首页 / 聊聊我眼中的AI
#

聊聊我眼中的AI

#
309245次浏览 5577人互动
来聊聊你眼中的AI!无论是有用的使用经验和攻略、还是有趣有梗的使用经历和新发现,又或者人与AI之间的有温度的交手,我们都期待你的分享~
此刻你想和大家分享什么
热门 最新
02-26 15:31
已编辑
牛客运营
有奖征文:聊聊你眼中的AI,投稿得丰厚奖励!
置顶
🎉 征文背景随着DeepSeek等AI技术的飞速发展,AI已经渗透到我们生活的方方面面——从校园学习到求职职场,再到日常生活的点滴。它不仅改变了我们的生活方式,更带来了前所未有的便利和惊喜。一起来聊聊你眼中的AI!无论是有用的使用经验和攻略、还是有趣有梗的使用经历和新发现,又或者人与AI之间的有温度的交手,我们都期待你的分享~📝 内容要求:征集时间:2025年2月7日—3月7日 24:00面向对象:牛客社区所有创作者参与方式:带上话题 #聊聊我眼中的AI#,在社区内发布帖子或动态,字数不得少于200字。内容方向:基于校园、求职、职场、生活四大核心场景下的不同阶段或者问题,分享你与AI有关的...
糖糖小七:5个月前,我还是一名在编幼儿教师,现在我想要进入AI行业,因为世界在变,我也想改变。 其实,3年前我们就有了AI革新教育的培训,但是我身边的老师总是说:“幼师是不会被替代的,因为带孩子是需要爱,是需要温度的。”我承认教育是非常需要爱的,但是当下快节奏的的教育中真有爱吗? (以下为个人心得) 老师们为了写手里的资料,完成形式主义工作,跟着教育界专家的风一阵吹这儿,一阵吹那儿,忙的焦头烂额,孩子们天天被催促完成任务,2个家长1个孩子都累,1个老师30个孩子真的能有温度吗? 我想说一个现实是:“某些“老”教师可能只是年龄大,并没有成熟的、先进的带娃经验。解决事情全靠吼,看一个老师好不好,看她带出来的小朋友做事行为就知道了。某些级别高的老师压根不在班里呆。” AI的出现,帮助我们快速的完成教案撰写、教学反思、课堂素材的查找等一系列琐碎的工作,加快了工作效率,缩短了时间,方便很多。可惜,就算一线城市很多老师也不会把AI用在教育上,固守自己原先的教学模式,幼儿是最好奇、也是成长最快的年纪,他们的需求真的被满足了吗?他接受的教育真的没有脱节吗?(就像从没找过工作的大学老师指导我们求职,看现状,不太行) 未来,我希望能够加入AI教育的行列,深入研究幼儿教育,希望每个小孩子的心事都能被倾听,有需要时能够及时回应,遇到一个专业的AI教师正确引领幼儿走上属于他的人生道路,而不是父母眼中的谁谁谁,如果未来有幼师机器人,希望他能够陪伴、保护每个小宝贝、 #聊聊我眼中的AI#
点赞 评论 收藏
分享
DeepSeek为什么不是由院士,杰青这些花费了国家巨资的人才搞出来的,高校都在干什么?
