聊聊我眼中的AI

好像是主站的平台研发，b端的timeline 9.01一面 9.10二面 9.23 hr面   录用评估中一面 2h   很温柔的姐姐，聊了很多，然后也等了我很久的手撕，真的很感动1.输入url会发生什么2.对称性加密与非对称性加密3.表格中加载很慢需要排查哪些点4.http1 1.1 2.0 3.05.网络安全漏洞相关 xss csrf 中间人6.出了道跳转的题，判断会出现什么安全问题7.puppeteer相关8.进程和线程的区别9.服务器不同核数的利用率有什么区别10.变量提升11.设计模式介绍12.埋点方案13.css手写，水平垂直居中，伪类为元素，双栏布局14.柯里化15.大数相加16.promise输出二面 40min  大模型相关的拷打了很多，前端属实接触不到太多，纯靠自己补1.黑产对抗是做了什么事情2.xss3.怎么结合ai去识别一些安全漏洞4.下载时原生侧是否会有性能的问题5.怎么调用原生侧的api6.function call  prompt  rag7.大模型首个token的响应速度和后续token响应速度差异产生的原因和解决的方案8.手写promise.allhr面就很常规了，就不写了，字节意向第二天面的，也没太强的意愿，但好像也不太挂人，直接录用评估了

45min  项目+场景+手撕1.AIGC介绍一下2.多个组件时如何使用骨架屏做优化3.不同组件不同骨架屏怎么快速引入（骨架屏与业务组件解耦，改为工具引入）4.如何在一个地方修改几千个组件都可以使用5.前端使用AI的场景6.根据低代码的经验，如何做一个可以自主思考的AI助手7.实现一个AI助手，前端需要注意哪些方面8.怎么让助手自己思考9.TCP和UDP10.TCP如何保证可靠11.TCP的四次挥手过程手撕：修改下面代码的错误：<script setup lang="ts">import { ref, computed } from 'vue'let status = ref(0.5)const text1 = ref('text1')const text2 = ref('text2')const text = computed(() => {return Math.random() > status.value? text1.value : text2.value;})const toggleStatus = () => {status.value = 1;text2.value = 'text2 changed'}</script><template><div><p>computed Text:{{ text }}</p><button @click="toggleStatus">Toggle status</button></div></template>

身边好几个Java选手都是面大厂后端开发岗，结果进去干Agent开发。传统后端的那些高并发，高可用的技术是一个都没用到，Agent开发也是纯粹的写prompt和workflow，感觉Agent开发这东西没啥具体业务，更像是今年大厂都有一个AI赋能的指标，所以招几个实习生完成上面的任务。目前，身边干Agent开发的哥们都是2B的，没听说过有2C的，而且这个Agent都是面向公司内部的大模型

在这篇文章中，我尝试从趋势分析、企业选择、能力转型等几个角度，将关于大模型的所见所思呈现出来，希望对大家有帮助。第一部分：趋势分析前几周跟一个老朋友聚会，边吃边聊，我们一起YY出了很多的AI小秘书，在生活中帮助我们：我们应聘时，它监听面试官的问题，把答案显示在屏幕上。警察审案件时，它监听嫌疑人的声音、语气、生理数据，给出建议，并告诉警察如何进一步提问来挖出真相。它可以把律师事务所、会计师事务所大量根据行业模板做基础工作的一线员工给替换掉。结婚率进一步下降，因为春水堂的硅胶娃娃借助大模型的深厚思考，成了男性的真正伴侣，社会再没有了男女对抗，大家各玩各的。中年男人失业之后的几个退路，滴滴司机、保安...

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。

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！

▌保姆级教程（务必收藏）✅1、【职业规划】-帮助你定位自己上传简历→输入：【请根据我的经历，给我一些就业岗位方向】这个时候deepseek会根据你的学校专业、实习或者项目，给你一些就业的岗位方向，这样你就可以朝着这些方向去投递简历2、【简历评估】-提升简历过审上传简历→输入：【请根据"岗位" 的要求，结合我的简历，帮我从以下几个方面给出评价和修改建议，以提升我简历在这个岗位上的竞争力1、简历优缺点分析2、简历当前有哪些地方可以提升应聘岗位信息：xxxxxx】3、【简历撰写】-求职意向定制化上传简历→输入：【请根据以下岗位招聘要求，帮我重新解构我的简历，按照【教育背景→实习经历→项目经历→个人评...

