前段时间赶一篇网络架构改进的论文，自己辛苦写了底稿，实验数据、核心论证都是亲自完成的，想着最后让AI帮忙润色一下语言，让表达更流畅、更“学术”一点，应该很安全。于是我把文章丢给AI，生成结果看起来确实行文更流畅了，术语也更规范了，我大致读了一遍，没发现明显的问题，就直接提交了。审核也顺利通过了，直到我根据返回的修改意见，重新细读自己的论文时，才突然看到一段大写了一个我从未听起来的原文里也没有的架构，顿时吓出一身冷汗。

后端开发居然有群面嘛，没绷住，让我去看看怎么个事，四个人抢答是吧

产品经理也太太太卷了，11月鼠鼠拿着自以为完美的简历结果投出去杳无音讯，（一块石头扔海里还有水花啊喂）要不要这么卷！！！后来鼠鼠找到了个广告运营的岗位进去实习了三个月，再次自信满满的开始投简历，投的也都是电商运营或者商业化运营的岗位。虽然不像刚开始那样一个看上鼠鼠的公司都没有，但是和大厂依旧相差甚远，全都已读不回大厂怎么这么难进啊，谁来救救鼠鼠，哪怕能进面也行啊。附上鼠鼠现在的简历

1.对 AI、LLM、工作流、MCP、Agent、Prompt 的理解AI：让机器模拟人类的理解、推理、生成、决策等智能能力。LLM 大语言模型：基于 Transformer 架构，通过海量文本预训练，具备语言理解、文本生成、逻辑推理能力。工作流：将大模型调用流程化，包括输入解析、检索、Prompt 组装、模型调用、结果后处理。Agent：具备自主规划、工具调用、记忆和自我修正的智能体，可独立完成复杂任务。MCP：多智能体协同框架，多个 Agent 分工协作完成任务。Prompt：给大模型的指令，高质量 Prompt 包含角色、任务、约束、格式、示例。2. 大模型的原理大模型基于 Transf...