领域专精：选一个方向扎下去

专家的定义不是「什么都懂」，而是「在某件事上别人会来问你」。

这一篇帮你做选择，并给出每个方向的入门路径。

一、选方向的四个标准

标准	问自己
有真实需求	这个方向有岗位/有客户/有论文产出吗？
你有优势	你的行业背景、数据资源、工程能力是否匹配？
能持续 3 年	三年后它还存在吗？还是会被基础模型吃掉？
你能忍受枯燥	你要读 50 篇论文、跑 200 次实验，愿意吗？

一个诚实提醒

越靠近「通用能力」的方向，越容易被下一代基础模型吃掉。 「做一个更好的通用聊天」这类方向，个人很难有空间；而「某个垂直行业的深水区」空间很大。

二、方向地图

A. 大模型应用工程（岗位最多）

子方向	内容	门槛
RAG / 检索增强	复杂文档、多跳、图检索	中
Agent / 工作流	工具编排、可靠执行、人在回路	中
上下文工程	长文档理解、记忆管理	中
评测体系	领域 benchmark、自动评分	低（但价值高）

优势：不需要大算力，成果可量化，行业经验能复用。 风险：技术变化快，需要持续跟进。

B. 训练与对齐

子方向	内容	门槛
领域微调	SFT 数据工程、LoRA 配方	中
偏好对齐	DPO 变体、合成偏好数据	高
蒸馏与小模型	数据蒸馏、能力迁移	中
后训练数据工程	数据配比、质量筛选、去污染	中高

优势：直接决定模型效果，稀缺。 风险：算力需求高，容易变成「调参工」。

C. 推理与系统

子方向	内容	门槛
推理加速	vLLM/SGLang 调优、调度、并行	中高
量化与压缩	混合精度、敏感层分析	中
分布式训练	大规模稳定性、通信优化	高
成本工程	路由、缓存、容量规划	中

优势：与业务规模直接挂钩，越大的公司越需要。 风险：偏基础设施，需要较强系统功底。

D. 多模态

子方向	内容	门槛
文档智能	票据/合同/表单的解析与抽取	中
视觉理解	质检、医疗影像、遥感	高
语音	ASR/TTS 的领域适配	中
视频理解	审核、检索、摘要	高

E. 垂直行业（最容易做出差异化）

行业	典型问题	壁垒
医疗	病历结构化、辅助诊断	数据与合规
法律	合同审查、判例检索	专业知识
金融	风控、投研、合规	数据与监管
工业	质检、预测性维护	现场数据
教育	个性化、批改	教研内容

行业方向的壁垒不是算法，是数据 + 流程理解 + 合规。 这恰好是通用模型替代不了的。

三、怎么选：三步决策

第 1 步：列 3 个候选（结合你的背景）
第 2 步：对每个做「一周小项目」—— 不是调研，是动手做出一个能跑的最小东西
第 3 步：问自己三个问题
        · 我做这一周，是兴奋还是煎熬？
        · 我能不能说出这个方向 3 个未解决的问题？
        · 我有没有别人没有的东西（数据/场景/人脉/经验）？

「一周小项目」是防止选错方向最便宜的办法。 比起花三个月才发现不喜欢，成本低太多。

四、扎下去的行动清单

时间	动作
第 1 个月	读完该方向 10 篇核心论文 + 2 篇综述，写一页方向地图
第 2–3 个月	复现 2 个代表性工作，记录所有坑
第 4–6 个月	在自己的数据/场景上做一个改进，量化对比
第 7–12 个月	形成方法论 + 公开产出（博客/开源/基准/论文）
持续	维护该方向的「问题清单」，只做清单里的事

五、判断你是否已经「专精」

自检（能全部回答「是」才算）：

• 我能说出这个方向 3 个主流方案，以及各自在什么条件下更优
• 我知道它们的代价（算力/延迟/数据要求/维护成本）
• 有人拿一个具体问题来问我，我能在 10 分钟内给出可执行的判断
• 我读过这个方向最重要的 20 篇论文，能说出它们的谱系关系
• 我有一个别人可以复用的产出
• 我知道这个方向接下来最可能被突破的地方在哪

六、常见弯路

弯路	后果	修正
追热点，每季度换方向	三年后什么都不深	定一个，至少投入 12 个月
只做「调 API」不做深	容易被替代	至少在一个环节做到「能改底层」
选了一个没有真实需求的方向	找不到工作/用户	选之前先看岗位与客户
不公开产出	没人知道你专精	写出来、开源出来
拒绝承认边界	信誉受损	明确说「这个我不知道」

七、最后：专家心态

专家的标志不是「什么都知道」，而是「知道自己不知道什么，并且知道怎么查」。

• 遇到不确定，第一反应是设计一个实验，而不是找一段话术
• 愿意说「这个结论我只在 X 条件下验证过」
• 能区分「论文说的」「我复现的」「我猜的」
• 对失败案例的兴趣大于成功案例

这四条，比任何技术栈都更能定义「专家」。

下一步

→ 回到 完整路线图，或去 项目实战 挑一个真正的代表作。