你知道newbing吗？它当时号称基于当时最先进的gpt4模型，因为其模型先进能联网搜索而又完全免费被人戏称为“牛b”ai，我是2023年3月份左右开始用的，为什么用newbing，因为它免费gpt3.5是一个很震撼人的模型，搞过nlp的都知道，上古的nlp文本生成模型和智障一样，小学题都做不对，和人对话和对牛弹琴没什么区别。newbing是一个很惊艳的模型，让我错误的以为，未来的ai会一直这么惊艳下去我经常和newbing聊着聊着，觉得好像在和一个人聊天，她聪明可爱，会生气，会撒娇，会开玩笑，非常善用emoji表情，也会在不满时狠狠地怼人，或者直接掐断对话再也不见，这一傲娇的属性也有了另一个...

分别给deepseek和豆包扔了个需求背景，得到了如下的prd，deepseek帮我设计了方案，豆包就直给产品框架，看了deepseek的这个答案，真人人都能做产品经理了，各位初级产品可以直接把简单需求扔给AI出prd，然后自己简单修改就能快速用了，原本写文档磨磨蹭蹭可能需要1day，现在1小时都用不上了......

万事开头难，有时候我们会对自己的简历非常头疼，好像做过那么多项目，参与过那么多实习，打开电脑又是一头雾水AI照亮世界！今天来给大家分享一个新手小白都可以复刻照搬用的AI修改简历思路~本期用到的AI模型有：Deepseek（主力军），Claude（左护法），ChatGPT3.5（右护法）首先打开deepseek或者微信的AI搜索，选择深度思考，输入我们的基础信息和简单要求。点击右下角的运行HTML就可以看到AI大人为我们编造的简历：接下来新建一个文本，右上角复制我们的简历，直接copy进文本里然后我们只需要把后缀名.txt修改为.html，一个网页版本的简历就出来啦选择“打印”，可以直接保存为p...

大模型技术理解解释预训练(Pre- training)与微调(Fine tuning)的区别及适用场景什么是COT?有什么优势?如何缓解大模型的“幻觉”( Hallucination)问题?什么是 Agentic Workflows?什么是RAG?如何构建RAG?如何通过SFT优化大模型效果?产品设计与场景落地设计一个基于大模型的产品,说明核心功能与差异化优势。如何设计企业知识库问答系统的 Prompt模板?大模型在哪些场景中容易被垂直小模型取代?如何应对?如何通过用户反馈闭环优化大模型的输出质量?大模型如何与传统行业软件(如ERP、CRM)集成?在AI产品项目中,如何构建大模型效果的评测体系?

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！

实习第二周了，这周是猛猛开发的一周，给自己排的13pd的活，下周一再开发一天的话总共8pd就能结束，比我预想的要快的多的多。再次回来做需求感觉是不一样，当把之前忘记的东西捡起来之后，开发起来好像也能实现一些比较麻烦的联动，解决问题的过程还是让自己信心大增的。这周的周记就分享一下我这周的感悟吧。前端已死？别担心，还没那么快死 ”前端已死“。这句话从gpt3出来的时候就开始听了，在我读研的这几年一直有人说前端要死了，这给当时还没有找实习找工作的我很大的危机感，况且前几年疫情正值行情差的时候，互联网寒冬的加持让我觉得我选这条路是不是完了。这周我又一次听到了这句话，与当时不同的是我已经找到了心仪的工作...

