AI了，我在打一种很新的工

客户端社招跳槽基本不可能了你们自己想想看，你平常用的 app 是不是都是中大厂的？所以现在很多中小公司基本不搞客户端开发的了，但是如果一定会有后端，后端是业务实现的核心，具体给用户的展现方式不一定是要用手机 app，也可以是 web 前端之类的形式。之前也有一些大厂客户端社招同学跟我反馈，在大厂卷累了， 想回二三线城市，可是发现客户端岗很少，都想转后端去求职了。客户端不可能有前途了测试点点点也比客户端强一百倍以上好自为之

我认为，AI在未来会消灭百分之九十以上的软件开发岗位。软件工程，我理解就是把一个复杂的软件项目，拆成一个个结构化、体系化、清晰，可以被明确考核判断的子任务。而AI最擅长的就是干这种清晰明确的活，你只要给它几个明确指标，把需求讲明白，在现阶段AI的能力就可以生产出正确的代码（只要这个项目并发量不过分的高）。就连美团这种非常非常高并发性能要求的东西 他的新代码都有百分之五十二是由AI写的这时候平凡的中等开发人员的大部分工作情况，其实就是跟AI把需求聊清楚，督促它赶项目进度，顺便检查下它写的代码就行。未来AI越来越强，一般的商业软件项目需要人为参与的地方会越来越少，只要有个项目经理把需求跟AI说透，就能在短时间内快速把软件项目落地。原因首先，软件工程本身就越来越体系化、越来越明确。比如一种开发问题，刚开始可能有好几种解决办法：就像Web开发最初，架构设计有分层的、事件驱动的很多种，后来用得多了，就明确为MVC架构最好用、好维护，慢慢就成了多数商业Web项目的首选。这种经过实践检验的普适性方法，会被总结得明明白白，还会有现成的代码模板，AI学起来飞快而且，现在的代码库也特别全，开发中遇到的各种特殊问题，不管是数据加密、接口对接还是处理异常，几乎都能找到对应的开源代码库来解决，AI直接就能借鉴。我考虑  现在做开发最重要的能力首先应该是梳理项目需求的能力、清晰的表达能力但是我说白了 未来（不知到多久 有可能以极快的速度就到来）AI肯定把人类开发者干碎而且AI进步的速度真的让人感到恐惧 今年年初的时候 感觉cursor 水平不够 只能把一些高度明确的东西写好   比如说 java的实体类代码curd但是今天的cursor 即使有一个方面的技术我不太熟悉或者根本没学过 只要有cursor我就有信心在一段时间内做出来cursor就目前来说crud的代码可以写的很好并且AI的进步加速度会越来越快 它的学习速度会越来越快 现在是几个月一次迭代进步 说不定后面一个月进步一次 再后来半个月进步一次

