AI发展的太快了，软件又多，该选哪一个，做什么，给大家一些启发，选择你认为合适的～  场景 1：写课程设计/小项目（从 0 到 1） 最优解：Cursor 单飞 为什么：  课设规模小（500-3000 行），Cursor Composer 一次性生成多文件，效率最高 VS Code 生态熟悉，没学习成本 学生免费的 Pro 福利薅一下  实操：  在 .cursorrules 写需求 + 技术栈 Composer 生成项目骨架 Agent mode 跑通  我前几天用这个组合 4 小时写完一个 Web 课设（前后端 + 数据库），全程不用切窗口。 场景 2：刷 ******** / 算法学习...

🎓学历背景：专科,广西农业职业技术大学软件技术👨‍💻意向职位：测试📍求职类型：IT🔑遇到的问题：

遇到一个民科乐子，最难绷的一集。

1.自我介绍2. 文章分类大概有多少文章？数据规模怎么影响方案？答案：如果文章量只有几千篇，我一般不会一上来就训练很复杂的模型，而是先用预训练模型微调，或者用 embedding 加传统分类器做一个强 baseline。因为数据量太小的时候，复杂模型很容易过拟合，线上效果不稳定。如果有几十万到几百万篇文章，就可以考虑训练一个更稳定的分类模型，包括 BERT 微调、领域继续预训练、层级分类模型，甚至做多任务学习。数据量越大，越要关注标签噪声，因为文章分类里的标注经常不是绝对干净的，尤其是多维度分类，一个文档可能同时属于多个业务类别。实际项目里我会先看三个东西：类别数量、每个类别样本分布、单篇文档...