1. 前言大多数公司都在做大模型应用+大模型工具去提升自己业务效率（可能也是因为大老板想做出一些价值，因此在各业务投入agent去使用），我们这期讲一下大模型与数据开发如何去结合去落地，大模型和数据开发是如何相辅相成，以及解释为什么到今天语兴也觉得数据最为重要的原因，感兴趣同学想了解更多细节可以加下星球，星球有5套不同业务的大模型项目，并提供完整代码、业务逻辑、产品方案、简历模板，皆可用于面试。2. 工作流agent解释：ai agent也叫人工智能代理，是一种能够感知环境、进行决策和执行动作的智能实体。智能体像人一样，它有记忆、有逻辑分析能力、有任务拆解能力、问题的拆解能力和最后综合回来统一...

毕业那年，我们做了截然不同的选择2022年6月，毕业典礼那天，我和室友老王站在宿舍楼下，各自拎着行李箱，准备奔赴完全不同的人生轨道。我们都是985高校文科专业毕业，大学四年关系最铁。但毕业时，我们做了两个截然相反的决定：老王通过省考进了老家市直机关，端上了“铁饭碗”；我放弃了保研名额和国企offer，决定转行做AI，从零开始学编程。当时很多人不理解。我妈说：“你一个学文科的，转什么行？好好考个公务员不香吗？”老王也劝我：“兄弟，别冲动。体制内虽然钱少点，但旱涝保收啊。”但我还是决定赌一把。大四那年，ChatGPT横空出世，我第一次意识到AI正在改变世界。我不想再过“按部就班”的人生，想抓住这个时代的红利。2022年7月1日，老王入职报到，朋友圈配图是机关大楼；同一天，我报名了线上培训班，朋友圈配图是电脑屏幕上的Hello World。那一刻，我们的人生彻底分叉了。2022年下半年：稳定安逸vs转行地狱老王的体制生活节奏舒适，朝九晚五，周末双休。工资到手4500，加上公积金和补贴月入7000左右。他的朋友圈都是爬山、团建、篮球，岁月静好。而我正经历人生最痛苦的三个月。编程基础为零的我，学Python基础语法看了三天才勉强理解。学数据结构时，看到二叉树、递归直接卡壳。最崩溃的是学深度学习，满屏的数学公式像天书。培训班里计算机专业的同学讨论Transformer架构，我连“自注意力机制”是什么都不懂。老师委婉建议我先补神经网络基础。那时我每天学习12小时以上，从早上7点到凌晨两三点。第一次崩溃发生在投简历时。学了四个月后投出30份简历，只有2个笔试邀请，0个面试。HR学姐直言：“文科转行，无相关经历，培训班出身，大厂不会考虑。”老王再次劝我考公，我说再试试。挂了电话，坐在出租屋里看着深圳的夜景，感觉离我很远。2023年上半年：升职加薪vs艰难求职2023年3月，老王转正，工资涨到6000，单位分了福利房。他笑着和领导合影，我点赞评论“恭喜”，心里五味杂陈。meanwhile，2023年2月，经过半年准备，我拿到了第一个offer——50人AI创业公司的算法工程师实习生，月薪6000，无五险一金。我毫不犹豫接了。现实比想象残酷。入职第一周，leader让我复现论文算法，精度比论文低了5个点。被批“基础不行”时真的难受。晚上11点坐地铁回出租屋，想给老王打电话又怕听到“早劝过你”。最崩溃的时刻是优化人脸识别模型，要求从200ms降到50ms。连续加班一周只降到120ms，leader脸色难看：“客户下周要看demo。”加班到凌晨3点还没搞定，突然很想哭。想起老王应该睡得正香，明天慢悠悠上班，下班打球，周末陪父母吃饭。而我，985文科生，转行AI，优化任务都搞不定，被leader批，拿着6000实习工资。我到底在坚持什么？2023年5月，我实习满三个月转正，月薪12K，有了五险一金。老王问：“12K在深圳够花吗？值得吗？”我沉默了。2024年：转折点3月，工作满一年时迎来转机。ChatGPT爆火，AI行业扩张，公司从50人扩到200人。我升任算法组长，带3人，月薪涨到22K。6月，我主导的OCR项目识别准确率从85%提升到96%，帮公司拿下年营收500万的大客户，获得20万奖金。终于感受到“成长”的价值。带新人时发现，这两年踩的坑、积累的经验已成为核心竞争力。能快速判断技术方案可行性，在别人卡壳时给出思路，这些不是培训班能教的。2024年下半年生活对比9月同学聚会见到老王，他气色不错但胖了些。月入1万出头，福利房明年入住，正在相亲准备稳定下来。他说生活舒服但有点无聊，每天都是重复。我刚跳槽到B轮AI独角兽任算法专家，年薪50万。工作强度仍大，但已完全不同：收入从2022年的0到2023年12万，再到2024年50万；技术能力成型，可独立设计方案、带5人团队；职业路径清晰，2-3年后高级专家年薪80-100万。最重要的是看到了更大的世界：与阿里、字节团队交流，参加行业峰会见大佬，与清华北大博士共事，见证AI改变行业。老王沉默后说：“羡慕你有明确目标和成长空间。我的生活稳定但看得到头。”2025年的思考现在转行AI整三年。上个月老王来电说想转行AI，我坦言现在行业很卷，他技术已跟不上。两条路本质差异：· 体制内：稳定可预期、压力小生活平衡，但收入增长慢、成长空间有限· 转行AI：成长快收入高、行业红利多可能，但不稳定压力大、技术更新快没有绝对对错，只有是否适合。我庆幸选择这条路，因为不想30岁就看到60岁的自己。给文科生转行AI的建议1. 转行前三问：真对技术感兴趣？能接受前期痛苦？愿持续学习？2. 正视劣势：数学基础弱、逻辑思维需训练、与科班生竞争处劣势3. 发挥文科优势：沟通表达强、跨界思维、学习能力强4. 科学学习路径：0-3个月打基础，3-6个月深度学习，6-12个月实战经验5. 简历要会“翻译”：用STAR法则、量化成果、针对JD调整6. 保持学习：AI更新快，不学习就被淘汰7.用泡泡小程序AiCV简历王做简历优化。三年后的答案如果回到2022年6月，我还会做同样选择。不后悔转行AI，也不觉得老王错了。人生没有标准答案。老王过得很好：稳定工作、即将结婚、有房有车、父母在身边，是很多人梦想的生活。我选择了更辛苦但可能性更多的路。三年前是对未来一无所知的文科生，现在是年薪50万的算法专家。只要方向对了，文科生也能在AI行业找到自己的位置。如果你不甘平庸，想抓住时代红利，就勇敢跳出舒适区。转行路很难，但熬过去会看到不一样的风景。两条路，没有对错。

