大家好，我是@程序员花海，眼下 26 届春招、27 届暑期实习全面开启，后端卷到没边，AI Agent的岗位占主导，很多牛友在我的评论区留言，想让我出一份Agent学习路线。我特意去看了下，打开淘天的招聘页面，以校招为例，一眼望去全是AI相关的岗位，只能说之后绝大多数岗位都会快速推进AI的落地和实践。之前写过 Java 后端 3 个月抢救路线https://www.nowcoder.com/discuss/824693499982315520?sourceSSR=users，也收到了牛友们的强烈好评，这次专门给后端转 Agent做一套最少必要知识路线—— 不堆概念、不啃论文，只学面试必问、项目...

真没招了，三月才开始准备八股和算法因为没想到不仅大厂笔试过不了小厂也根本鸟我，笔试都不愿意发一个，心里心存侥幸说即使没实习好好磨炼技术再做一两个rag、agent项目去秋招，但是我现在投暑期实习就感受到秋招的寒气了，完全不觉得是金三银四而是铜三铁四😭😭😭，怎么办完全没招了，最近焦虑到学都学不进去每天都在投简历

感觉就是那种，背景也不够硬，实习也不够硬，啥都不够硬，除了硬着头皮在各个招聘软件和官网平台投没有任何收获，已经不知道自己能干啥了……

1. 说一下 SFT、RLHF、DPO 的区别，线上项目里你会怎么选？答：SFT 是监督微调，核心是让模型学会“像人一样回答”，训练数据一般是 prompt-response 对，优点是简单直接、稳定、成本低，适合把基座模型先拉到业务可用水平。RLHF 是先做 SFT，再训练奖励模型，然后通过 PPO 之类的方法让模型朝着“人类更偏好”的方向优化。优点是能更细致地对齐人类偏好，缺点是链路长、训练复杂、容易不稳定。DPO 可以理解成不显式训练奖励模型、也不走复杂强化学习，而是直接利用偏好对做优化，训练上比 RLHF 更简单，效果在很多场景下也不错。如果是企业大模型应用，通常优先级往往是 SFT ...