Case Study｜24 周 Standard 示例路径

本案例展示：如何把一位 10 YOE Production Engineer 已经很强的生产工程能力，转化为 OpenAI 或同类 frontier AI 团队可以审阅的 AI Infra / ML Systems 雇佣证据。它不是固定课程表；实际项目会根据目标岗位、职级、求职时间线与现有证据缺口反向设计。

项目结构与交付口径参考 OpenAI Inside-Out Track｜中期项目。

1. 转型命题：不是“从零学 AI”，而是重建证据链

学员基础

• 10 年 Airbnb 工程经验，覆盖 Backend、Full Stack、Product Engineering、Storage / Infra
• 已有强信号：system design、data consistency、caching、latency、reliability、cross-team execution
• 典型优势：能把复杂问题拆成可维护、可观测、可回滚的生产系统

真正的证据缺口

这位学员不需要重新证明“会写生产系统”。需要补齐的是招聘评审会继续追问的四件事：

1. 能否把 semantic quality 定义成可测量的指标，而不是只展示一个 Demo？
2. 能否把 Embedding、Index、Retrieval、Rerank、Evals 与 Serving 连接成完整系统？
3. 能否解释 AI 系统特有的 failure modes、data issues 与 quality / latency / cost trade-offs？
4. 能否把 10 年通用工程经历重新组织成一条对齐 AI Infra / ML Systems 的 Hiring Narrative？

目标岗位主线

Primary lane