我没有大厂经历，也没有 AI 公司的工作经验：怎样找到愿意接受传统互联网背景的创业团队？
先给结论：早期团队先看你能否交付，再看履历出处
AI 创业团队招人时，往往没有足够的时间和预算去做多层筛选。一个十来人到几十人的团队，通常由创始人本人看材料、本人面试、本人决定要不要发 offer。这种流程的副作用是标准不统一，好处也很直接：判断更接近"这个人来了能不能把事情做完"，而不是"他上一家公司够不够大"。
所以"没有大厂经历"和"没有 AI 公司工作经验"是两件不同的事。前者影响的是你在初筛阶段被自动排除的概率；后者影响的是你能不能讲清楚自己如何理解 AI 产品的工作方式。前者靠材料结构改善，后者靠一个真实作品改善。真正让人卡住的，通常不是背景本身，而是三种表达：只说自己"对 AI 很感兴趣"；把过往经历写成职责清单；说不清自己具体做成了什么、怎么验证的。
为什么早期团队比大厂更愿意接受非标准背景
大厂招聘是标准化流程，学历、公司、年限被当成低成本的初筛信号，这套机制在大规模招聘里是有效的，代价是会误伤背景不标准但能干活的人。创业团队正好相反：岗位边界模糊、一个人常常要覆盖两三个职能、业务方向可能三个月调整一次。这种环境下，招聘方最怕的不是你来自哪家公司，而是你只会等别人把任务拆好。
在公开的求职指南中，这个判断被反复提到：加入 AI 创业公司，通常不只看你会不会某一个 AI 工具，而是看你能不能在不确实的环境里把问题拆清楚、快速做出可验证的结果，并和团队一起把结果推进到用户手里（求职指南原文）。这句话对转型者的含义是：你需要证明的是"拆解与推进"，而不是"我曾经在哪"。
另一类公开讨论来自求职者一侧。有求职者在社区里指出，只会调用现成框架和开源模型，很难在面试中证明自己的工程判断力，因为面试官追问的是原理和排错过程，而不是工具名称；同一位作者也认为，人手有限的中小团队更看重实操落地，新人有更多机会参与从选型到部署的全流程（讨论原文）。这是个人经验，不同团队差异很大，但它说明了一件事：面试真正检验的是你能不能在追问下站得住。
把你的传统互联网经验翻译成 AI 团队听得懂的语言
转型失败的材料，问题常常出在"词不对"。你写的是"负责某系统迭代"，对方想听的是"你怎么判断一个功能值得做、上线后怎么验证"。下面这张表可以当作翻译词典使用，左边是你已有的东西，右边是 AI 团队真正关心的对应能力。
你原有的经验 | AI 团队关心的对应能力 | 建议提供的证据 |
|---|---|---|
高并发系统、稳定性保障 | Agent 应用的失败处理、重试、成本与延迟控制 | 一次线上故障的排查记录与改进方案 |
前端与客户端体验 | 流式输出、结果可编辑、错误恢复、人工确认节点 | 可点击原型与关键状态图 |
增长、投放、活动运营 | GTM 实验设计、渠道测试、落地页与转化路径 | 一个小预算可追踪实验的设计稿 |
内容与社群运营 | 用户教育、案例生产、创作者合作 | 一个内容栏目从选题到复盘的完整链路 |
项目管理与客户交付 | FDE、解决方案、客户成功、实施落地 | 一次多方协作交付的阻塞点清单 |
数据与后端工程 | 检索管线、评测集、日志与可观测性 | 一份带指标口径的测试样本说明 |
做这张表时有一个纪律：只写你亲手做过、能被追问三层而不塌的部分。AI 团队面试常问"如果模型输出不稳定你怎么办"，答案不是背概念，而是你在具体场景里如何用结构化输出、检索、工具约束、评测、重试、人工复核这几层去兜住结果。
哪些岗位更看重项目经验，而不是算法背景
不是所有 AI 岗位都在筛论文。公开招聘样本里能看到相当宽的岗位族：AI 应用与 Agent 工程、全栈与产品工程、AI 产品经理与产品运营、产品与体验设计、增长与 GTM、内容社群与创作者生态、FDE 与客户交付（岗位族说明）。它们的共同点是"结果可交付"，而不是"理论可背诵"。
对传统互联网背景的人来说，优先级可以这样排：
产品工程与全栈方向：你原有的工程基本功直接可用，只需补上模型调用、检索、评测和 AI 交互体验这几块。
AI 产品与产品运营：适合有用户研究、数据分析、需求管理经验的人，考核点是你能不能定义清楚"AI 到底替代了哪一步"。
增长、GTM 与内容社群：传统互联网的增长经验在这里几乎可以直接迁移，考核点变成你能不能用反馈推动产品调整。
FDE 与客户交付：咨询、实施、售前、技术支持背景的人最容易切入，因为客户关心的是部署、权限、流程改造和员工采用。