大家好，我是王某，某985计算机专业，机器学习方向。看到这你可能会想：985还找不到工作？装什么弱者啊。但真相是——今年AI行业的秋招，卷到你无法想象。那段被暴击的日子9月开学，我信心满满地开始投简历。985学历 + AI方向 + 两段大厂实习，我觉得拿几个offer应该不难。结果，现实狠狠给了我一耳光。投了150份简历，只收到12个面试通知，命中率不到10%。更惨的是，这12个面试里：5个一面就挂了，4个二面被刷，2个三面凉凉，1个拿到了外包offer，月薪12K。看着身边的同学：双非本科的室友拿了字节、阿里、百度三个offer；同实验室的小张签了商汤，30K起；平时打游戏的老王都拿到了华为AI Lab的offer。我开始怀疑人生：985的牌子，在AI这个赛道上，已经不值钱了吗？那次致命的面试最让我破防的，是腾讯AI Lab的三面。技术面我答得很好，算法题全做出来了，项目经历也讲得很清楚。三面是部门老大，聊了40分钟，氛围特别好。最后他问我：“你有什么问题想问我吗？”我脑子里准备的是：“部门的技术栈是什么？”“团队规模多大？”但临时改口问：“请问贵部门的发展方向是什么？”面试官愣了一下，简单说了几句就结束了。一周后，我收到了感谢信。后来在脉脉上看到，拿到offer的候选人在三面时问了“团队在大模型时代最大的挑战是什么”，聊了半小时，当场给了口头offer。我懂了——我输在了最后5分钟的反问环节。第一，简历要针对性优化。 AI行业的JD，不同公司侧重点完全不同：字节看重工程能力，阿里看重业务理解，商汤看重算法创新。一份简历投所有公司？在AI赛道等于自杀。第二，面试反问环节是决胜点。 有候选人技术面表现一般，但最后问了面试官对大模型落地挑战的看法，聊了20分钟后拿到了机会。『泡泡小程序AiCV简历王』的工具。抱着怀疑的态度试了一下说实话，我一开始是不信的。985的我，还需要工具？我缺的是工具吗？但那天晚上失眠到凌晨3点，我想：反正死马当活马医吧。我上传简历，粘贴了字节AI Lab的JD。10秒后，AI给出了优化报告：· 关键词匹配度：62分（不及格！）· 缺失关键词：分布式训练、模型压缩、ONNX、TensorRT· 内容问题：项目经历缺少数据支撑AI自动优化的效果让我震惊：原版： “负责推荐算法优化，提升了模型效果”优化后： “主导推荐系统召回层优化，基于双塔模型（BERT + Faiss）重构召回策略，使召回准确率从68%提升至82%（+14pp），推理延迟从120ms降至35ms（降幅71%），支撑日均5000万次推荐请求，CTR提升23%”AI不仅加上了数据，还补全了技术细节，而且这些技术栈全都是字节JD里要求的！更惊喜的还在后面7天后的奇迹用AI优化后的简历，我重新投了30家公司。这次没有海投，而是：每个公司单独定制简历针对不同方向调整项目重点确保关键词匹配度80%以上7天后，收到14个面试通知，命中率47%！面试过程更是神奇：字节三面，我问了“大模型时代的挑战”，跟面试官聊了25分钟，从技术聊到产品再到商业化。面试官说：“你的思考很有深度，我们部门就需要这样的人。”当场给了口头offer。腾讯AI Lab，我问了“团队在多模态大模型方向的布局”，面试官眼睛一亮，探讨了20分钟，还问我愿不愿意做这个方向。一周后，offer到手。最终在腾讯AI Lab（SSP，32K * 16）和字节AI Lab之间选择了腾讯。写在最后回头看这3个月，我最大的感悟是：在AI这个极度内卷的赛道，“优秀”已经不够了，你需要“精准展示你的优秀”。简历不是流水账，是你的“商业计划书”。面试不是考试，是“价值交换”。985的学历是门票，但真正让你拿到offer的，是你展示价值的能力。如果你也在找AI方向的工作，投了很多简历却石沉大海，面试反问环节不知道说什么——人总要撞几次南墙，才知道找梯子。现在秋招还没结束，    冲！

最近DS概念很火。对于这种高（lan）新（ren）科（fu）技（yin）的新东西，作为一个六年的理财up自然是闻风而动。新年第一天的交易日。我灵机一动：DeepSeek不是据说很牛逼吗。那能不能用来判断短期内股票的涨跌概率呢？假如涨的概率很高，我就买入。那我岂不是立于不败之地，从此迎娶白富美，实现财富自由，走上人生巅峰。想着想着我就口水直流。于是我火速打开的DS，美滋滋的问他：当时我就怒了，人类还在上班，AI岂能摆烂？！快快起床干活！！！我就拼命的刷新经过锲而不舍的坚持询问，最终DS狠心的拒绝了我！冷静下来之后，我在想是不是我打开的方式不太对，问的有点太粗糙了？DS表示臣妾做不到啊。好歹喂它一...

现在刚入职，进入项目，去写几个测试demo，有很多知识点都没学过，但是去博客看一下相关用法，然后自己写个简单用例测试下，理解一些内容就直接上ai，效率真的是又高又快，而且写的还比我手搓的好太多，就是需要自己不断的去提需求然后调试代码，ai甚至覆盖了我现在80%代码编写，总觉得心里偷感很强，我原以为是需要自己手搓很多东西的，进来了才发现好像很多人都是这样，因为太好用了实在，但算法方面就不太行了，涉及到张量维度这些还是需要自己一点一点是打印然后匹配调试的，不过ai倒是可以给搭一个简单的框架，像是盖房子的地基，也是蛮好的

