北京
“AI相关技能招聘岗位一年内增加了143%。”这个数字来自最新的行业统计，但真正让它变得有趣的，是后续的观察：填补这些职位的人，并没有花上好几年啃高等数学。他们按正确的顺序学会了六个概念，然后就开始动手构建。
这是典型的认知冲突。大多数人——甚至很多从业者自己——都认为，想成为严肃的AI开发者，先得有一张数学学位，或者熬过几年的计算机科学训练。这种观点并非全无道理，但它混淆了两条不同的路径。一条通向“机器学习研究员”，需要深厚的理论功底，从零设计模型；另一条通向“AI应用开发工程师”，它关心的不是发明新模型，而是把已有的模型用好。当前招聘市场上激增的143%，绝大多数要的是后一种人。
所以，争论“要不要学数学”其实是个伪命题。真正的问题在于：你知不知道怎么用那六个概念，把一个总是不听使唤的聊天机器人，变成一套能在生产环境稳定运行的系统。这六个概念，不是散落在一百个令人困惑的教程里，而是有它自洽的认知顺序。
基于原文给出的路线，我们先拆解最基础的两个。第一个叫“上下文窗口”。几乎每个新手都在这里栽过跟头，因为只有当系统突然出问题时，你才会意识到它的存在。大模型一次能“看见”的文本量是有限的，这个上限就是上下文窗口。想象会议室里的白板：你能在上面写很多内容，但一旦写满，超出边缘的字就彻底不见了。不是AI忘了，是它从未见过。
只要你的对话变得很长，或者塞给AI一整份特大文档，超出边界的那部分对话就会无声滑出白板。接着AI的回应就像那部分历史根本没发生过一样。大多数“为什么AI突然糊涂了”的瞬间，根子都在这里。掌握这一个限制条件，就足以让你避免很多初级错误。
稍微进阶一点，第二个概念“检索增强生成”，正是为了弥补上述缺陷、同时又给模型装上外部知识库而出现的。一个模型只知道它训练时学过的东西。如果你问它公司内部规定，它什么也答不上来，因为它压根没读过这些。检索增强生成改变了这个局面。可以把它想象成开卷考试和闭卷考试的区别：没有检索增强时，AI纯粹靠记忆作答；有了它，AI被允许在回答前翻开特定的一本书——你的文档、数据库、知识库——查完再说。
实践中，这个过程分三步走：第一步“分块”，你的文档被切碎成小块，转成可检索的格式存起来；第二步“检索”，AI根据问题去这个存储里搜出最相关的片段；第三步“增强与生成”，它综合已有知识和刚搜到的内容，给出答案。原文提到，几乎所有能回答某家公司内部信息的AI聊天机器人，背后都是这条路在起作用。
从上下文窗口到检索增强生成，这仅仅是六个概念中的前两个。后面还会涉及更复杂的构建模块，但哪怕只理解到这里，也已经能够解释大量实际应用中遇到的“意外”。如果把成为AI工程师比作搭积木，这两个概念就是最底下的两块——不花哨，但缺了他们，一切都会塌下来。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
