传统后端开发vs大模型应用开发

🎓 背景 •25级研究生，28届毕业，211 本科 + 985 硕，均计算机科学与技术•研究方向：AI × 软件工程，Python 熟悉度较高•课题组常发软件相关会议论文，师兄师姐去向多元（开发 / 算法 / 大模型 / 产品）👤 个人现状•❌ Java 八股 & 项目：基础较弱•✅ 算法基础：人工智能基础算法都较为了解，保研面试时准备过 八股，目前方向也偏 AI+软工•🔒 实习限制：• 平时实验室不太允许日常实习• 最多能偷偷出去 3个月（研一暑假算上1个月的空档）• 正式暑期有5个月（从 27 年 4 月开始）•💡 其他：本科没有实习经历⚖️ 当前纠结A. 搜推广•优点：薪资高•担忧：三年后可能从红海卷成“死海”B. 后端开发•优点：岗位需求稳定•担忧：未来天花板低，Java 市场更内卷C. 大模型•优点：方向前沿、潜力大•担忧：背景不够硬？但有师兄已经拿到 Kimi 的大模型实习，但不知道能不能转正D. AI应用🙏 求助如何结合我的背景和限制，在算法（推广/大模型）与后端之间做出更合理的选择？非常感谢各位前辈的指点

1.自我介绍 2.讲一下你的自动化评估体系是怎么设计的吧 3. markdown转html做报告验证，那你这个合法性是怎么判断合法的？是直接看渲染结果吗？那怎么做自动验证的？ 4.你说截图验证，那你这个截图是怎么生成的？怎么知道截图渲染的是正确的 5. Agent 推荐比赛的提示词优化流程讲一下，是怎么构造出更优提示词的 6.你这个提示词优化迭代里面，比如说你怎么判断当前生成提示词就是“最优 7. 刚刚说“反思机制”有个模块，那我想问问这个反思机制是怎么做的？是类似 Chain of Thought 吗？有没有自动修正能力？ 8.帮我实现一下Transformer 里面的多头注意力你能现场实现...

想要找个日常实习，技术栈首先肯定是，前端后端，然后有关大模型这块，langchain  /graph，mcp，p2p，RAG，docker，这些之前多少都用过几次，现在在学深度学习，然后现在在做天池里面的学习赛，就是一个简单的推荐系统，然后也在看transformer，之后再进行模型微调一些的实战。计划再话个把月时间把技术打磨一下，然后再做个项目就去投简历了。兄弟们有啥建议没有。

没想到全是AI题目，做麻了编程题只做出来一题第二题自己测没问题，提交只有11.11通过第三题看不懂