llm应用开发 和 传统后端开发 思考

大家很多人私信我大模型应用开发具体是做啥，正好我讲讲在字节实习3个月+的体验。现在以字节为例我看很多岗位，其实大模型应用岗位已经被纳入后端开发（大多还是属于开发序列，至少我看不在算法序列）当中了，所以总的来说二者并没有特别明显的区别，起码在公司的角度来看。以我自己为例，我也是面的后端岗位然后进来做Agent的开发，Agent开发暂时不涉及模型的训练，最多包含一些模型的微调（而且公司有平台）。总的来说，Agent开发主要是搭建workflow，主要涉及Rag、微调、Mcp、Prompt这些方面，包含一些技术栈py：langgraph、langchain、langSmith，java: SpringAI、langchain4j？，所以我觉得后端的同学直接投问题不大，但是需要python or java or 大模型基本知识的landing。我之前也没接触过类似的知识，还在字节里面有LLM学习季的好东西，包含了大模型的基本知识Transformer、Prompt工程、Rag实战等等各种基本知识的解释和实操，让我非常循序并循序渐进的了解了这方面的知识，并且燃起了对大模型学习的兴趣，不得不说这一点还是很值得学习的。其次，就是在实习过程中，大家讨论的都是如何提高大模型产生的效果、以及有没有更加方便的Agent工具能够参与 or 使用提效，整体氛围很不错，而且都是去聊一些比较新的东西，例如之前刚出的Agent2Agent协议。在我看来，Agent主要是以Multi-Agent写作文的形式完成一系列任务，例如Deep-Research利用搜索、爬虫等工具，获取想要查询的网页并爬取文章内容，并且生成一篇分析报告，包括了一些意图识别、任务规划、记忆、工具调用等。在这个过程可以加很多环节去提高分析报告的效果（在Prompt的层面），例如反思、自问自答、知识库、human-in-loop等等，我觉得设计这些环节还是需要很多经验的，目前很多需要参考了类似的设计有比如cursor等。至于学历的要求，不知道现在岗位需不需要硕士的学历，但是我看来其实本科也能做，包括我在的组很多Agent内容在Cursor、Trae等工具的辅助下，前端也参与了不少（没错，前端也写Agent）。所以现在在各种Agent工具不断出现的今天，大厂更加需要“能够熟练使用AI工具的人”。举例，本组有个本科校招生，ld说后续会让他参与LLM的开发内容。当然，以上是我3个月浅薄的理解，我其实也看了不少内容的一些技术文章，整体来说大概是个这么情况，感觉技术壁垒不深，但是基于目前资料跟Java（黑马）比有所欠缺的情况下，还是筛掉了相当一部分人，感觉可冲（感觉比较缺人，至少我们组人很缺）；但是基于我之前很多段实习都是Java开发，我觉得大模型应用更在乎大模型的效果而不是性能，可能还是关注点会跟Java开发有一些区别，优先级不一样，很少用到一些中间件来做啥，目前我在整个过程中只用过Redis来缓存stream流。实习体验：1.需求：字节跟我实习过的其他大厂有很明显的区别，他是直接安排活让你去做，至于你做不做得了，这个就另说了（即使有mentor的帮助）。有个群友举的例子很好“就是把一个不会游泳的初学者丢进水池里，如果活下来了，就学会了哈哈”。所以在我很久没写py、langchain等内容的基础上、没在字节做过任何需求的时候，让我开发了一个我认为很大的一个需求，大概6-7000行（两周），我为了不延期，主动加班到10-11点，才在排期前做完。。2.福利：经历了字节下午茶的LastDay目前已经没啥福利了，零食、水果还是不错；其次，允许实习生出差，刚来没几天就团建 + 出差去北京（出差了一周），那段时间还是很滋润的，在北京也小小旅游了一下（带着女朋友一起去了，当然她的不报销，只是住在一起）3.博客：当初在快手实习的时候，基本上看遍了Kstack的文章，但是在字节我目前还没看完，而且受益匪浅，感觉文章整体含金量要高不少（可能快手现在也变好了，不尬黑）。4.带教：mentor和ld对我很好，也让我进入了一个新的领域，目前正好考虑通过这次机会往大模型应用甚至大模型算法转型.正好有学长跟我说过，“阿里很值得去实习体验一次，哪怕不留下来”，我觉得“字节也很值得去体验一次，哪怕不留下来”，之前在前几家公司反而没这么深刻的感悟。如果对各位有帮助的话，求求🥺给朵小红花，有问题可以在评论区交流～

