夜班第二天4.2晚

1、自我介绍2、项目介绍3、Agent 的核心组成是什么LLM Agent 本质上不是单独一个大模型，而是由模型、提示策略、工具、知识、记忆和执行接口组成的系统。可以概括成：[Agent = LLM + Prompt + Tools + Knowledge + Memory + Interface]其中 LLM 负责理解和生成，Prompt 决定任务边界和行为方式，Tools 负责访问外部能力，比如检索、地图、计算、数据库和 API，Knowledge 负责补充外部知识，Memory 负责保留短期上下文和长期用户信息，Interface 则负责把 Agent 和外部系统连起来。如果任务比较简单...

刷到Claude Code源码泄露的瓜，越看越心惊。不是惊于代码本身，而是惊于：一个全球顶流AI公司的核心产品，居然能因为一个员工的操作失误，把整份源码直接裸奔在互联网上。这事儿放在任何一家公司，都是足以震动整个管理层的重大事故。但最让我有共鸣的，不是技术圈的狂欢，而是每个打工人都要面对的灵魂拷问：如果是你我犯了这种级别的失误，会被公司怎么处置？先聊聊：如果这事发生在你我公司，结局会是什么？问了一圈身边不同行业的朋友，答案几乎是统一的：互联网大厂/外企：直接开除，永不录用，甚至可能走法律程序追责赔偿。毕竟核心资产泄露，影响的是公司的商业机密、市场竞争力，甚至是股价。中小创业公司：大概率也是开除，甚至可能连带直属领导、部门负责人一起背锅降职。创业公司输不起，一个失误可能直接影响融资和生存。国企/体制内：记大过、降职、调离核心岗位，严重的直接开除，甚至影响后续职业发展。说白了，职场里没有“不小心”的免责金牌。尤其是涉及核心数据、代码、商业机密的岗位，一次失误，就是职业生涯的灭顶之灾。这不是公司冷血，而是商业世界的残酷规则：你拿了高薪，就必须承担对应的责任。你犯了错，就要为自己的行为买单。

为什么你这个Agent项目选择用 SSE 而不是 WebSocket？是怎么考虑的技术选型 在最近的 AI Agent 相关面试中，我发现这是一个必考的“送分题”。如果仅仅背诵“SSE 是单向、WebSocket 是双向”这类基础定义，很难打动面试官。 面试官真正想考察的，是你对业务场景的适配能力以及对网络协议架构的深度思考。以下是我总结的深度回答思路。 一、 核心分歧点：场景驱动选型 在面试中，我通常会先抛出一个观点：没有最好的协议，只有最适合业务的协议。  SSE (Server-Sent Events)：本质是基于 HTTP 的“长轮询升级版”。服务器在处理完请求后，保持连接开启，不断推...

我算过一笔账。表面上看，三月份招聘软件上的未读消息确实翻倍了，但仔细拆解后，真正符合“技术栈匹配（Go/C++/Java）+ 业务对口（大并发/分布式）+ 薪资涨幅达标”的，比例其实很低。很多挂出来的岗位，面试流程慢得离谱，一个“待定”能拖你两周，说明企业方也在用低成本的“人才储备”来对冲不确定性。所以我的体感是，信号是强了，但噪音更强了。与其被“金三银四”的热闹推着走，不如把自己当成一个独立的“服务节点”。行情好的时候，扩容的是“机会连接数”；行情不好的时候，修炼的是“单机承载能力”。真正的信号，从来不在招聘软件的热闹里，而在技术深度的护城河上。是金子到哪都会发光，技术是块能给门敲碎的砖。