一个 RTX 3090 和每天 5 小时死磕

靠一张 3090 显卡在本地跑训练，每天下班后在电脑前坐到凌晨 3 点，这种生活我坚持了三年。最开始我只是想做独立游戏开发，但发现 AI 写代码太猛了，如果不赶紧上手，以后大概率会被替代。于是我开始死磕，从给 Vicuna 和 LLaMA 喂知识开始，后来尝试自己手动构建推理数据集。

在这个过程中我踩过最大的坑就是迷信数据量，后来才意识到数据质量才是核心。我花了半年时间手搓 Python 数据集，甚至包括那种能通过单条 Prompt 生成完整游戏的样本，最后搞出了 pydevmini-1。虽然规模不大，但在当时 Python 编码能力居然能跟顶尖模型打平，这也让我被 Tesslate 的团队看中，拿到了第一份真正能写在简历上的技术经历。

之后我尝试自己接单做 AI 咨询，通过 Google Ads 和 LinkedIn 找客户，一个月能挣 3000 刀左右。结果上个月，一个老客户直接给我发了全职 Offer，让我担任 AI 与系统开发总监（Director of AI and Systems Development），年薪 8.4 万刀且奖金不封顶，直接向 CEO 汇报。

最离谱的是，在拿到这个职位之前，我的主业其实是一个时薪 20 刀的后厨厨师，没有大学学位，也没有任何行业人脉。我的实操路径大致是这样的：

一、本地环境搭建
用单卡 RTX 3090 搭建本地训练环境，重点研究 LLaMA 等开源模型的微调。

二、数据质量攻坚
放弃盲目追求数据集规模，转而通过手动构建高质量的推理链（Reasoning Chain）数据集来提升模型逻辑能力。

三、项目闭环验证
开发并发布 pydevmini-1 这种具有具体功能（Python 编码）的小模型，用实际的 Benchmark 结果证明自己的能力。

四、商业化变现
从免费实习 → 独立咨询 → 正式高管，把技术能力转化为商业价值。

现在回看，如果没有那张 3090 和那些熬夜手搓数据的日子，根本不可能在 21 岁进入这个门槛极高的行业。