站在岸上学不会游泳 | 算法校招生的高效成长总结

      在这个由数据编织、由算法驱动的时代，AI大模型正成为推动社会进步的重要力量。我们不仅是变革的见证者，更是推动者和塑造者。感谢零售UP技术人栏目的邀请，本文借此机会回顾一下自己的算法之路上的一些故事和思考，希望能带给读者一些帮助。

介绍自己

我是2020届校招生，INFJ提倡者，毕业于上海交通大学，入职以来一直担任算法工程师一职，在这个充满挑战与机遇的岗位上，我始终致力于将AI人工智能技术与我们的业务实践紧密结合，我深知我的工作不仅仅是编写代码和优化模型，更是要用技术的力量推动业务的创新和进步。

目前，我主要负责的是京东智能客服系统的核心算法工作。在这个数字化和智能化日益重要的时代，智能客服不仅极大地提升了我们的服务质量和效率，更是成为了我们与客户沟通的重要桥梁。在transformer、大语言模型（LLM）等前沿技术的加持下，我通过精准的数据分析、高效的算法设计和持续的系统优化，使我们的智能客服系统更加智能化、更加人性化，并在行业中保持领先地位。

大模型变革引领整个2023年，我作为核心算法能力主要提供者，设计开发的京东零售客服垂域大模型能力在“基于大模型重构智能客服”项目中起到了核心作用，获得了业务的一致认可，最终项目荣获了2023年京东集团“创新项目奖”。

除此之外，我入职以来也荣获多次重要荣誉，如京东零售技术榜样、年度明星员工奖、最佳校招生、京东零售交易金码奖、1篇优秀专利、优秀党委工作者等。

算法启蒙：从控制科学到人工智能

理论思想：照亮算法之旅的明灯

我们现在工作中讲的“算法”，一般指的是人工智能相关的技术，但我最早开始接触的"算法"这个词还未曾被人工智能的光环所笼罩。我的本职专业，控制科学里面的各种基础算法理论构成了我本科和研究生生涯的知识底色，尤其是经典的PID控制，它的哲学思想如同一盏明灯，照亮了我后来的算法探索之旅。在后来的研究生“科研生涯”，我每每在算法的迷宫中迷失方向时，我常常会想起PID的古老智慧，尝试将它的原理巧妙地融入现代算法的框架中，也就是将PID的算法点往进“套”， 比如负反馈（正则优化）、比例控制（权重比例）、噪声（负样本）等，大都能取到不错的优化效果，这种新旧结合的算法模式，算是自己专业上的一种延续和传承，内心聊以慰藉。

现在回想起来，控制理论相关的基础思想奠定了我早期的算法思维模式，但当时人工智能的概念还没有太流行，我大学本科阶段大部分时间都花在了控制理论的领域，基础知识晦涩难懂，但每每挑灯钻研，突然之间恍然大悟的时候，内心的成就感难以言表。我既沉醉于那些充满挑战与紧张的时刻，它们如同磨砺意志的砺石，也不忘对目标的执着追求，因为结果往往是对努力最公正的见证。控制理论的积累，为我后续走上算法之路打下来坚实的基础。以过程为尺，量度每一步的坚持与精进；以结果为灯塔，照亮前行的道路。注重过程和结果的我，不管在学生生涯和工作生涯，始终坚信每一步的积累都是通往前进的基石。

迈入潮流：无数次失败与探索

我在研究生那几年，人工智能炒的火热，计算机视觉领域的Faster RCNN、SSD、YOLO等框架独领风骚，自然语言领域的Transformer、Bert、GPT等模型强势崛起，引领着新一轮的技术潮流，我嗅到了一丝不寻常的风向，但我所在的实验室属于传统的控制方向的实验室，这方面的探索和积累基本等于无。在人工智能的浪潮推动下，没有任何领域能够脱离其深远的影响，导师也欲拿出一小部分资源来开辟新的实验方向，于是我主动与导师进行了沟通并表达了自己意愿和想法，导师十分开心的同意了。虽然我拿到了这个机会，但是也有一丝丝担心，因为全新的方向没有师兄师姐带，方向、论文、实验都需要自己摸索，毕业没有了保障，这个时候只能靠自己了。

根据实验室有限的资源、自己的前期调研，我很快敲定了自己的研究方向，大方向是基于3D点云图像的目标检测技术。没有数据，想方设法搞到模拟数据，没有GPU，软磨硬泡搞到GPU，一次次的实验失败，毕业的压力无限涌上心头，无数个不眠的夜晚都在思考实验的事情，那年上海的冬日更是以它独有的严寒考验着我的坚持与毅力，实验室座位旁边贴着Royal Never Give Up，《生活大爆炸》更是在宿舍带给我欢笑和动力，Sheldon他们对科学的热爱和追求鼓舞着我，每一次失败都像是在黑暗中摸索，但每一次进步都如同破晓时分的第一缕阳光温暖有力量，最后我的毕业论文以一篇顶会完结，大会在悉尼召开，我主动联系导师表达了想出国参加学术会议的意愿，可能导师看到我可能给实验室带来了不一样的方向，最终实验室和学校共同资助我出国参加了这次学术会议，这段经历至今让我难忘，回国后没两周疫情爆发了，最后我以上海市优秀毕业生的荣誉毕业。