这个GitHub仓库简直是RAG技术学习的金矿！我最近深入研究时发现了它，里面系统整理了21种RAG实现方案，内容覆盖从入门级基础应用到业界前沿的高级技术。最令人惊喜的是所有技术点都配备了可直接运行的Jupyter Notebook实战教程，完美解决了学习者"只看理论无从下手"的痛点。仓库内容呈现明显的阶梯式设计：新手友好：包含语义分块、上下文压缩等基础技术的完整实现进阶必备：提供自适应RAG、多模态RAG等复杂场景的解决方案前沿探索：甚至囊括图结构RAG、层次化RAG等尖端研究方向每个技术模块都配有清晰的代码注释和实现文档，这种"学完立即实践"的设计理...

她突然凑近问我:“你做AI的,具体负责哪块呀?”我后背一凉，支支吾吾道:“就....就是大家都做的那种……”女生眼睛一下亮起来:“是做Pretraining的吗?构建超大规模语料库、搭建万亿参数模型、算力优化、多机多卡并行，听起来就超高端!”我声音发虚:“不是……”“那一定是做Post-training的咯?指令微调、对齐、RLHF、Reflection，这种训练方案优化现在大火，前景无限!”她兴致盎然。“不……”我声音更弱了。我死死盯着键盘，恨不得把它盯出个洞。“难道是多模态架构?文本、图像、语音跨模态融合，炫酷又实用呀!”她笑着鼓励。“也不是…”我声音微不可闻。女生沉默两秒，突然眼神闪烁:“你该不会......做 Inference优化吧?部署环境、性能调优，提升模型速度和成本效益，很牛啊!”她的目光如探照灯般直射而来，我被烤得浑身发烫，手心出汗。我死死掐住大腿，从牙缝里挤出蚊子般的声音:“都.……都不是……”空气骤然凝固下来。女生的笑容僵住了，声音陡然降温:“那你，到底是在做AI的什么?”“做AI的还能有多少特别的?”她的话像冰锥扎进我的胸膛。我膝盖一软，扑通跪倒在地，眼眶泛红，带着哭腔说:“我.....我做的是Agent开发……”整个办公区瞬间陷入死寂，只剩同事们微妙的窃笑声。我低下头，感到周围人投来疑惑夹杂怜悯的目光，仿佛看到我夜深人静苦苦调Prompt却屡遭失败时的凄惨。女生抓起外套，毫不犹豫转身要走。我哭喊着拽住她的衣角:“求你别走!我们Agent开发真的很重要!”人群中响起窃笑声，我却抱得更紧:“你们不要笑我们Agent开发!Prompt不好写又怎样!幻觉问题多又怎样! Action失败率高又怎样!我们直接解决用户的实际需求，是AI真正落地的关键一步啊!”远处传来领导缓慢的脚步声和一声无奈的叹息:“唉，又是做Agent开发的……”

快手2026届校招提前批内推码【campuslHgZGsDpW】快STAR-X🔸多元选择：两大类岗位（算法/工程），N个技术领域🔸不设上限：无投递次数上限，一次优先投递一个岗位🔸顶级导师：双导师培养制，资深技术导师+岗位专属导师，成长指数100+🔸优越回报：极具竞争力的薪酬福利，完善的培养/成长机制，伴你一路前行🔸工作地点：北京、杭州、深圳等城市🎉选择快手，未来在手！🆕若最终面试进入快STAR- X评审环节，即使未通过评审，亦可获得校招正式常规offer！！！内推码：campuslHgZGsDpW内推链接：https://campus.kuaishou.cn/recruit/ca...