我是22级硕士研究生,大概22年底,ChatGPT-3.5发布的时候,我就注册了账号尝试使用,那会儿的感觉就是“颠覆”二字。但2022/2023两年给导师写过近10篇本子,还都和大模型没关系,一直到2023年下半年才初见端倪,专家们开始说“2024年热门肯定是AI大模型”。课题组一直有研究AI,但基本上没有传承,2024年初导师开始要求我们研究大模型,这期间问过我好几个“愚蠢”的问题:“咱的3090训练大模型不够用?”“那为啥人家学校都能研究大模型,他们都有A100吗?”“你要想着去解决科学问题,比如能不能提升推理时间,能不能比世界第一更强!”“咱的显卡也是够用的,你看那台服务器就有两块4090D,那台有4060……”所以我认为AI不是科研项目,它不依赖学术界的主导。AI是一个工程领域,需要应用数学家和大量工程师的大规模投入,涉及购买GPU、建造服务器、数据处理和模型训练等,远非在办公室/会议室/酒桌上讨论可行性的问题。全球范围内,像中国和美国的大型AI模型,都是由企业主导的,而非大学或研究机构。因此,中国的学术界只能在旁边观望,已经没有话语权,也不应将美国的论文当作标杆。中国的学者普遍没有参与一线AI项目,这也是为什么他们觉得中国在AI领域落后,而实际在一线工作的美国公司认为中国并不差,甚至在某些领域有所领先。这种现象恰恰揭示了产学之间思维范式的根本差异。高校的科研体系本质上是围绕学科建设与论文产出的"盆景式创新",而企业驱动的AI革命则是以市场需求为导向的"雨林型进化"。当院士们还在用论文引用数丈量科研价值时,DeepSeek的工程师们已经在用每秒浮点运算次数重构认知边界。这并非学术界的失职,而是技术代际更替的必然——就像蒸汽机不会诞生于牛津大学的经院哲学,AI大模型时代的创新主场注定要回归到产业实践的熔炉之中。
已注销:毕业生连工作都找不到,送外卖的送外卖,做保安的做保安,所以高校都在干什么,高校肯定在搞笑啊
点赞 评论 收藏
分享
头像
02-09 12:00
已编辑
北京体育大学 测试工程师
原来我可以少走这么多弯路
我的梦想是去美团当测试,以前我啥也不懂,然后看了看b站的软件测试课,在微信读书上看了几本相关书籍,刷了几天面经,看了几篇CSDN,不断面试不断失败,至今都没有实现梦想现在有了AI,他可以规划我的职业路径和成长计划,只需要我给他提问题,让他回答我 hi,我现在研一,想通过校招毕业去美团担任测试开发工程师,我的技术栈是Python,请帮我规划一下我的学习路线我的天,直接照着这个学,能少走多少弯路啊,也不用学的太深入,速成搞一版简历出来,这不令面试官兴致盎然offer手到擒来吗?你也可以试试呢为了帮助你在校招中成功加入美团担任测试开发工程师,以下是一个系统的学习路线规划,结合了技术栈、实践项目和面试准备:---一、基础知识巩固阶段(研一上)1. Python编程深化   - 核心语法:类与对象、装饰器、生成器、多线程/多进程、异步编程。   - 常用库:Requests(HTTP请求)、Pandas(数据处理)、Logging(日志管理)。   - 书籍推荐:《流畅的Python》《Effective Python》。2. 软件测试理论   - 测试基础:测试流程(需求分析→用例设计→执行→报告)、测试金字塔模型。   - 测试类型:功能测试、接口测试、性能测试、安全测试(OWASP Top 10)。   - 设计方法:等价类划分、边界值分析、场景法,使用工具XMind编写测试用例。3. 数据库与Linux   - SQL:复杂查询(JOIN、子查询)、索引优化、事务隔离级别。   - NoSQL:Redis基础命令与缓存应用场景。   - Linux:Shell脚本编写、日志分析(grep/awk/sed)、性能监控(top/htop)。--- 二、测试技术进阶(研一下)1. 自动化测试框架   - Web自动化:Selenium(元素定位、Page Object模式)、Pytest集成(参数化、Fixture)。   - 接口自动化:Requests+PyTest(封装请求工具类)、Postman进阶(Newman批量执行)。   - 移动端自动化:Appium(Desired Capabilities配置、Hybrid应用测试)。2. 持续集成(CI/CD)   - Jenkins:Pipeline脚本编写、定时任务、与GitHub/GitLab集成。   - Git进阶:分支策略(Git Flow)、冲突解决、代码Review流程。3. 性能测试入门   - Locust:分布式压测、自定义脚本编写,监控服务器资源(CPU/内存)。   - Jmeter:基础元件(线程组、断言)、生成HTML报告。---三、项目实战与进阶(研二)1. 实战项目   - 项目1:搭建自动化测试平台(技术栈:Flask/Django + Selenium + Jenkins),支持用例管理、定时执行。   - 项目2:实现接口性能监控系统,使用Locust+Prometheus+Grafana可视化QPS、响应时间。   - 开源贡献:参与Apache项目(如DolphinScheduler)的测试模块,提交Bug修复或自动化脚本。2. 深入美团技术栈   - 学习内部工具:了解美团内部测试工具链(如Mock平台、用例管理工具)。   - 业务场景模拟:设计外卖订单系统的测试用例(并发下单、支付超时、库存校验)。3. 算法与设计模式   - 高频题目(字符串、链表、动态规划),目标每日1-2题。   - 设计模式:单例、工厂、观察者模式在测试框架中的应用。---四、实习与面试冲刺(研三)1. 实习准备   - 简历优化:突出自动化测试项目、性能调优经验,量化成果(如“提升用例执行效率30%”)。   - 内推渠道:通过学长、牛客网、美团招聘官网获取实习机会。2. 面试专项突破   - 技术面试:     - 场景题:如何测试美团外卖的“下单”功能?     - 编程题:Python实现LRU缓存、多线程安全队列。   - 行为面试:准备STAR模型案例(如“解决团队协作冲突的经历”)。3. 模拟面试   - 使用牛客网、模拟面试功能,录制视频复盘表达逻辑。---五、附加建议- 技术博客:定期总结学习内容(如《使用Selenium Grid实现分布式测试》),发布在掘金/CSDN。- 软技能:学习沟通技巧(《非暴力沟通》),参与团队项目锻炼协作能力。- 行业洞察:关注美团技术博客(如“美团技术团队”公众号),了解前沿技术(A/B测试、精准测试)。---通过以上分阶段的学习和实践,你将在校招中具备扎实的技术实力和项目经验,大幅提升进入美团的竞争力。加油! 🚀        感觉学完这些 虽然也可能略有瑕疵 但是已经并不是一个烂大街的人了,简历不会被丢掉,如果学历还行的话,绝对稳稳拿下,这辈子有了!
时雨h:
点赞 评论 收藏
分享
AI能为你生成100个解决方案,却永远代替不了你去体验真实的人生
最近DeepSeek很火,看到大家都惊叹于它能写出非常精美的文章,在生成解决方案的同时还能为你展示思考过程。于是我也去用了一下,确实还行。它确实能展现针对问题的分析过程,给出的答案也似乎比其他国内AI更细腻一些。但它说到底依然只是个工具,它可能可以提高你的工作速度,但未必能提高你的工作质量。我现在每天的生活和工作已经离不开AI了,我会用AI来查资料和检索信息,也会让它提供一些问题的解决方案,还会让它给我的公众号文章起标题。在使用的过程中,它确实会给我一些惊喜,会给出一些我未曾想到、但具有启发性的答案,给了我更多的选择。但,它没法帮我做判断,最终那个做判断的人依然是我,我需要去判断它生成出来的东西是不是符合我目前的工作需求,是不是我所想要表达的东西。而这,才是决定工作质量的关键。在使用AI帮助我进行工作和生活的过程中,我有一个很深的感触:我发现,要做成一件事,其实不是难在你能做出多少种不同的方案,不是难在你能在头脑里、在纸面上构想出多少种解决问题的方法。真正的难的地方在于决策和执行,难在你能结合当下的情况、权衡各种利弊、承受各种未知的风险,从这么多方案里选一种,然后真的到真实的世界中把它落地。就好像,如果你问AI怎样才能提升自己的精力水平。如果你愿意,它能从日常饮食、运动健身、工作休息、心理健康等等各种方面给你制定100个周密且管用的计划。但这些生成出来的计划再有效、再精巧,和你有什么关系呢?只有你真的在里面选出一两个,真的日复一日地去做了,它才和你有关系,才能真正改变你的生活。当然不能否认,AI确实为我们节省了很多时间。可能以前我们从收集信息到最终制定出方案需要花好几天的时间,现在只要几秒钟就够了,而且它能为我们提供更多的选择。从口耳相传,到《百科全书》,到搜索引擎,再到现在的AI,其实所有的新技术本质上起到的作用都是相似的:帮我们节省了时间,为我们提供了更多可选择的方案。但我们真的缺方案吗?你爸妈让你回家考公务员,你早就知道这是一个或许是在大数据统计上对你来说最优的人生选择方案,但你就是不想选,你就是想看看凭借自己的能力能不能在大城市获得小概率的成功。AI,或者任何高科技工具,都永远代替不了你去生活,永远代替不了你一步一个脚印的实践、切实的体验和真实的感受。而人之所以为人,你之所以是你,恰恰就是因为你每天都在真实地感受和生活啊!  
