这是群里小伙伴投稿的社招1. 自我介绍2. 用过 AI Coding 吗，用的什么模型，实际解决了哪些问题用过，主要用过 Claude、GPT 系列、DeepSeek-Coder 和 Qwen-Coder 这类模型。日常不是简单让它“帮我写代码”，而是把它放到比较明确的工程任务里，比如老接口迁移、单测补齐、复杂 SQL 改写、调用链梳理、异常日志归因、文档生成和代码评审辅助。AI Coding 真正好用的前提是上下文给得准。大仓库里如果只贴一个报错，让模型猜，效果会很差；如果能提供相关类、接口定义、调用栈、表结构、异常日志和预期行为，它对局部改动的效率提升很明显。但我不会让它直接改高风险链路，...

看来得重新踏上征程了。后悔之前oc之后没有走其他的流程。

Seed部门实习生！日薪！日薪！是5000.。。我的老天爷我没看错吧。。。人比人真是吓si人😱还是得搞人工智能还是得搞模型开发

1.问实习2. 项目拷打3. LLM 落地部署有什么好用的 trick？答案：现在 LLM 落地里，很多时候改模型不如先改数据和链路。第一步是把线上 badcase 分桶，区分是检索错、提示词错、模型能力不足、工具返回错还是数据源脏；第二步是做数据闭环，把高频错误变成 SFT、偏好对、规则样本或者评测集；第三步是做推理侧优化，比如 KV Cache、continuous batching、量化、prefix cache 和路由小模型。比较实用的 trick 是不要盲目微调整个模型。很多业务问题是知识更新、格式不稳、证据引用错，这些更适合通过 RAG、结构化输出、后校验和数据清洗解决。只有当错误...