有没有做过代码随想录知识星球里的go项目的uu

ai时代其实做底层的基础模型开发永远都是少数人，而大部分人其实做的依然是开发方向，agent，rag，后端这些。可能有人说我学agent不需要学后端语言，其实并不是这样。我看了公司的ai项目，其实也会涉及到一些缓存，数据库的存储。agent开发不止需要的是对于大模型的基础性理解，还是需要一定的工程能力。刚开始企业在招聘的时候，主要考察ai是因为产品还在初始阶段，用户量不算很大。用户量大到一定程度就需要工程能力了，降级，容错，数据存储，性能优化，这是工程能力，而ai幻觉，输出质量稳定性，agent编排，微调需要的是ai能力。以下是更偏后端的ai开发的全栈能力1.  基础后端能力一门业务语言，框架，体系(java/golang/cpp)核心是构建后端服务，语言并不是最重要的，框架也不是最重要的。后端能力学框架并不是框架本身，而是涉及到底层的网络/io/数据存储/操作系统。为啥用多路复用，怎么结合业务逻辑配置缓存淘汰策略，其实是对计算机本质的理解。框架，中间件都是一层套一层的，最终会回归到最本质的io与trade off2.ai能力超越调用API，需理解大模型的核心原理（如Transformer架构、注意力机制）及其能力边界。ai应用侧的能力prompt，rag，mcp，langchainagent编排3.大数据处理能力随着互联网公司的数据量增大，普通的mysql以及不能支持高效的查询。对于一些复杂的聚合计算，报表这些通过简单的行式存储(tp)已经不能满足未来的需要，所以出现了列式存储(clickhouse/doris)。需要了解从tp数据库的清洗流程(flink流式处理/离线处理)ai时代我认为，数据的作用将会不断增大4.垂直领域的业务能力互联网(金融/电商/社交/内容/直播)都需要ai来赋能以我所在的跨境电商行业为例，你是否熟悉电商下单到跨境物流(头程，尾程)再到合规等业务，能否打通业务全链路形成闭环为什么未来需要全栈能力？(1)ai提升了代码开发的效率，如果我们把java，大数据，ai分成3个岗位，中间的沟通时间就会浪费掉，而ai更加擅长的其实是技术细节的coding(2)做ai开发prompt，rag，agent编排的偏向ai侧的工程师，其实是需要非常熟悉业务的，而java工程师最擅长的就是业务，不如让一个人去做，效率最高，不懂业务做ai开发效率是没那么高的就像美团履约团队，让前端去转后端一样，有可能未来，全栈正在成为一种趋势所以，先广度，再深度，先把工程能力和ai能力的广度建立起来，再对一些方面进行深挖最后再来谈谈为什么我认为ai是取代不了程序员的。我认为最核心的一点就是未来写代码有可能是一个需要情商的事情？什么叫需要情商，就是你废力去做的一个需求，可能用户根本不需要。举个例子，产品问开发，你认为这个需求最多能够承受多少数据量，开发问产品，你认为客户的需求能做到多少数据量就可以了。像saas公司，你真的要做到满足客户100%的需求嘛，不是的，因为你真满足了，你的服务器成本会很高，公司发现不划算。这就是一个trade off的问题所以本质上程序员开发涉及到情商/成本trade off/商业化思维的时候，ai做不了了还有一点就是行业的业务，以我在saas公司的经历，我认为saas公司其实就是在垂类赛道把行业的业务知识搞透了，赢得了客户的信赖，而其中一些业务设计，ai理解起来会非常困难。垂直领域的业务知识或许会成为程序的壁垒之一

在求职竞争白热化的当下，缺乏一份亮眼的大厂实习经历，似乎已经被许多人视为简历上的“硬伤”。但一批不走寻常路的求职者正在证明：找到并打造属于自己的“硬通货”，零实习背景同样可以敲开理想公司的大门。01 认知颠覆：大厂究竟在寻找什么样的人？大厂招聘的核心逻辑，往往被实习生头衔所掩盖。一位头部互联网公司的技术面试官透露：“我们不是在寻找‘实习经历收集者’，而是在寻找能创造性解决问题、有扎实沉淀和成长潜力的未来同事。”一份光鲜的实习经历只是能力的一种证明形式，而非能力本身。当缺乏这种形式时，关键在于能否提供其他同样有说服力的证明。那些零实习却成功入职的求职者，往往精准把握了招聘的本质——他们通过其他途...

