夜雨聆风你是不是也这样：入行AI训练师半年了，每天做数据清洗、跑微调脚本、看评估指标。你觉得自己在成长，但说不清楚“成长了什么”。你也想知道：那些年薪更高的高级训练师，到底比你多会什么？从“初级”到“专家”，到底要跨过哪些门槛？
这就是我们整理这份能力模型的初衷——把AI训练师的成长路径拆解成4个清晰的等级，每个等级的核心能力、典型任务和晋升条件都列清楚。
这是入门阶段，核心能力是“能听懂指令、能按流程执行”。
能力标签：数据清洗（按标注规范清洗数据）、模型微调（能跑通SFT/ LoRA脚本）、效果评估（会用工具计算BLEU、ROUGE等指标）、文档记录（能按要求填写实验记录）。
典型任务：按照给定的数据清洗规则处理1万条文本；运行微调脚本，调整learning rate等超参数；跑评估集，输出指标表格。
晋升到第二级的关键：不再需要手把手教，能独立完成分配的任务；开始理解“为什么要这样做”，而不是“别人让我这样做”。
这个阶段的核心能力是“能独立闭环一个小任务，开始有质量意识”。
能力标签：数据洞察（能从bad case中总结数据规律）、实验设计（能设计简单的A/B对比实验）、质量把控（能识别标注错误、数据偏差）、工具脚本（能写简单的Python数据处理脚本）。
典型任务：分析模型在某个类别上的bad case，给出数据改进建议；设计实验对比两种Prompt模板的效果；搭建自动化评估脚本。
晋升到第三级的关键：开始带新人或指导实习生；对某个子领域（如数据质量、评估方法）有超出团队平均水平的理解。
这个阶段的核心能力是“能解决团队里别人搞不定的问题，能沉淀方法论”。
能力标签：复杂问题定位（能定位训练不收敛、过拟合等深层次问题）、方法论沉淀（能把经验抽象成SOP或工具）、跨领域理解（理解业务场景，能把技术指标翻译成业务收益）、团队赋能（能组织技术分享，提升团队平均水平）。
典型任务：解决训练loss不下降的根因问题；建立一套数据质量评估体系，推动标注规范迭代；设计自动化训练pipeline，减少人工干预。
晋升到第四级的关键：在某个方向上成为团队公认的专家；能独立负责一个完整的项目模块（数据→训练→评估→上线）。
这个阶段的核心能力是“能定义标准、规划技术方向、影响团队”。
能力标签：标准制定（能制定数据标注规范、评估标准）、技术规划（能预测技术趋势，规划半年到一年的技术路线）、资源整合（能协调数据、算法、工程等多方资源）、行业影响（能在内外部技术分享中建立影响力）。
典型任务：制定面向新业务场景的评估体系，被多个项目复用；推动团队从“人工评估”升级到“自动化+人工抽样”；代表团队在行业会议上分享实践经验。
L1执行级（经验年限0-2年）：核心标签是按流程执行，薪资参考15K-25K
L2独立级（经验年限2-4年）：核心标签是独立闭环小任务，薪资参考25K-35K
L3专精级（经验年限4-7年）：核心标签是解决复杂问题，薪资参考35K-50K
L4专家级（经验年限7年以上）：核心标签是定义标准方向，薪资参考50K-80K+
加速器一：向上看一级。你现在是L1，就去观察L2的人在做什么、会什么。提前学习下一级需要的技能，而不是等晋升了再学。
加速器二：用作品说话。不要只写“我负责数据清洗”，要写“我优化了数据清洗流程，将人工标注量从1000条降到200条”。
加速器三：输出倒逼输入。主动做技术分享、写文档、带新人。教别人的过程，会逼你把知识体系补全。
在博为峰武汉校区的AI大模型训练课程中，会按照这4级能力模型设计教学内容。不同阶段的学员，匹配不同的项目难度和能力培养目标。教学方法侧重于“能力对标”——让学员清楚自己当前在哪个等级、下一步需要补什么。
最后想对你说：AI训练师不是“调参侠”，而是一个有清晰成长路径的专业岗位。从“别人告诉你做什么”到“你告诉别人该做什么”，中间隔的不是时间，而是能力模型里那一个个具体的技能点。把这4级能力模型存下来，每年对照一次，看看自己进步了多少、下一步要去哪。当你每一年都能清晰地说出“我比去年多了什么能力”时，晋升只是水到渠成的事。
