1、实时生成的聊天代理模型，如果线上出问题了，怎么定位这种问题一般先按链路拆。如果是实时生成类聊天代理，通常一条请求会经过网关、会话层、Prompt 拼装、模型推理、工具调用、结果后处理和流式返回几个阶段。线上出问题时，先判断是全量故障还是部分故障，是所有请求都失败，还是只有某一类请求延迟高、返回空、内容异常。定位时先看监控和日志。监控上看 QPS、平均延迟、P95/P99、错误率、超时率、GPU 利用率、显存占用、容器重启次数。日志上重点看 request_id，把一次请求链路串起来，看是卡在 Prompt 构造、模型推理、下游工具调用，还是 SSE/流式返回阶段。如果是模型输出异常，要回看...

不知道过两年会变成啥样…   

报志愿时候是幻想的学技术时候是后端的找实习时候是卷爆的谈薪资时候是压价的上班的时候是想死的我当务之急应该马上回家里蹲准备考公考编，而不是在这里天天加班开会😡

star法则如何拆解项目经历 ⬆️接上篇 A（行动） 1. 针对本校180+名学生开展问卷与深度访谈，梳理出信息不对称、交易安全、售后纠纷三大核心痛点； 2. 分析竞品（闲鱼、校内同类小程序）短板，明确产品定位：轻量化、强信任、高便捷的校园封闭场景二手平台； 3. 搭建产品核心模块：身份认证、商品发布、智能分类、线下自提、信用评价、交易担保六大功能体系； 4. 输出产品需求文档（PRD）、功能流程图、高保真原型，明确交互逻辑与业务规则 5. 制定冷启动策略：以毕业季书籍、电子产品为核心品类，依托校园社群低成本获客 R（结果） 完成全流程产品方案，覆盖20+核心页面、50+功能点，逻辑可直接落地...