求助一下各位佬 我是27届毕业生 末211本科学历 目前有一定的java基础 现在在纠结是接着java深造还是转go从0开始 因为感觉java现在太卷了 在能确保自己学习热情的情况下 转go会是很好的选择吗 现在离我们这一届的春招还有一年出头 这个选择会是正确的吗。

一面 40分钟  ai相关的工具和相关的知识是从哪获取的 解释ai中的token token还有哪些用处吗 上下文是什么，上下文的大小决定了什么指标 在上下文窗口大小限制的情况下，如何更合理的处理上下文 向量数据库你了解的有哪些 向量数据库和传统数据库的区别 向量数据库的匹配相似度的方法  余弦相似度 面试官补充：欧氏距离（L2）   对余弦相似度的理解，是如何计算的 mcp解决什么问题，为什么模型会引入mcp概念 mcp由几部分组成 如何使用mcp的方法 electron主进程是如何处理mcp连接的安全性的  没太明白，问了面试官后，说的是zod校验   function calling是什...

今天看到苹果要用 Gemini 给 Siri 正式换脑，突然意识到一件事：Google 可以做出好的大模型但是 Meta，Apple 却怎么都做不出来这代表大模型技术其实已经是很高的技术壁垒了只是 Google 特别强突破了壁垒而已

Java 作为后端主力语言很抗打，但想拓宽赛道，有两个方向可以试试。第一是云原生相关(Docker+K8s),之前实习部署项目，本地跑的好好的，到测试环境就各种依赖冲突，折腾了两天没搞定。后来学了Docker，把项目和依赖打包成镜像，一键部署，再也没踩过环境的坑。现在大厂后端岗位几乎都要求懂点云原生，哪怕只是基础的镜像打包、容器编排，面试时提一嘴都能加分。第二是AI工程化相关技能了。不用深钻算法，重点学怎么把AI 模型落地到业务里，比如用Python+LangChain个简单的代码文档生成脚本，或者对接大模型 API做个内部需求分析小工具。我之前用这个帮组里生成接口注释，节省了不少重复工作，带教还夸我会找提效方法，现在很多公司都在搞AI+业务，懂点工程化落地，比只会写CURD 的后端更有竞争力。不用贪多，先吃透一个方向，技能树慢慢点，比盲目跟风学一堆新技术更实在。