腾讯一面的两个重要问题

简介/背景 最近我在做一个改简历的智能体。一开始用的是 Spring-AI-Alibaba（SAA），但实践下来迭代慢、效果也不稳定。后来我用 Codex 写 Skills，很快就把流程打通了，效果明显好很多。这件事让我坚定一个想法：生活里 90% 的事情都应该用 AI 来提效。   核心要点  绝大多数日常事务其实是 SOP，AI 比人更擅长稳定执行 人的价值更在“判断与目标”，而不是重复性动作 Skills 是把经验变成可复用流程的最好方式之一 不要只看模型强不强，关键是“能不能落地成流程”   对程序员和学生的具体用法 程序员：把“需求拆解、方案对比、接口文档、单测补全、发布检查”变成 ...

大年初八第一天投了简历没有一个面试

打招呼了两百个，收到回复5个都是拒绝的，省下基本上未读。

2023年，开源模型刚刚多起来的时候，上手AI做的最多的事情就是微调，那会儿我有一张3090，就足够微调GLM2-7B或者Llama2-8B的模型了，网上还有很多的教程，教你怎么找数据集、怎么构建数据集，怎么微调大模型。仿佛只要学会了微调，我就一脚踏进了大模型工程师的门槛。包括到现在，很多客户一开始就说：“我们要微调一个自己的模型，网上都这样说的。”然后14B也好，32B也好，拉一堆行业数据往里塞，觉得这样才算构建核心壁垒。但连续了解几个项目之后，我现在的结论很清晰：对大多数做AI应用的团队来说，微调就是个坑。甚至面试的时候也会出现这个问题：为什么不建议微调？到现在网上还有很多新发的教程，一张...