今天也投了5家AI应用开发岗位

没有上海hc，定岗只有三四线城市hc，定岗后降薪，12000底薪将为6000。#发展前景：烂#年终奖：烂

1、自我介绍2、离职还是在职3、项目里负责哪些部分4、c#和lua5、UGUI底层实现6、Mesh的生成以什么单位组织的？7、怎么会触发UI界面rebuild8、类与结构体的区别9、日常哪里会用到结构体？10、Ref和out，in和out11、Ref传入一个list的时候，会怎么处理？用在什么地方？12、UI框架的UI管理器有哪些大块的功能？13、UI加载是异步的还是同步的？14、UI界面是怎么分组，层级管理是怎么做的？15、UI框架基类是如何组织的？16、视图的生命周期是由谁去管理？17、滚动视图组件，有没有读它的源码18、分帧加载？分帧实例化19、AI的了解，AI工具用哪些？用什么大模型？...

从事 AI 岗位的技术栈，核心取决于你选择的细分方向—— 是偏向算法研发的 “造轮子” 岗，还是侧重工程落地的 “用轮子” 岗。两者的技能要求差异很大，但底层基础是相通的。这里举一个例子，大模型应用开发岗（最适合后端转型，门槛低、需求大）这是目前企业招聘最多的 AI 岗，核心是 “用现成大模型解决业务问题”，不用自己训练模型，和后端开发的工程思维高度契合。核心框架与工具如下：LangChain：大模型应用开发的 “瑞士军刀”，必须吃透。重点学文档加载、文本分割、向量存储、检索链（RAG）搭建、工具调用（Function Call）。向量数据库：RAG 的核心组件，掌握 Chroma（轻量，适合入门）、Milvus（分布式，适合生产）、Pinecone（云服务），理解向量相似度计算原理。大模型调用：熟悉主流大模型 API（GPT-3.5/4、文心一言、通义千问、Kimi），掌握参数调优、Prompt 工程技巧。工程化能力如下：后端技能直接复用：用 Spring Boot/FastAPI 封装大模型接口，实现鉴权、限流、日志监控。容器化部署：用 Docker 打包应用，K8s 做集群管理，保证服务高可用。数据处理：掌握文本清洗、去重、脱敏，处理大模型的输入输出数据。进阶技能如下：Agent 开发：基于 LangChain 或 AutoGPT，实现多智能体协作、任务规划，比如 “代码调试 Agent”“简历优化 Agent”。Prompt 工程：学会编写精准的指令，比如 “作为 Java 后端工程师，帮我优化这段 SQL 语句，要求时间复杂度降到 O (n)”，理解零样本 / 少样本提示、思维链（CoT）技巧。

JD 在说什么？翻译给你听大疆不同岗位之间差异很大。嵌入式、算法、后端三条线，备考重点根本不是一个配方。不要“一锅炖”。先定方向，再下重手。1）嵌入式软件工程师C/C++ 基础指针、内存管理、const/volatile、位运算、结构体对齐⭐⭐⭐⭐⭐RTOS任务调度、优先级反转、信号量/互斥量、抢占式调度⭐⭐⭐⭐⭐硬件接口SPI / I2C / UART / CAN 的原理、时序、故障排查⭐⭐⭐⭐驱动开发中断、DMA、字符设备、Linux 驱动框架⭐⭐⭐⭐ARM / MCU栈空间、寄存器、中断上下文、启动流程⭐⭐⭐控制基础PID、姿态解算、传感器数据融合⭐⭐⭐这个岗位的核心不是“会写 C++”...