 

 

在悉尼参加学术会议

为什么来京东这个问题对我来说很好回答，因为这里有吸引人的领导。秋招众多的offer中，只有这一份offer最为独特，我的领导作为经验丰富的职场前辈，愿意以一种平等、尊重、真诚的态度与一个毕业生保持交流，这让我感受到了京东的企业文化不仅仅是一句空话，而是一种深入人心的实践。领导的真诚态度也让我对京东的工作有了更多的期待。在一个真诚相待的环境中工作，可以减少不必要的误解和冲突，提高工作效率和团队凝聚力。那个时候我才意识到我内心深处期待的原来是这样的团队，满怀期待和希望，我踏上了京东这一段职业旅程。

下一站，京东。

算法应用：职场新秀的成长征途

深入一线：站在岸上学不会游泳

和很多同学一样，以为进入到大厂，就可以立马进行生产任务，部署上线后产生价值。但是我很快意识到，arxiv上的那些所谓的算法，与实际业务落地实际相去甚远，这也是目前学术界和工业界普遍存在的问题。实际上，算法工程师平时的工作，更多地要求我们具备创新思维和解决问题的能力，而不仅仅是依赖现有的技术和工具。虽然我们可以使用到业界领先的模型和算法，但如何将它们有效地应用到实际问题中，如何针对特定的业务场景进行调整和优化，这些都需要我们具备扎实的技术基础和敏锐的业务洞察力。这不仅要求我们不断学习最新的技术动态，还要求我们深入理解业务需求，以便更好地将技术转化为实际价值。

深入了解业务不仅仅是完成产品需求文档（PRD）中列出的任务，更重要的是要亲自投身到业务的第一线，通过直接体验和观察，可以获得更为真实和全面的理解，从而更有效地推动项目的发展和优化。我负责客服域的一些算法方向，隔三差五就搬个小板凳坐在楼上的客服同学旁边，一方面观察自己上线的算法模型在客服同学中的使用情况，收集建议，思索优化方向，另一方面观察和交流他们在系统操作、流程优化、工单流转等方面的痛点和潜在问题，对于我所负责的模块，我会迅速与产品和研发团队沟通，确定并实施优化措施。如果问题涉及其他团队，我也会及时通知他们，并积极参与讨论。一个卓越的系统背后，往往是众多不同角色的通力合作与协同努力的结果。

“站在岸上学不会游泳”，深入一线接触实际业务场景可以增强业务理解，这种理解是设计有效算法模型的基础，深入一线业务是实现技术与业务深度融合的关键，有助于我们创建更加贴合实际需求的解决方案。

追求卓越：对项目负责是一种态度

在这个快节奏、高效率的时代，我们每个人都肩负着将项目从概念转化为现实的重任。然而，完成一个项目只是开始，如何高质量地实现项目目标，才是我们的终极课题。“对业务负责”不仅仅是满足客户的需求，甚至需要超越客户的期望，这要求我们在整个项目周期内持续提供卓越的业务价值。

在平时工作中，要做到“对项目负责”，我们需要的不仅是技术和管理，更是一种态度，一种对卓越的不懈追求。这可能要求我们做到明确目标与期望、项目开发规划、团队协作与沟通、持续的质量控制等各个方面做到极致。2023年大模型的改革之风引起各行各业的变动，团队内部敏锐地意识到大模型和客服系统之间的强烈联系，迅速拉通产研同学，我多次走访一线，确定了大模型落地和试点方向，目的使大模型的作用真正服务好每一位用户，最终和产研确认了10多个业务场景作为前期的探索重点；经过大半年和多个版本的迭代，我基于客服域沉淀的有效会话数据，创新的训练了客服域垂域大模型，以此为基础洞察用户咨询痛点，提升人工客服接待效率，基于大模型重构的智能客服为用户带来了全新的客户体验，让大模型价值实打实的落地到实际业务中。

在智能客服大模型项目的MVP迭代过程中，我对线上的效果进行了持续跟踪和反馈，线上的效果持续跟踪和反馈是确保算法性能和产品价值的关键环节。这不仅是一个技术过程，更是一种深刻的客户服务理念。我建立了一套全面的线上监控系统，实时跟踪算法的各项性能指标，如准确率、响应时间、用户满意度等。这些数据为我们提供了宝贵的反馈，使我们能够快速识别问题所在，及时进行调整。在一线调研和效果沟通环节，我不断鼓励用户参与到产品的迭代中来，用户的每一次点击、每一次互动都成为我们改进产品的宝贵资源。注重倾听用户的声音，理解他们的需求，将这些反馈转化为具体的算法改进措施。我会定期进行A/B测试，对比新旧算法在实际应用中的表现差异，客观评估算法改进的效果，不断调整技术细节，直到找到最佳的解决方案。

