM with langchain | 基于本地知识库的 ChatGLM 问答 | |
| langchain | Building applications with LLMs through composability | 开发自己的 ChatGPT 应用 | |
| langchain-aiplugin | - | langChain 插件 | |
| LangFlow | LangFlow is a UI for LangChain, designed with react-flow to provide an effortless way to experiment and prototype flows. | LangChain的一个UI | |
| langchain-tutorials | Overview and tutorial of the LangChain Library | LangChain 教程 | |
| awesome-langchain | 😎 Awesome list of tools and projects with the awesome LangChain framework. | LangChain Awesome 资源列表。 | |
| llm-books | - | 利用LLM构建应用实践笔记 |
| 名称 | Stars | 简介 | 备注 |
|---|---|---|---|
| langchain | Building applications with LLMs through composability | 最知名应用最广泛的开发框架 | |
| Phidata | Build AI Assistants with memory, knowledge and tools. | 轻量灵活的Agents 开发框架 | |
| Agently | AI Agent Application Development Framework. | 少量代码即可构建AI代理原生应用 | |
| ollama | Get up and running with Llama 3, Mistral, Gemma, and other large language models. | 大模型私有化本地部署神器 |
- 一文读懂ChatGPT模型原理
- ChatGPT/InstructGPT详解 ChatGPT和InstructGPT在模型结构，训练方式上都完全一致，即都使用了指示学习（Instruction Learning）和人类反馈的强化学习（Reinforcement Learning from Human Feedback，RLHF）来指导模型的训练。要搞懂ChatGPT，我们必须要先读懂InstructGPT。
- OpenAI 联合创始人兼首席科学家 Ilya Sutskever 整理的一份机器学习研究文章 「掌握了这些内容，你就了解了当前（人工智能领域） 90% 的重要内容。
| 名称 | 简介 | 备注 |
|---|---|---|
| Improving Language Understanding by Generative Pre-Training | Generative Pre-Training方法通过预训练语言模型和Fine-tuning微调，可以在多个自然语言理解任务上取得最新的最佳性能。 与其他自然语言处理方法和技术相比，Generative Pre-Training方法具有更好的泛化能力、更高的效率和更少的标记数据需求。 | GPT-1 论文。有意思的是，GPT1的论文在投稿的时候并不是一帆风顺，甚至几番被拒稿并且从未被任何顶会接受。其中一个原因便是GPT1的模型在架构上几乎没有任何的创新。 |
| Language Models are Unsupervised Multitask Learners | 探索了更大规模的模型在ZERO-SHOT的情况下的表现，没有使用任何微调，仅靠预训练+提示+预测就在8/9个任务里达到了SOTA。 | GPT-2 论文 |
| Language Models are Few-Shot Learners | 从一开始的大模型预训练的引导者，到后面转为在无适配的FEW-SHOT泛化能力方向的引导者。 | GPT-3 论文 |
| GPTV_System_Card | GPT Vision System Card。 | GPT-4 多模态模型报告 |
论文解读：
深度学习入门「口袋书」，作者是法国计算机视觉专家 François Fleuret，用130多页概括了深度学习的主要内容，简洁明了。这本小册子非常适合放在手边，在需要时快速回顾关键概念。小册子的插图、工具、代码等都非常简洁优美，一目了然。
🔗 本项目为 EmbraceAGI 开源社区项目， EmbraceAGI 开源社区欢迎一切有志开源的朋友参与共创共建 AI 时代开源社区！
🔗 本项目使用 CC BY-NC-SA 4.0（知识共享-署名-非商业性使用-相同方式共享 4.0 国际） 协议开源。
- [经验分享] 如果您已经有 AIGC 领域求职经验，欢迎您分享您的笔试、面试经验、职位需求等等相关经验
- [开源共建] 您可以通过下面几种方向参与开源共建
- 共同编辑、维护本项目
- 共建共创 EmbraceAGI 开源社区
- [工作机会] 若贵司有 AIGC 相关招聘、内推信息，欢迎在本项目发布
有意者请通过 PR， Issue 或者下面的方式联系我。
💌 联系
项目作者——云中江树，相关开源项目：
如有任何疑问或建议，请通过以下方式联系我：
🌟 感谢您的关注和参与，祝您求职顺利！ 🌟
- EmbraceAGI 感谢 EmbraceAGI 社区对本项目的支持!