常用的设计模式

从事 AI 岗位的技术栈，核心取决于你选择的细分方向—— 是偏向算法研发的 “造轮子” 岗，还是侧重工程落地的 “用轮子” 岗。两者的技能要求差异很大，但底层基础是相通的。这里举一个例子，大模型应用开发岗（最适合后端转型，门槛低、需求大）这是目前企业招聘最多的 AI 岗，核心是 “用现成大模型解决业务问题”，不用自己训练模型，和后端开发的工程思维高度契合。核心框架与工具如下：LangChain：大模型应用开发的 “瑞士军刀”，必须吃透。重点学文档加载、文本分割、向量存储、检索链（RAG）搭建、工具调用（Function Call）。向量数据库：RAG 的核心组件，掌握 Chroma（轻量，适合入门）、Milvus（分布式，适合生产）、Pinecone（云服务），理解向量相似度计算原理。大模型调用：熟悉主流大模型 API（GPT-3.5/4、文心一言、通义千问、Kimi），掌握参数调优、Prompt 工程技巧。工程化能力如下：后端技能直接复用：用 Spring Boot/FastAPI 封装大模型接口，实现鉴权、限流、日志监控。容器化部署：用 Docker 打包应用，K8s 做集群管理，保证服务高可用。数据处理：掌握文本清洗、去重、脱敏，处理大模型的输入输出数据。进阶技能如下：Agent 开发：基于 LangChain 或 AutoGPT，实现多智能体协作、任务规划，比如 “代码调试 Agent”“简历优化 Agent”。Prompt 工程：学会编写精准的指令，比如 “作为 Java 后端工程师，帮我优化这段 SQL 语句，要求时间复杂度降到 O (n)”，理解零样本 / 少样本提示、思维链（CoT）技巧。

裁员新闻铺天盖地，AI 要抢走饭碗的焦虑四处蔓延——但如果暂时放下这些头条，认真看看数据，你会发现一个截然不同的故事！ 根据 Lenny's Newsletter 最新发布的《2026年初科技产品岗位市场全景》报告，科技行业的招聘其实正在呈现许多令人鼓舞的信号。下面用数据说话，帮你看清哪些岗位还有活路，哪些方向值得押注。  2026年的岗位生存指南    岗位方向 前景 建议     AI 工程师/AI PM 爆发增长 最值得押注的方向   软件工程师 稳健增长 硬通货，学好 AI 工具加分   产品经理 强势复苏 近三年最好，懂 AI 更吃香   招聘/HR 回暖信号 行业在扩招   设计师...

1安全，前端token不变，但是相当于token后端有状态2aecsstoken和refash token设计access_token和refresh_token就是为了提高安全性，但是安全这个问题没有绝对安全，只是提高。access_token用于业务，频繁api请求使用，容易被劫持泄漏，有效期一般比较短，失效了就要用户重新认证，用户体验太差，又不能把用户账号和密码保存本地，并且现在很多业务系统使用outh2，这个账号及密码会关联很多其他业务系统，一旦泄露安全问题就更严重了。refresh_token有效期一般比较长时间，在access_token失效时客户端做失效异常拦截自动使用refresh_token和认证服务器发送请求获取最新access_token，由于使用频率低，在网络泄漏劫持的概率就低了。app等应用中用户主动点击退出，也会将refresh_token在服务端做失效处理。当然认为当前项目系统安全不重要的，完全可以把用户敏感信息和密码保存到客户端本地，刷新令牌随着业务请求一起使用。

你好，27届的同学！现在是2026年3月，26届春招已进入白热化，27届的暑期实习预热也即将开始。作为站在AI浪潮风口的一代，你们面临的机遇与挑战并存：传统后端岗位在收缩，而“后端+AI”或纯“大模型应用开发”岗位需求激增。很多大厂（如字节、阿里、腾讯）的后端JD里已经明确标注“需具备大模型开发与应用能力”。如何在这个时代合理利用AI工具，打造核心竞争力？这份实战分享贴为你拆解。一、核心认知：AI时代，后端开发变了吗？变了，也没变。没变的是：高并发、分布式、数据库优化、系统设计等后端基石依然是面试和工作的硬通货。变了的是：你不再只是写CRUD，你需要懂得如何调用大模型API、构建RAG（检索增...