下面这些词你认识几个？面试的时候被问到，能不能每一个都流畅的讲明白？ 所谓智能体，其实是由所有"不需要智能"的部分拼凑而成的；那些花里胡哨的新概念，大多不过是新瓶装旧酒。  涉及关键词： LLM Prompt Context Memory Agent RAG Function Calling MCP Skill Sub-Agent 💡 先清空大脑 忘掉你已知的一切，跟着故事线走--你会发现这些概念都是从同一个起点，一步步生长出来的。 🧠 第一步：语言模型长大了 一切混乱的起点，是这个古老的东西——语言模型。早期的小模型基本上是个智障，只会简单的文字接龙。不知道合不合适，...

谢谢

直面社会的优绩主义，这也是一个很好的社会观察实验背景:我在抖音上发我秋招的投递记录分享，用的现在很火的那种电影最后致谢的形式我说我秋招前期投数开，后期投运营销售等业务岗，评论区有人先是说，双非本怎么可能有大厂面试(对，不是说配不配有大厂offer，是学院本都不配有约面大厂的资格)之后我说前期面的研发，后期拿的仓库运营中台offer，然后一群人又说，大厂所有运营岗都是牛马岗，跟研发没得比，更有甚者，直接说某夕夕运营都是水岗(听过水硕水博，第一次听水岗的，我寻思我年包虽然没发跟数据开发比，那也大约二十万了，薪资也还行吧，怎么就水了)😇😇😇😇😇

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...