收到老师邀请，不胜荣幸。我今年23岁，目前是一名硕士研究生。
我的专业是光电方向，平时的学习和科研工作主要围绕专业课题展开。因为研究过程中会接触一些编程内容，所以会使用Python和Verilog，也具备一定的技术基础。
刚读研的时候，我对未来的职业规划其实比较简单。
把专业学好。
完成科研任务。
顺利毕业。
然后找一份和专业相关的工作。
但这两年，随着人工智能特别是大模型技术的发展，我开始重新思考自己的职业方向。
最开始接触大模型，其实和很多人一样，是因为ChatGPT。
后来国内各种大模型产品陆续出现，我也开始尝试使用这些工具辅助学习和工作。
查资料。
总结文献。
整理内容。
很多原本比较耗时的工作，效率都提升了不少。
一开始我只是把它当作一个工具。
但随着了解越来越多，我慢慢发现，大模型带来的变化远不只是效率提升那么简单。
它正在改变很多行业的发展方向。
也正在影响未来的人才需求。
尤其是在我开始关注就业市场之后，这种感受变得更加明显。
很多企业都在布局AI。
很多岗位开始增加大模型相关要求。
甚至一些原本和人工智能关联不大的行业，也开始探索AI应用落地。
那个时候我开始意识到：
未来几年，大模型能力很可能会成为一种重要竞争力。
对于还在读研的我来说，现在正是积累能力的阶段。
如果能够提前接触并掌握这项技术，未来无论是就业还是职业发展，都会多一些主动权。
于是我开始主动学习大模型相关知识。
最开始是在网上看各种视频和文章。
了解Prompt。
了解RAG。
了解Agent。
也学习了一些大模型基础原理。
因为本身有一定编程基础，所以很多内容理解起来并不算特别困难。
但学着学着，我发现一个问题。
网上资料虽然很多，但大多数都比较碎片化。
今天学一点模型知识。
明天了解一点应用案例。
后天又接触一个新的框架。
知识越来越多，但始终没有形成完整体系。
很多时候知道概念，却不知道如何真正应用。
比如我知道什么是RAG。
但如果让我自己设计一个完整知识库系统，还是会有很多疑问。
我知道什么是Agent。
但如果让我独立搭建一个具备实际价值的Agent应用，也不知道应该从哪里开始。
这种感觉让我意识到，仅靠碎片化学习很难真正建立能力。
也是在这个阶段，我在某站上接触到了小灰熊AI，他们的后端是智泊AI。
最开始吸引我的，是课程内容比较系统。
从大模型基础知识，到RAG应用开发，再到Agent项目实战，都有完整学习路径。
相比于东拼西凑地学习，我更希望能够建立一套完整的知识体系。
所以经过了解之后，我选择加入课程。
其实我报名的目的非常明确。
一个是服务于当前的学习和科研工作。
另一个则是为未来求职做准备。
因为我越来越觉得，未来很多岗位都会和AI产生联系。
无论最终进入哪个行业，掌握大模型相关能力都会成为优势。
课程学习之后，我最大的感受就是很多原来模糊的知识开始逐渐清晰起来。
觉得它很智能。
很方便。
但现在会开始思考它背后的实现逻辑。
为什么这样设计？
为什么要引入知识库？
Agent是如何完成任务规划的？
模型和外部工具是如何协同工作的？
这些问题开始有了更加系统的答案。
这种变化让我受益很大。
因为学习技术最重要的并不是记住多少概念。
而是建立完整的认知框架。
只有理解整体架构，后面学习新的工具和技术时才会更加轻松。
除此之外，我也希望未来能够把大模型和自己的专业方向结合起来。
虽然我学的是光电专业，但我一直认为技术之间并不是完全割裂的。
很多科研工作都会涉及大量数据处理、文献分析以及知识管理。
而这些恰恰是大模型擅长的领域。
未来如果能够利用AI技术辅助科研，甚至参与一些智能化研究项目，我觉得会是一件很有意义的事情。
最近我也开始尝试做一些简单的项目实践。
虽然还处于学习阶段，但已经能够把学到的知识应用起来。
每当一个功能成功跑通的时候，都会有一种很强的成就感。
因为这意味着自己正在从“了解AI”逐渐走向“使用AI”和“开发AI”。
23岁这个年龄，最大的优势其实就是还有足够多的时间去尝试。
未来到底会选择什么样的职业道路，现在还没有最终答案。
但我希望自己能够提前做好准备。
当机会真正出现的时候，不会因为能力不足而错过。
对我来说，这次学习不仅仅是在学一门课程。
更是在为未来积累一种新的能力。
无论是当前的科研工作，还是未来的职业发展，我都希望能够把握住AI时代带来的机会。
而现在迈出的这一步，也许就是一个新的开始。