点赞 评论 收藏
分享
04-01 18:56
南昌大学 Java
[4.1]团子测开暑期凉面(55min)
上来做自我介绍与项目介绍0八股,0手撕,0场景题,0智力题(老实说像kpi面)全程拷打项目(一个外卖项目,一个dp路由组件项目)1.项目背景(为什么要做这两个项目)2.项目架构是怎样的(客户端到服务端)3.负责实现的后端模块4.你项目中遇到的最大的困难是什么(这真想不到,答了个数据库中分表的方式在满足第三范式与实际业务效率之间不好权衡)5.追问:那你是如何权衡的,你又采用了什么具体方案?(答不了一点,答了个加冗余字段)6.那你项目中具体有哪些表?说一说7.那你刚才说的具体方案是如何具体实施在这些表上的?8.当用户下单之后,一直到下单成功,整个业务流程是怎么样的?9.那如果当业务中出现了问题,如何给用户退款?如何回滚业务?10.你这个项目既然是面相校内,那么体量应该很小,为什么要做这个dp路由组件?(从Sharding-JDBC、Apache ShardingSphere、Mycat等市面上已有的分库分表路由组件得来的灵感,想要提升自己)11.你这个路由组件具体是怎样实现的。(忘了)12.dp路由组件满足的业务需求(分库分表)13.你这个dp路由组件是如何储存数据源信息的?(数组,从HashMap得来的灵感)14.那具体是怎么哈希的。(Hash散列+)15.为什么采用hash散列而不是刚才你说的其他散列方法?(乘法散列,除法散列,斐波那契数列(没想到我连斐波那契这四个字都忘了))16.当遇到扩容需求时,你的具体扩容方案是什么?这里要保证数据一致性,那你怎么得到扩容后的每个库的hash值?(使用消息队列进行异步扩容,如果存储数组大小不够就按照与HashMap一样的模式扩容)17.那你具体是如何保证在扩容时旧库与新库的数据一致性(BinLog,RelayLog)18.你用过AI吗,你的项目中有使用AI吗?没使用的话,你能说出在你项目中如果使用AI可以实现怎样的功能吗?19.你了解LLM相关的大模型吗(答了个只知道名字)20.列举一下你知道的LLM相关的大模型框架(就说了个Agent,还不知道是不是)21.那你能说说你在平时写码时怎么使用的AI吗(列举了Cursor和Clause等写码能力强的AI模型,但是因为经济能力的原因只使用像DeepSeek这样的免费AI大模型进行模块化开发,因为AI对于复杂的业务处理能力不行,但只要能够将业务分成多个模块,那么AI对于一个个模块的代码的处理就十分的强大)还有几个问题我忘了.........反问:1.我是第一次面试,有什么可以提升的吗2.之后要是有第二次面试的话会如何通知我3.你们部门的业务是什么,最近怎么名厂都喜欢问两句AI(类似于腾讯云之类的这样的数据储存项目)(现在基本上大厂都会问,不论是什么岗,要是可以展现出对AI大模型的深入理解的很加分)4.我本来是投的JAVA后端研发的岗位,但不知道为什么转测开岗了,我测试开发的基础基本为0怎么办呢?    投的研发但是被测开捞了,想着有面就面了。但是最近一周由于忙之前的小厂实习以及学校方面的事又没怎么复习面经,算法之类的东西,结果全是项目拷打是没想到的。感觉这次团子的面真的想kpi面,感觉应该是没了......    明天还有高德的面试,话说笔试3道编程题0分都有的面吗?感觉又是个kpi面。
准备offer的考拉:是北京base吗?哪个部门呀
查看22道真题和解析
点赞 评论 收藏
分享
面试官:什么是MCP?你是如何理解的?