楼主本人是25届毕业生，三月初才在某央企全资子公司开始第一段实习，刚来的第一秒钟就被直接带到工位上打开电脑发项目给我，喊我直接在某个tab中完善UI图，但其实楼主本人是一个代码能力基本没有/编程基本都靠Ai/转码一个月的超级无敌大彩笔，刚从黑马学Vue不过15天勉强懂一点前端结构。背景提示:公司是做省里各种大型项目的，很多事业单位的系统/特殊单位的系统都是公司在做，公司基本不招校招生，所有项目都是面临紧张的上线周期。后面入职一个月才知道:对于实习生态度完全是上级指标要求，你哪怕真的做不出来东西都行，所以面试的时候问了问CRUD流程和有Vue和elementui基础吗就放我进来了.....拿到项目那一秒钟人都是懵逼的，其实项目也才刚刚搭好框架不久😢，周期还算长，项目其实特别特别大，也是一个省里的项目。Mentor告诉我要做什么，看我能打开项目页面就直接走了...我抱着电脑找了二十分钟才找到要做的地方在哪里😢然后各种问Ai，当时还在用通义千问来看代码，对着Ui图说需求并且反复问ai怎么改代码就基本一天，才大概非常不还原的还原了UI图（实际上做的非常烂），当时连CSS基本都不会调，甚至连简单的盒子模型，内边距外边距也不会看，当初学习的时候全是二倍速看过去的，完全是似懂非懂只是有个概念而已，自己上手改代码屁都不会。第一天过完非常焦虑感觉自己完蛋了，甚至想辞职感觉自己就是一个非常糟糕的人，但是秉持着破罐子破摔的态度，在网上找那些好用的编程ai，后面发现了Claude才缓和了我尴尬的现状，虽然基础不牢但是把ui和代码喂给它，还是能做的比较像的。当时整个项目需求就是把前端静态页面写出来就好，后端都还在对需求和开发接口，所以楼主每天和ai斗智斗勇，比如这个盒子大一点那个按键小一点...这样诡异的过程也还算做的勉强可以最后用上了Trae之后才是真的有点感觉很爽了，把要求的静态页面基本都能按要求做出来。三四天完成需求后，就没喊我继续往下做也不给我派任务，我就开始疯狂的恶补前端基础知识，CSS和JavaScript，Ajax以及Vue更多的内容。上班学下班学，才渐渐对做的东西大概了解。要注意哪些...后面接到新的任务，也是完成其他路由下面的tab界面内容，可以做到基本还原ui，就开始对着自己的静态页面沾沾自喜。其实页面主要都是表格/echarts数据展示，也学会用git，自己也是拥有了第一次多人项目的经历这段时间时间空下来了就开始背八股找工作，手撕是一点不会手撕的，完全不刷代码题因为真的非常恐惧，很依赖Ai也没有这种算法思维，简单的程序都写不完整的😓就这样边上班边背八股边学前端过了差不多一个半月，到四月上旬接到了第一个也是唯一一个Offer，薪资和地点都很满意也超出了我的预期，毕竟作为一个超级水笔当时已经焦虑到幻想自己失业/二战的场景。四月中旬，拿完Offer后实习单位这边开始推进度，我负责的页面开始对接口。其实也是全交给AI做...要用哪些选择器，该传哪些参数，怎么传，然后拿到返回来的数据叫Ai做数据适配，也算是第一次把自己的页面动起来，当时真的非常感动。后面就是不断优化，做懒加载，做复杂弹窗，二级弹窗的数据适配。帮Mentor对不是我写的界面的接口，和三个后端大哥对接，然后天天被测试追着完善效果，由于一开始没有直接和后端对接，很多要传的参数可能不到位，监听没做到位，导致效果不匹配😢五月回来，开始在新的路由里面写新的界面，由于还要联动地图的效果😢开始做需要提交和展示的表单项，也是帮Mentor搭好界面框架，他做复杂的我做简单的。对着原型图直接就是干，开始问产品业务逻辑。准备干满这个月就回学校了，其实我一直不知道大厂中厂的前端实习生都要做到哪些东西，也非常幸运能做到这种体量的项目，五月由于项目要应标交付第一阶段，而且人手抽不过来每天都很忙，所以每天都会干很多事情。每天就是和Ai互相学习，自己也感觉到Ai编程也是一个大趋势，但是也知道自己要学的东西还有很多很多。也是想问问大家，在实习的最后一个月有什么需要多注意的吗？应该多问哪些内容呢？有什么东西是实习中更应该做到以后工作中踩雷能少一点的呢？需要记录哪些可以帮助自己以后的工作经历？还应该积极参与什么？

