我今年35岁，在一家做通信相关解决方案的公司做售前方案。

说是“售前方案”，听起来好像挺技术，但其实很多时候更像是在技术、销售和客户之间做翻译：一边要理解客户的业务场景，一边要和技术团队确认可行性，再把方案整理成客户能看懂的文档。

这些年，我最大的感受是——越来越卷。

客户的问题越来越细，方案要求越来越高，但很多新技术名词出来以后，我经常处在一种“听过，但不敢说懂”的状态。

大模型，就是其中一个。

最早接触大模型，是在一些行业会议和客户交流中。客户会说：“我们想做一个智能客服。”“能不能加一个自动总结？”“能不能用 AI 做知识库问答？”

我表面点头，心里其实很慌。

因为我只知道：大模型很厉害。但“厉害到什么程度”“能不能做”“要怎么做”，我说不清楚。

这种说不清楚，让我在方案讨论时越来越被动。

我开始在 B 站、公众号上看一些大模型相关内容，但大多数要么太偏技术，要么只讲应用案例，看完还是不知道底层逻辑。

后来接触到小灰熊AI的相关信息，他们后端用的是智泊和魔泊云，说是从原理到应用再到项目，我第一反应其实是：我这种零编程基础的人，学得会吗？

纠结了好几天，最终还是报了。

原因很简单：如果一直因为“怕难”而不学，那我的职业天花板大概率也就到这里了。

刚进班的时候，说实话挺紧张。

看到群里很多人是程序员、工程师，我一度怀疑自己是不是走错地方了。

前几节讲基础原理的课，我听得很慢，有些概念要反复听两三遍。但让我意外的是，老师讲的时候，会不断把抽象概念拉回到“能干什么”“解决什么问题”。

比如讲模型输入输出、上下文、Prompt 的时候，不是公式，而是用“你怎么跟模型说话，它就怎么给你干活”来解释。

这种讲法，对我这种非技术背景的人非常友好。

慢慢地，我开始建立起一个感觉：原来大模型不是玄学。

后面学到知识库问答、简单 Agent 思路时，我第一次意识到：很多客户现在提的需求，其实是有成熟实现路径的。

以前再听到客户说“想做智能问答”，我脑子里是空的。现在至少能想到：是不是要准备文档？要不要做向量化？是否需要接检索？

虽然我还不会写代码，但我开始“听得懂技术在说什么”。

对我来说，这是非常重要的变化。

现在我在写方案时，会主动把 AI 能力作为一个模块去考虑，而不是完全依赖技术同事。

我也会在和客户沟通时，更清楚地引导需求边界，而不是一味点头。

学大模型，并不是因为我要转型做工程师。

更多是希望：让我在原有岗位上变得更专业。

35岁这个年纪，说不焦虑是假的。但至少现在，我感觉自己不是在原地等淘汰，而是在给自己加筹码。

我不知道未来会不会完全转向 AI 相关方向，但我很确定一件事：

懂一点大模型，一定比完全不懂更有选择权。

而这，就是我报名小灰熊AI最真实的原因。