MCP(模型上下文协议)可以理解成一个“AI翻译官+智能管家”的组合体,它的核心作用是让AI大模型能更流畅地与外部世界“对话”和“合作”。用生活化的例子来解释:1. MCP是AI的“万能翻译官”假设你有一个只会说中文的AI助手,但你想让它帮你操作家里的英文智能音箱、查询法国天气、甚至调用公司的数据库。这时候,MCP就像一个翻译官:统一语言:它把AI的“中文指令”翻译成各种设备/系统能听懂的语言(比如API接口、数据库查询语句),同时把外部系统的反馈再翻译回中文告诉AI。打破隔阂:无论设备是国产的还是进口的,只要支持MCP协议,AI都能直接“喊话”操作,不用为每个设备单独学外语。2. MCP是AI的“任务调度员”当AI需要完成复杂任务时(比如“帮我订一张明天上海飞北京的机票,然后发邮件通知同事”),MCP会像管家一样拆分任务:分步执行:先让AI查航班信息,再调用订票接口,最后通过邮件工具发通知。自动纠错:如果某个步骤失败(比如航班售罄),MCP会告诉AI重新规划,比如“换下午的航班”或“改高铁”。3. MCP是AI的“记忆助手”大模型虽然聪明,但容易“健忘”(比如对话太长就记不住上下文)。MCP的作用是:整理重点:把长对话压缩成“关键词+逻辑链”,比如把“用户昨天说喜欢川菜,今天要请客”简化成“用户需求:川菜餐厅推荐,6人,预算500元”。按需调用:当AI需要回忆细节时,MCP会快速“翻笔记”,而不是让AI从头读所有对话。4. MCP是AI的“安全保镖”当AI需要操作敏感信息(比如银行账户、医疗记录)时,MCP会:检查权限:确认AI有资格访问这些数据(比如用户已授权)。加密通道:像“保密通话”一样,确保数据传输过程中不被窃听。MCP让AI从“学霸”变成“社会人”没有MCP时,AI像是一个只会读书的学霸,虽然知识渊博,但不会用手机、不会点外卖、不会打车。有了MCP,AI就像一个精通多国语言、会规划行程、能处理突发状况的“社会人”,能无缝融入我们的日常生活和工作场景。         
点赞 评论 收藏
分享
面试官:Agent智能体核心构成模块?
1. 感知模块(Perception)- 功能:通过传感器、API、文本/语音输入等方式,从环境或用户处获取原始数据。- 关键技术:多模态数据处理(文本、语音、图像)、信号降噪、数据标准化。- 产品视角:需平衡数据采集效率与用户隐私(如明确告知数据用途)。2. 认知与决策模块(Cognition & Decision-Making)- 理解层:自然语言处理(NLP)、计算机视觉(CV)解析输入内容。- 知识库:存储长期记忆(领域知识库、用户画像)和短期记忆(会话上下文)。- 推理与决策:基于规则引擎、机器学习模型(如强化学习)或规划算法生成行动策略。- 产品视角:需关注决策透明性(如可解释性AI)与伦理风险(如避免偏见)。3. 执行模块(Action)- 功能:将决策转化为具体行动,如控制硬件、调用API、生成回复。- 关键技术:动作序列编排、与外部系统集成(如IoT设备)。- 产品视角:需设计容错机制(如执行失败后的回退策略)。4. 学习与优化模块(Learning & Adaptation)- 持续学习:通过用户反馈、在线学习(Online Learning)更新模型。- 自适应机制:动态调整策略(如对话系统根据用户情绪改变语气)。- 产品视角:需平衡模型迭代速度与稳定性(如A/B测试验证新策略)。5. 交互模块(Interaction)- 多模态交互:支持语音、GUI、手势等交互方式。- 对话管理:维护上下文、处理多轮对话跳转(如电商客服的订单追踪)。- 产品视角:注重用户体验设计(如减少交互摩擦、提供情感化反馈)。6. 系统与安全模块(System & Safety)- 资源协调:多任务调度、计算资源分配(如边缘计算优化)。- 安全合规:数据加密、偏见检测、异常行为监控(如自动驾驶的紧急制动)。- 产品视角:需符合行业法规(如GDPR)并建立用户信任。7. 评估与反馈闭环(Evaluation & Feedback Loop)                
点赞 评论 收藏
分享
玩命加载中
牛客网
牛客企业服务