毕业那年，我们做了截然不同的选择2022年6月，毕业典礼那天，我和室友老王站在宿舍楼下，各自拎着行李箱，准备奔赴完全不同的人生轨道。我们都是985高校文科专业毕业，大学四年关系最铁。但毕业时，我们做了两个截然相反的决定：老王通过省考进了老家市直机关，端上了“铁饭碗”；我放弃了保研名额和国企offer，决定转行做AI，从零开始学编程。当时很多人不理解。我妈说：“你一个学文科的，转什么行？好好考个公务员不香吗？”老王也劝我：“兄弟，别冲动。体制内虽然钱少点，但旱涝保收啊。”但我还是决定赌一把。大四那年，ChatGPT横空出世，我第一次意识到AI正在改变世界。我不想再过“按部就班”的人生，想抓住这个时代的红利。2022年7月1日，老王入职报到，朋友圈配图是机关大楼；同一天，我报名了线上培训班，朋友圈配图是电脑屏幕上的Hello World。那一刻，我们的人生彻底分叉了。2022年下半年：稳定安逸vs转行地狱老王的体制生活节奏舒适，朝九晚五，周末双休。工资到手4500，加上公积金和补贴月入7000左右。他的朋友圈都是爬山、团建、篮球，岁月静好。而我正经历人生最痛苦的三个月。编程基础为零的我，学Python基础语法看了三天才勉强理解。学数据结构时，看到二叉树、递归直接卡壳。最崩溃的是学深度学习，满屏的数学公式像天书。培训班里计算机专业的同学讨论Transformer架构，我连“自注意力机制”是什么都不懂。老师委婉建议我先补神经网络基础。那时我每天学习12小时以上，从早上7点到凌晨两三点。第一次崩溃发生在投简历时。学了四个月后投出30份简历，只有2个笔试邀请，0个面试。HR学姐直言：“文科转行，无相关经历，培训班出身，大厂不会考虑。”老王再次劝我考公，我说再试试。挂了电话，坐在出租屋里看着深圳的夜景，感觉离我很远。2023年上半年：升职加薪vs艰难求职2023年3月，老王转正，工资涨到6000，单位分了福利房。他笑着和领导合影，我点赞评论“恭喜”，心里五味杂陈。meanwhile，2023年2月，经过半年准备，我拿到了第一个offer——50人AI创业公司的算法工程师实习生，月薪6000，无五险一金。我毫不犹豫接了。现实比想象残酷。入职第一周，leader让我复现论文算法，精度比论文低了5个点。被批“基础不行”时真的难受。晚上11点坐地铁回出租屋，想给老王打电话又怕听到“早劝过你”。最崩溃的时刻是优化人脸识别模型，要求从200ms降到50ms。连续加班一周只降到120ms，leader脸色难看：“客户下周要看demo。”加班到凌晨3点还没搞定，突然很想哭。想起老王应该睡得正香，明天慢悠悠上班，下班打球，周末陪父母吃饭。而我，985文科生，转行AI，优化任务都搞不定，被leader批，拿着6000实习工资。我到底在坚持什么？2023年5月，我实习满三个月转正，月薪12K，有了五险一金。老王问：“12K在深圳够花吗？值得吗？”我沉默了。2024年：转折点3月，工作满一年时迎来转机。ChatGPT爆火，AI行业扩张，公司从50人扩到200人。我升任算法组长，带3人，月薪涨到22K。6月，我主导的OCR项目识别准确率从85%提升到96%，帮公司拿下年营收500万的大客户，获得20万奖金。终于感受到“成长”的价值。带新人时发现，这两年踩的坑、积累的经验已成为核心竞争力。能快速判断技术方案可行性，在别人卡壳时给出思路，这些不是培训班能教的。2024年下半年生活对比9月同学聚会见到老王，他气色不错但胖了些。月入1万出头，福利房明年入住，正在相亲准备稳定下来。他说生活舒服但有点无聊，每天都是重复。我刚跳槽到B轮AI独角兽任算法专家，年薪50万。工作强度仍大，但已完全不同：收入从2022年的0到2023年12万，再到2024年50万；技术能力成型，可独立设计方案、带5人团队；职业路径清晰，2-3年后高级专家年薪80-100万。最重要的是看到了更大的世界：与阿里、字节团队交流，参加行业峰会见大佬，与清华北大博士共事，见证AI改变行业。老王沉默后说：“羡慕你有明确目标和成长空间。我的生活稳定但看得到头。”2025年的思考现在转行AI整三年。上个月老王来电说想转行AI，我坦言现在行业很卷，他技术已跟不上。两条路本质差异：· 体制内：稳定可预期、压力小生活平衡，但收入增长慢、成长空间有限· 转行AI：成长快收入高、行业红利多可能，但不稳定压力大、技术更新快没有绝对对错，只有是否适合。我庆幸选择这条路，因为不想30岁就看到60岁的自己。给文科生转行AI的建议1. 转行前三问：真对技术感兴趣？能接受前期痛苦？愿持续学习？2. 正视劣势：数学基础弱、逻辑思维需训练、与科班生竞争处劣势3. 发挥文科优势：沟通表达强、跨界思维、学习能力强4. 科学学习路径：0-3个月打基础，3-6个月深度学习，6-12个月实战经验5. 简历要会“翻译”：用STAR法则、量化成果、针对JD调整6. 保持学习：AI更新快，不学习就被淘汰7.用泡泡小程序AiCV简历王做简历优化。三年后的答案如果回到2022年6月，我还会做同样选择。不后悔转行AI，也不觉得老王错了。人生没有标准答案。老王过得很好：稳定工作、即将结婚、有房有车、父母在身边，是很多人梦想的生活。我选择了更辛苦但可能性更多的路。三年前是对未来一无所知的文科生，现在是年薪50万的算法专家。只要方向对了，文科生也能在AI行业找到自己的位置。如果你不甘平庸，想抓住时代红利，就勇敢跳出舒适区。转行路很难，但熬过去会看到不一样的风景。两条路，没有对错。