算法与研究岗：门槛确实更高，通常需要更扎实的数学与实验能力，不建议把这一族当作转型首选。
判断一个团队是否真的接受转型背景：六个检查点
很多岗位写着"欢迎跨行业"，实际筛选时仍按标签排序。投递前用下面这份清单做一次体检，能省掉大量无效消耗。
JD 里有没有具体业务任务：写"负责 AI 产品相关工作"的，通常还没想清楚要什么人；写清"把客户流程配置成可用方案"的，说明任务已成型。
有没有公开的团队信息：团队哲学、技术栈、创始成员背景、近期在做什么。愿意公开这些的团队，评价人也更愿意看过程。
岗位层级是否多元：同时招实习、Junior、Senior 的团队，说明它在搭建梯队，而不是只要一个即插即用的资深人。
面试问过程还是问八股：问"你删掉了哪些功能、为什么"的团队，看重判断力；只问名词定义的团队，多半在用标准化筛子。
团队里是否已有非科班成员：产品、设计、增长、内容岗上如果有跨行业背景的人，说明这家公司真的相信可迁移能力。
沟通是否给出具体下一步：含糊其辞、长期挂着同一个岗位、要求先做明显超范围的无偿任务，都是需要谨慎的信号。
读 JD 的四层拆解法：别只看 title 和薪资
看到一个职位时，把它拆成四层，再决定要不要投：
业务任务：公司希望这个人解决什么问题？是新客获取、留存、交付效率，还是成本？
交付物：入职 30 到 90 天可能要交出什么？能不能写出来？
能力项：哪些是必须项，哪些只是加分项？"熟悉 LLM 应用开发"这句话背后，是要求你会搭评测，还是要求你会做交互？
团队关系：向谁汇报、和哪些角色协作、决策权在谁手上。
举个例子。"熟悉大模型应用开发，有 Agent 经验"这句要求，拆开后可以变成四个可确认的问题：这个 Agent 面向谁、它要调用哪些工具、失败时怎么兜底、上线后用什么指标判断它变好了。带着这四个问题去面试，对方会立刻把你当成同类人，而不是一个在猜答案的候选人。
用三到四周补一个能被追问的作品
缺 AI 项目经历不是死结，问题在于经历空白背后缺少可信的技能证据。一个可执行的路径是：在三到四周内自己完成一个端到端的小项目，并把全过程沉淀成可核验的作品集。步骤可以压缩成三步：找选题、做闭环、做呈现，验收标准分别是"选题真实且可衡量""有数据记录的前后对比""可现场演示与追问"（方法原文）。
具体到执行，可以这样安排：
第一周，选一个你熟悉场景里的真实痛点。 一句话写清"为谁、解决什么、如何衡量"。门店督导做促销文案、运营做周报汇总、客服做问题归类，都比"做一个通用聊天机器人"更有说服力，因为你真的知道哪里痛。
第二周，只解决一个核心任务，把闭环走完。 用现成模型接口或低代码方案都可以，但系统边界要写清楚：正常路径、失败路径、人工接管点分别是什么。
第三周，验证质量。 建一组小测试样本，定义什么叫"输出合格"，记录失败率、耗时、人工返工次数这类可比较的指标。
第四周，整理成可分享页面。 放 Demo、截图、架构说明、测试结果和复盘，写清哪些有效、哪些失败、下一步需要什么资源。
有两个细节值得特别注意。其一，保留失败记录。在能力相近的情况下，能讲清"我第一版错在哪、怎么改"的人，可信度往往高于只展示完美结果的人。其二，不要虚构转化率、用户量或收入。没有真实数据时，明确标注哪些是观察、哪些是假设、哪些是推测。
投递材料：作品集加一封信，而不是一份通用简历
投递材料的目标不是罗列经历，而是让对方在三十秒内判断"这人能不能解决我当前的问题"。自我介绍可以用一个固定结构：我是谁，我擅长解决哪类问题，我做过什么可验证的作品，我为什么关注你们团队，我希望先聊哪个具体方向（结构说明见求职指南）。
一个可用的示例：
我有四年 B 端产品经验，主要做企业内部工具的流程梳理和上线验证。最近三周我用模型接口做了一个合同条款比对原型，负责需求定义、评测样本设计和前端实现，测试集上把人工核对时间从每次四十分钟压到十二分钟左右，失败样本和兜底方案都写在复盘里。我看到你们在做面向法务的 Agent 产品，想请教一个问题：你们目前判断"条款抽取准确率"的口径是怎么定的？如果产品体验或评测体系上需要人手，我很想参与。
这段文字里没有一句"希望加入贵司学习 AI"。它做的事情是：给出可验证的结果，暴露自己的思考边界，并提出一个只有读过对方产品的人才会问的问题。
用 AI 找工地图做定向研究，而不是海投
