在爱玛总部上班快一年了。 说实话，刚入职的时候，我对办公环境没抱太大期待。 不是说爱玛不好，主要是我对“制造业公司”的想象比较固定：办公室在产线的隔间，房间昏暗喧吵，工位是90年代老式抽屉，食堂要拿着铝盒拜托阿姨不要手抖。（抱歉，幼时的电视剧过于深入人心了...）来了之后发现完全不是这样，每个人都有自己的独立办公位，有宽敞明亮的会议室，有展厅有阅读空间有实验室，已经非常好了！ 直到前段时间，公司通知要搬进新办公大楼。当时我正在工位上扒饭，看到消息的第一反应是：能有多大区别？后来我第一次站在新大楼下面，才发现自己之前想简单了。一、第一眼：它真的不像我想象里的制造业办公楼我对新大楼的第一印象，是“...

bg双九硕电子信息，0实习ai coding了两个项目，投了10多家都没有面试，只有小米给面还挂了。前后端相关的完全不会，本来以为agent难度应该不大，但可能还是技术不够，找不到实习。秋招更不知道该不该继续入局agent了，孩子真没招了牛友们有没有什么建议😇😇

28学院本，java简历，2个号投了快900，稀稀碎碎有十几个面试，百分之90都要线下，昨天刚面了个线上，问我linux和redis命令。。。这个大一那会敲都忘差不多了，稀稀碎碎答上来了点，面试官贼怕我八股启动，直接打断我，可否帮我锐评一哈，求好哥哥给点建议人生和求职建议。

最近读了腾讯写的文章，简单自己做了下总结和理解，又有了新的输入，不愧是腾讯👍 一、学到的核心知识 1. 大模型推理的两大基石  Continuous Batching（连续批处理）：传统批处理要求一个 batch 内所有请求"同时开始、同时结束"，但 LLM 输出长度不可预测，会浪费 GPU。vLLM 把调度粒度从 request level 下沉到 token level——每一步看哪些请求"差几个 token"，就调度几个 token，把短请求填进 batch 的空隙里。 Paged Attention：传统做法一次为请求申请全部显存，碎片严重；P...