作为机械结构工程师，在设计和优化产品结构时，AI已经成为不可或缺的工具。举个例子，在项目初期的概念设计阶段，以前我们需要花费大量时间进行手动计算和模拟，以确保设计的可行性。然而现在，通过AI技术，我们可以大幅缩短这个过程。具体来说，做项目时的拓扑优化工具能够在设定的边界条件和目标函数下，自动生成最优的结构形态。通过这种方式，我们在短时间内就找到了一个不仅满足强度要求，还能够显著减重的设计方案。这在传统方法下可能需要反复试验和大量的迭代。

不学ai大模型真的会被淘汰吗？😢  

Prompt Engineering:提示词- 通过设计输入文本来引导模型输出- 不修改模型参数- 适合快速迭代场景Supervised Fine-Tuning:模型精调- 使用标注数据微调模型参数- 需要训练资源- 适合专业化场景Prompt典型案例:1. 添加"逐步思考"提升推理能力2. 角色设定"你是一位资深律师..."3. 输出格式控制"用Markdown表格展示..."SFT典型案例:1. 医疗问答数据微调2. 客服对话场景优化3. 法律文书生成专项优化Prompt优势:✓ 零训练成本✓ 即时生效✓ 灵活可调✓ 保留通用性Prompt劣势:✗ 专业领域效果有限✗ 提示设计需要经验✗ 输出稳定性较低SFT优势:✓ 领域适应性强✓ 输出质量稳定✓ 可处理复杂任务✓ 减少提示长度SFT劣势:✗ 需要标注数据✗ 训练成本高✗ 迭代周期长✗ 可能过拟合## 产品决策建议• MVP阶段优先Prompt• 核心业务场景采用SFT• 混合方案：通用能力+专项优化• 考虑：数据/算力/时效/效果的平衡

