卸载饿了么😋

记得问的问题好像是redis大key删除导致集群雪崩的解决方案？分布式事务TCC模式空回滚和幂等性问题如何解决？头脑一片空白，我是谁，我在干嘛

前几天有个读者在私信里跟我说：哥，我现在每天都在刷八股和面经，但感觉刷得很乱，刷了也记不住。你当初是怎么准备的？我没急着回，因为我想起了去年秋招，我一个朋友的故事。他不是科班出身，不过有两个项目亮点，但最后拿到了大厂的两个 offer。关键就在于他——把刷面试题和面经这件事，当成系统工程来做了。其实刚开始大部分同学都会遇到这样的问题：比如面经太多了，看了两三篇就开始混淆，而且在刷八股时没系统性规划，今天 Redis 明天 JVM 的，所以就导致会是会，但一张口就“答得四不像”。项目问答也完全没准备，被面试官追着问到直接破防......同学们不要急，可以试试三段式刷题法：第一步：按模块刷 + 做...

垂直大模型其实在最早期chatgpt提出的时候，这一点就已经提出来了，据说当时华为的盘古大模型就是做这个的，当时主要是用大模型+微调来做，随着这几年的发展，在医疗健康、金融科技、教育、智慧城市，最热的几个方向，已经出现了部分应用，如aq、智能问诊、疾病早筛、ai金融风险防控、数字人引导操作、智能客服、数字人+教育、ai营销文案生成等等，但是在我看来这仍然处于ai的早期阶段，如果仅仅这些应用，那我们对ai的想象力是不是太差了些，我认为ai以后应该融入社会各处，成为一种基础设施，出现一种新的交互终端，我们的gdp真的有被ai提高，那这个未来才有意思。对于agent而言，我个人觉得其实是最有想象力的部分，mfp协议就像给ai插上了翅膀，工作流就像带来了风，在我看来扣子、dify这种是未来人机结合的未来。另外有人提到的agent是人类下达任务，agent主动调用工具，认为这才是未来，但我觉得这种纯纯放手给ai，且不说技术上的可行性，人类在传达任务是天然就存在信息的损失，所以这种方式绝对不是未来的发展方向。

果然AI产品岗都是倾向于招懂技术会编程的技术人才，说是产品，但实际工作感觉像研发+产品