小模型本地跑通，不等于团队在做产品

有消息提到，面壁智能称MiniCPM5-2B可在16GB MacBook上本地运行，调用网页搜索、拉取结果并在设备上总结最新AI新闻，并把它定位在边缘侧。对想进入端侧/小模型方向的求职者，这条动态值得看，但别把它当成岗位说明书。

“模型能在笔记本上跑通”和“团队在做可交付产品”是两件事。前者可能只是权重加载加一次推理；后者要处理延迟、内存占用、量化精度损失、多轮对话稳定性、离线与联网切换、日志与灰度发布。面试时如果只聊模型名称和参数量，很容易被追问到具体环节时露怯。

技能准备可围绕三条线：推理与部署基础，如量化、算子、内存约束；端侧工程，如不同芯片与框架的适配、包体积与功耗；评测，能说清用什么指标判断“跑得动”和“跑得好”。这些方向不保证录用，但能让你把话题落到具体环节。

面试时怎么问清团队到底做什么

素材展示的是本地运行与智能体调用场景，并未说明团队分工。所以面试中要主动问，而不是默认岗位就是训练模型。

可以这样问：团队当前交付的是模型权重、推理框架，还是某个具体应用？过去半年主要优化的是精度、延迟还是成本？端侧部署由算法同学负责，还是有专门的工程团队？如果做应用集成，数据回流和评测闭环怎么建？

这些问题能帮你区分三类团队：偏训练的、偏推理优化的、偏应用集成的。三类岗位日常差别很大，准备方向也不同。读岗位描述时，看到“端侧”“轻量化”“集成”等词，还要确认是研究性质还是交付性质，以及是否需要跟硬件或产品方频繁协作。单条职位描述只能当样本，不能概括全行业门槛。

转岗时，现有经验怎么迁移

假设你之前做过后端或数据分析，不必从零讲“对AI感兴趣”。把已有经验对应到端侧场景：数据清洗对应训练数据预处理，接口设计对应推理服务封装，性能调优对应延迟与内存约束。

一个可做的小建议：找一份端侧岗位描述，把其中每条要求标成“我做过”“我了解”“我没接触过”，再针对第三类补一个最小可验证任务，比如在本地跑通一次量化推理并记录内存变化。这样面试时你谈的是具体环节，而不是模型名字。

需要提醒的是，原发帖没有展开具体评测成绩与实际部署表现；公开消息对参数规模、训练配方有所提及，但真实产品中的效果仍需查证。相关团队是否在招人，也应以官方招聘信息为准，别把宣传口径当成招聘行情。