对项目负责，不仅仅是完成任务，而是要追求卓越。这个时候，我不仅仅是一名算法工程师，我不仅要关注算法的技术细节，更要关注算法在实际应用中的表现和效果。通过持续的效果跟踪和反馈，不断优化算法，提升产品价值，最终交付一个高质量的项目成果。

三维成长：驱动力、深度广度与心态

数据+算法+工程=算法工程师，与我而言，对数据的洞察，算法的探索，以及对于应用实践的持续投入，这三种纯粹而强烈的驱动力塑造了我专业成长的轨迹。

数据，是洞察业务背景的窗口，对数据的敏锐洞察是我工作的基石。我致力于从海量的业务数据中发现有价值的信息，通过数据分析和挖掘，为业务决策提供有力的支持。

算法，是解决业务难题的手段，对算法的深入探索是我不断前行的动力。技术领域的发展日新月异，新的算法和模型层出不穷，我们应不断的调整算法思维，以应对不断变化的市场需求。

应用实践，是检验业务成果的试金石，理论的先进性需要通过实践来验证。我注重培养将算法模型从理论转化为实践的能力，这包括但不限于参与模型的部署实施、进行严格的A/B测试验证、搭建系统的稳定运行和性能监控机制，确保算法的实用性和有效性。

作为算法工程师，我们的职业发展既需要深度也需要广度，而项目管理者的角色则为我们提供了一个将这两者结合起来的平台。

深度是我们的核心竞争力，它要求我们对算法有深入的理解和精湛的技术。这包括但不限于对机器学习、统计学、优化理论、概率论等领域的深入掌握，以及对特定算法模型的熟练运用。深度还涉及到对特定问题的洞察力，能够设计出既高效又精确的算法解决方案。在项目中，深度使我们能够解决复杂的技术难题，提高模型的性能，这是我们作为技术专家的价值所在。

广度则涉及到跨学科的知识和技能，它要求我们对项目的整体有更全面的理解。这包括了解业务需求、项目管理流程、团队协作方式等。广度还意味着我们需要具备良好的沟通能力，能够与不同背景的人有效沟通，理解他们的需求和限制。在项目中，广度使我们能够更好地协调资源，推动项目进展，这是我们作为团队成员的价值所在。

另外，良好的心态是职业发展的润滑剂。它包括对挑战的积极态度、对失败的宽容心态、对成功的谦逊态度。算法效果的提升不是一蹴而就，失败的实验更是家常便饭，这个时候良好的心态能够帮助我们在面对技术难题时保持冷静，不妨适当学会适当释放压力，比如一次清晨的慢跑，一次深夜的沉思，一次美好的相遇，或者是热度很高的“公园20分钟充能理论”，这些短暂的时光，虽然简单，却能够为我们的心灵和身体注入新的活力，适当做做减法，可帮助我们从日常的压力中暂时解脱出来。有必要积攒一些微小的期待和快乐，这样才不会被遥不可及的梦和无法掌控的未来给拖垮。

算法变革：AI大模型对算法的重塑

作为一名算法工程师，我深知AI变革对我们的意义。在这个由数据编织、由算法驱动的时代，AI大模型正成为推动社会进步的重要力量。我们不仅是变革的见证者，更是推动者和塑造者。

自己有把伞，胜过任何地方的屋檐。不管如何变革，个人的准备和适应能力始终是面对未知挑战的关键。适应AI变革，意味着我们要拥抱变化。正如达尔文所言：“存活下来的物种，不是那些最强壮的种群，也不是那些智力最高的种群，而是那些对变化做出最积极反应的物种”，保持好奇心和开放心态，这样才能在变革中找到新的机会。AI大模型的变革为我们提供了前所未有的机遇，让我们有能力解决以往无法解决的问题。作为算法工程师，我们要勇于尝试，不断探索新的解决方案，用我们的创造力推动技术的边界。

我们不仅要持续深化对机器学习、深度学习等核心AI技术的掌握，还要学会运用和驾驭日益丰富的数据处理工具和框架。我们面临着提升对大数据处理能力的需求，以及在云计算、分布式计算环境下进行算法实现和优化的挑战。同时，AI变革也带来了对算法工程师跨领域知识和软技能的更高要求，包括对业务的理解、项目管理能力以及团队协作精神。此外，随着AI技术的伦理和隐私问题日益凸显，我们还需要培养强烈的责任感和道德意识，确保技术应用的合理性和安全性。在AI不断推动行业转型的今天，算法工程师更应具备前瞻性思维，不断探索AI技术的潜在应用，引领创新，以适应并推动这一变革。

这也可能是一场深刻的社会结构和文化价值观的转型。这场变革将触及人类生活的每一个角落，从经济活动到社会互动，从个人认知到集体决策，都将经历重塑和再造。AI变革是一场全方位的社会转型，它要求我们在享受技术带来的便利和效率提升的同时，也要积极面对伴随而来的挑战。我们需要在技术发展和人文关怀之间找到平衡，确保AI技术成为推动社会进步、增进人类福祉的正能量。