传统后端SDE转AI可复制经验总结
这些也是我跟着别人share的roadmap然后转成的，所以确认可以复制，不过具体执行上会有一些根据自己实际情况的小改动：

SDE转AI就是扬长避短、速战速决，拖得越久越上不了岸，短时间内补齐ai integration与evaluation能力，而非补algorithm和math短板。不知道自己缺什么，就去看JD，现在高频出现的无非就是：
Agentic工作流与LLM集成：Agentic Workflows、AI Agent Skills、LLM tool-use Patterns、Agent Orchestration
RAG与向量检索
Model framework：PyTorch / TensorFlow等
AI system的评估与可观测性

额外做的项目：
类似于low-latency multi-model serving project，直接对应JD高频出现的serving、latency、cost等关键词，big tech反复强调的“"Production-level observability", "Model service reliability", "Multi-tenant platform"都能在这个项目里体现；
或者a fault-tolerant training orchestrator，更偏向AI Platform/Training Infrastructure方向。我有distributed systems经验，所以做这个更能体现优势。

下次说说面试准备的东西。
SDE ai