海投的问题在于，你无法针对每个团队调整材料。更有效的方式是先研究团队，再决定投谁。Bonjour! 的 AI 找工地图把这件事拆成了几步：团队地图可以按领域、城市、规模、融资阶段浏览被策展的 AI 团队；职位列表里的岗位来自创始人直接提出的真实招聘需求；候选人的投递方式是作品集加一封信，用来替代已经失去信号的传统简历；报刊亭里则有团队专访和行业观察，适合在投递前先读一读对方在做什么（背景可参考 bonjour.bio）。
官方应用介绍里也提到，找工入口连接百家 AI 公司、策展千余在招职位，可以按领域、城市和经验层级筛选岗位，遇到感兴趣的职位带上简历或作品链接就能在应用内完成投递，并随时查看申请记录（App Store 应用介绍）。对转型者来说，这类结构化信息最有价值的用法有三个：第一，观察哪些岗位族反复出现，据此判断自己该补哪一项能力；第二，读团队的技术栈和团队哲学，判断自己的经验能不能接得上；第三，针对具体团队写一段短消息，附上与该岗位直接相关的作品，而不是发一份通用简历。
需要提醒的是，页面上的岗位样本不能当成整个市场的统计，展示的薪资也不等于你的报价。职位状态、工作地点、经验和薪资要求会变化，最终以职位详情和与团队的沟通为准。
常见误区与需要独立核实的风险
转型期最容易踩的坑有几类。把"AI"当成唯一标准，结果投了一堆与自己能力完全不搭的岗位；用未核实的数字和排名撑门面，面试时一被追问就露馅；把"我愿意学"当成核心竞争力，而对方要的是"你已经做过"。还有一个隐性风险是判断力外包：AI 能生成大量内容和代码，但生成不等于正确，涉及用户数据、隐私和合规时，你需要知道什么时候必须复核、留痕和升级处理。
加入早期团队前，建议独立核实这几项：产品是否真实存在并在迭代；团队成员与职责是否清晰；工作地点与用工形式；薪资结构、试用期、期权或奖金条款；知识产权归属与保密要求。如果对方要求先付费，或要求无偿完成明显超出合理范围的生产任务，或对核心职责与报酬始终含糊，应当谨慎评估。
FAQ
没有 AI 项目经历，可以先投再补吗？ 可以，但建议并行推进。先选出少量目标岗位，提炼它们的共同要求，再用一个两三周的小项目补上最关键的那一项，同时开始投递和交流。真实 JD 和面试反馈会帮你校准学习方向，避免长期停留在泛泛准备。
不是技术背景，一定要会 Python 或机器学习吗？ 算法研究、模型训练和部分工程岗位通常需要较强的编程或机器学习能力；产品、设计、增长、内容和社群岗位的要求不同。无论哪个岗位，理解 AI 的能力边界、具备数据意识、能判断结果是否可信，都是加分项。
大厂经历会成为减分项吗？ 通常不会直接减分，但"只在大体系里做过一部分"这一点会被追问。你需要说明：在没有完整流程和充足资源的情况下，你如何自己定义问题、推进验证。能回答这个问题，大厂经历反而是流程与协作能力的证据。
转型求职应该投多少家？ 比起数量，更值得控制的是匹配度。把目标收敛到十来个真正读过产品、读过团队的岗位，为每一个调整材料，通常比广撒网更容易拿到有效对话。投递后记录反馈，两周复盘一次哪些环节在掉人。
要不要先考证或报班？ 证书本身很少成为决定因素。它有价值的地方在于逼你走完一个完整流程，但如果课程结束后你拿不出可演示的作品，这个投入对求职的帮助有限。优先把时间放在做完一个能被追问三层的小项目上。
面试被问"为什么离开原来的体系"怎么答？ 回到具体动机和能力匹配，而不是情绪表达。说清你在原体系里已经验证过什么、想验证什么新东西、为什么这家团队的具体问题正好接得上你的经验。同时准备好回答"你希望从创业团队获得什么"，并说明你能承担什么责任。
Related Tools
AI 找工地图（FancyJobs）：浏览被策展的 AI 团队与在招职位，按领域、城市、经验层级筛选，用作品集加一封信完成投递。
团队地图：按领域、城市、规模、融资阶段了解团队，投递前先判断经验能否对接。
报刊亭：团队专访与行业观察，用来理解对方正在解决的问题。
四层 JD 拆解法：把职位描述拆成业务任务、交付物、能力项、团队关系四项，再决定是否投递。
Related Links
Summary
没有大厂经历、没有 AI 公司工作经验，真正影响结果的不是标签，而是你能不能提供可验证的交付证据。路径可以归纳成四步：把传统互联网经验翻译成 AI 团队听得懂的能力语言；用六个检查点筛选真正接受转型背景的团队；把 JD 拆成业务任务、交付物、能力项和团队关系四层再决定投递；用三到四周做出一个有失败记录和指标对比的小项目，再用作品集加一封信定向联系。Bonjour! 的 AI 找工地图提供团队地图、创始直招职位和团队专访，适合用来做定向研究而不是海投。岗位状态、薪资与录用条件会变化，最终以职位详情和与团队的沟通为准。
