前言：打破“隔行如隔山”的幻觉 半年前，我还是一个纯粹的 ACMer（程序设计竞赛选手）。 我的世界里只有算法、数据结构和 StdIO，对于现代软件工程——无论是前端的 CSS/JS，还是后端的架构设计——我的经验是绝对的 0。毕业后，我长期从事编程题命题工作，虽然为大厂贡献了数千道题目，但那依然是“做题家”的思维逻辑。 然而，在短短不到半年的时间里，我借助 AI（Cursor 等工具）的力量，从零开始独立完成了多个全栈项目：包括包含每日一题、技能树、对战系统的 牛客竞赛题目追踪器 (Tracker)，集成抽奖与 Prompt 互动的 2026 春季 AI 体验站，以及基于紫微斗数的 牛客 A...

实在不知道该找啥工作了😂🤣，不会要毕业即失业了吧。感觉读完个硕士啥都不是

这是我在BOSS遇到最有人性的hr，他的鼓励简直让我这么久人机般投简历来，最感动的一次，真的好想进这家公司啊😭😭😭

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...