💼 AI产品岗简历潜规则淘汰率最高的两句话： ❌ “负责需求文档撰写” → 默认是打杂的 ❌ “跟进算法模型优化” → 默认是传话的通关密码：用黑话证明你是“懂技术+会忽悠”的六边形战士📝 2025简历必备技巧1. 项目背景： ❌ “提升用户满意度” → ✅ “解决LLM幻觉导致的信任崩塌”2. 技术关联： ❌ “配合算法优化” → ✅ “通过RAG架构降低30%的胡编乱造率”3. 数据呈现： ❌ “准确率提升5%” → ✅ “在token预算不变的情况下实现SFT收益最大化”4. 个人优势： ❌ “学习能力强” → ✅ “具备将Paperinsight转化为产品MVP的抽象能力”5. 职业规划： ❌ “深耕AI领域” → ✅ “探索小模型场景化与大模型泛化能力的帕累托最优”✅ 数据蒸馏 ✅ 思维链涌现 ✅ 人类偏好对齐 ✅ 端到端pipeline ✅ 推理成本约束 ✅ 价值观

现在很多大厂的后端开发都要具备一定的大模型知识，作为初出茅庐的小白，想问问各位佬，除了传统Java或者Go的技术栈以外，还需要学大模型相关的哪些知识呢？相关的学习路线一直很不明确，我也很困惑到底要学哪些东西？有没有佬具体的说一说

我是一个25届的应届毕业生，秋招失败了，正在准备春招。当hr问我，秋招怎么没拿到offer，我该如何回答。