行业垂直的agent

虽然说龙虾应用和这个爱马仕应用在一些偏业务里的相关技术栈里边，大家可能没那么重视，但是如果对于支撑的中台以及云业务的厂商，这个是最近发力的一个热门的方向，就比如说我司对比阿里云，我司的爱马仕应用还搁这儿底层资源不足呢，一直部署失败呢，不知道是哪个链路出了问题呢，人家阿里云公司连整个的应用的观测链路都已经打通了。就可以帮助你对性能进行评估，对链路进行评估，对指标进行评估，让整个的黑盒化的结果白盒化，可追溯，解耦异步！

AI 这波浪潮来得太快了。半年前面试还在聊微服务和高并发，现在面试官张口就是：RAG 怎么做的？Agent 的执行链路是什么样的？你的检索策略是怎么设计的？会话记忆怎么控制 Token 成本？这些问题已经不是加分项了，而是越来越多 JD 里的硬性要求。但现实是，大部分人接触 AI 的方式还停留在"调 API"的阶段——跟着教程往向量库里塞点数据，让大模型吐一段话，截个图发朋友圈说自己"做过 RAG 了"。面试官稍微追问两句就露馅：文档怎么切的？检索召回率低怎么办？幻觉怎么控制？一问三不知。跑通一个 Demo 和做出一个能上线的系统，中间差的不是几行代码，...

1h，4月14号1.自我介绍2.实习项目的拷打，最有技术的部分。3.SQL慢的解决思路？（记不太清了）。4.乐观锁怎么实现的5.后面有点记不清，都是从项目延申6.手撕了一个A线程打印数字从1~7，B线程打印字母A~G。实现1A2B...7G。还问了一嘴为什么用wait，可以去了解一下Object.wait(),和thread.sleep().7.反问面试官说我代码风格不行。面试体验，面试官挺好的语气平和。自我感觉都答到了

我觉得目前最好用的 AI 编程工具是 OpenAI Codex。相比传统的代码补全工具，它更像一个“可以接任务的 AI 工程师”，不仅能写代码，还能理解项目结构、修复 Bug、生成测试，甚至直接参与完整的软件开发流程。在实际使用中，Codex 的优势主要体现在效率和完整性上。你只需要描述需求，它就可以从实现功能到调试优化一并完成，大幅减少重复劳动。同时，它支持在终端、编辑器和云端多种环境中使用，还能并行处理多个任务，让开发节奏明显加快。总体来说，Codex 已经不只是“辅助工具”，而是正在改变编程方式的生产力工具。对于开发者来说，用好它，本质上是在学会如何和一个高效的“AI搭档”协作。