一开始是接到说，用vscode去实现一个多视频图片对比插件， 这下把我整懵了， 不过需求是很简单，但是缺少对这门语言的掌握，很难说去从0到1去写， 不过还好有gpt，需求已给到，，那么整体的实现细节就有了， 通过不断的去描述情况， 加上自己去debug，很快就做出来了。如果像以前一样， 那我觉得，开发效率绝对会慢的很多，这是b站录制的工具详情。https://www.bilibili.com/video/BV1Si4y1W7im/

最火的AI要属ChatGPT了，但是国内访问ChatGPT需要翻墙，这就导致了很多小伙伴望而却步，这里我提供两个国内的AI网站，使用体验轻便快速整洁高效。1.Kimi2.智谱清言（牛客不能提供外部链接，找不到的可以私信我哦）下面我来说一下我工作中是如何使用AI的首先，AI写一些模板画的个人介绍，个人品德之类的文章超级绝，比如毕业生要写个人在校表现，同学老师的评价，这两个网站不仅会完整给出，还会分段分条。另外如果工作上遇到不会的难题，比如说Excel和Word中遇到不会的操作，我基本上都是求助于AI，大部分时间都能很快的解决，可以说非常好用。AI使用注意事项：诉求一定要清晰，意思就是说你一定要完整清晰的描述你需要解决的问题，不同的问题是会有不同的答案PS：可以说自从用了AI，工作上顺顺利利，效率值拉满，做完工作之后还能够爽爽的摸鱼。如果你觉得以上两个网站能帮到你，可以回来给我送朵花嘛

1. 核心影响因素- 任务类型：- 简单任务（如文本分类）：可能需数百到数千条标注数据。- 复杂任务（如对话生成、阅读理解）：通常需数万条甚至更多数据，尤其需多样性和高质量样本。- 模型规模：- 大参数量模型（如GPT-3、PaLM）可能需更多数据防止过拟合，但通过策略（如参数冻结）可降低需求。- 较小模型（如BERT-base）可能在较少数据下表现良好。核心是数据质量：- 高质量、标注精准、多样化的数据可显著减少需求量。- 低质量数据可能导致模型性能瓶颈，需额外清洗或增补。领域差异：- 若预训练数据与目标领域差异大（如通用→医疗），需更多领域数据调整模型分布。- 训练策略：- 正则化技术（早停、Dropout、数据增强）可缓解小数据过拟合。- 迁移学习技巧（如Adapter、LoRA）可减少可训练参数量，降低数据需求。经验可参考范围- 常规任务（分类/标注）：- 小模型（如BERT）：1k-10k样本。- 大模型（如GPT-3.5）：可能需10k-50k样本（结合领域适配策略）。- 生成任务（对话/摘要）：- 通常需5k-100k+样本，依赖生成质量要求。- 领域适配：- 若领域差异大，需额外增加20%-50%数据量。产品经理的权衡维度- 业务目标：- 若需快速验证MVP，可接受小数据+低精度（如数百样本），后续迭代优化。- 若追求高精度（如医疗、金融场景），需预留足够标注预算。- 资源限制：- 标注成本：若数据获取昂贵，需优先优化数据质量或采用主动学习。- 算力与时间：大数据量需更高训练成本，需权衡ROI。- 替代方案：- Prompt Engineering：用少量样本设计提示词，可能无需微调。- Few-shot Learning：结合模型原生能力减少数据依赖。

我想问一下万能的uu ，亚信科技初级AI能力测试大概考哪些方面的内容，我好做准备，有没有已经考过的uu们，求助！！！😭😭😭

对于开发中遇到的乱七八糟的需求，AI再合适不过了，几千行屎山丢AI里面跑跑就能知道大概逻辑，对于我这种大废物而言简直是救星，特别是遇到开源项目，直接3、4个AI轮流着跑顺便对比结果，大概率能在短时间内吧项目的关键要点学到，之后就可以切换下一个如法炮制目前我主要用这三个：1. kimi（神）2. chatgpt（神）3. 豆包（有点慢）

#AI了，我在打一种很新的工##被AI治愈的瞬间#

这豆包的AI播客功能是什么鬼啊，我把我的毕业论文放进去，它直接生成了一段音频，里面有那男声和女声，一唱一和一问一答的居然2个还聊起来了，没绷住。