最近看着AI越来越火，身边很多同学都想冲，但是一上来就去学大模型训练、深度学习、论文，学了半个月就放弃，又迷茫又内耗。我这段时间自己查资料、看招聘、问学长，慢慢想明白了一件事：我们这种零基础、非985/211的学生，入门AI，根本不是去搞科研，而是去“落地”。给大家说说我心中最适合普通人的几个方向：（1）Prompt 工程（最适合零基础入门）真的不是网上说的“花活”。会写精准提示词，能让AI做数据分析、生成代码、写文档、做总结、处理业务逻辑。门槛最低，马上能用，面试、实习、工作都能拿来提高效率。适合所有人，哪怕代码一般也能学。（2）RAG 检索增强生成（我最推荐）不用训模型，不用懂高深数学，只...

总时长35分钟，无手撕，感觉遇到KPI面了，唉35分钟一直在问实习，八股就问了下面的1.redis与数据库的缓存一致性2.redis的zset数据结构3.redis的两个持久化机制4.分布式cap理论5.什么时候ap，什么时候cp6.进程线程协程问怎么没手撕，说一面撕过了，业务是应用宝游戏商城，后面过了还有一面技术面，问面试表现，说挺顺的，可以再关注一下运维数据，然后问转go有难度嘛，就结束了

1. 如果让你从 0 到 1 设计一个企业级 Agent 平台，你会怎么划分 Planner、Memory、Tool、Knowledge、Runtime、Evaluation 这几个模块？边界怎么定？我一般不会按“大模型功能”来拆，而是按“责任是否稳定”来拆。Planner 只负责决定下一步做什么，不负责真正执行；Tool 只负责把外部能力标准化，不参与推理；Knowledge 负责把文档、结构化数据、权限和索引组织成可检索资产；Memory 只存跨步、跨轮、跨会话还需要被引用的信息；Runtime 负责状态推进、超时、重试、回放和观测；Evaluation 则独立出来，不跟在线链路耦合，因为...