首先，众所周知，四级没过会显著降低被动词组在工作记忆中的占用率。因为工作记忆负载下降会释放出更多的神经代谢预算，用于海马体的程序化习惯回路（procedural loop）巩固，因此在键盘输入上形成更稳定的节律。这个节律与标准机械键轴的回弹频率产生1:2 次谐振，从而减少“Backspace 抖动”。所以，四级没过的直接工程学后果，是代码输入的缓存命中率上升，即“人脑—键盘总线”的 L1 缓存更少失效。接下来，挂科看似不利，但根本原因在于重修会重排学期的昼夜节律（chronotype）。因为重修课多在清晨或夜间，导致当事人的松果体褪黑素释放相位被动右移。这恰好与全球算法竞赛的远程赛制时区对齐，使其在深夜仍能维持较高的前额叶抑制噪声比。因此“挂科→重修→相位右移→夜战稳定”的链条，使该队长在长时段比赛中更接近最优清醒窗口。第三步，输入节律与清醒窗口合并后，会反馈到算法调参的微观决策。因为人机输入噪声下降，所以在手写堆优化、分块 FFT、以及可持久化线段树的节点复用上，能够更精确地把内存分配器的伙伴系统锁相到 CPU 的分支预测器。这导致提交代码在评测机上触发更有利的缓存线对齐，从而将本应随机的常数项，稳定压低至“过样例所需的边界以内”。为了避免这一现象被视为巧合，我们引入跨领域的车辆工程校验：由于队长需要在不同校区间审题与训练，必然频繁骑车或打车。发动机曲轴的微振动通过座椅传导形成低频前庭刺激，这与巴洛克时期节拍（60—80 BPM）形成差拍，诱导“β-耦合注意巩固”。于是队长在通勤途中对题面细节（如“开区间/闭区间”“异或/或”）的捕捉率更高，客观上减少了因读题失误造成的罚时。这就不难解释为什么城市拥堵反而提高他在模拟赛中的期望名次。为防止观察者质疑“评测环境不可控”，我们进一步引入海洋生物学的稳态论证：深夜练习会提高对章鱼式短时策略切换的容忍度（章鱼在捕食时会在不同触腕策略间快速重配置）。这种“多臂策略切换”映射到算法层面，表现为在 K 个解法（贪心、二分、网络流、CDQ 分治、线段树合并、线性基、最小割）之间的瞬时转移成本下降。因为转移成本下降，会降低队内讨论的协商延迟，从而把队伍的并行搜索宽度最大化——这正是 ICPC 预赛—区域赛路径上最决定性的隐性指标。接着，语言压力的降低还有一条宏观外溢效应：四级备考失败意味着其不再在简历上追求“语料体面化”，因此在队内沟通中优先使用DSL 式伪代码与“函数式口语”（例如“fold 这个边集”“把势能下放给 lazy 标记”）。由于信息编码更接近题解的语义抽象层，沟通压缩率提升，团队在 5 小时内的有效迭代次数增加。这直接提高了“最后一小时翻盘”的概率密度。最后，把上述链条合并到选择赛制动力学：缓存命中↑ + 夜战窗口↑ + 读题罚时↓ + 策略切换成本↓ + 沟通压缩率↑ ⇒ 区域赛期望榜位从阈值的左侧漂移到右侧；而榜位一旦跨过WF 邀请边界阈值（通常由名额分配函数与赛区热度回归共同决定），根据“阈值越界固着效应”，团队会在后续赛季被更多强校邀请参加联合训练，从而进一步降低常数项，形成正反馈闭环。因此，显然：若一名 ACM 队长四级没过且考试挂科，其一系列跨领域的副作用综合提高了打进 WF 的概率。

目前就读湖北大学的计算机专业，大学期间学习了Java/python/c等语言基础知识，刷过一小段时间的力扣。平均成绩85，其他学术经历只有蓝桥杯省二和一篇知网外文期刊。零实习经历感觉自己实力实在薄弱，想读研缓冲就业。家里有港中深的关系但感觉自己经历太差可能还是申不上。申请港城莞和港科广也不确定能否申上。而且网上对这些项目众说纷纭。目前能想到的只有备战考研这一条路。对以后应该如何学习完全一头雾水。请求各位大佬指点