3月31日，Claude Code 的源码因 source map 文件未剥离意外泄露。51万行 TypeScript 代码、1903个文件，就这样暴露在了公网上。 而就在泄露后的几小时内，一个韩国开源团队 instructkr 就启动了 claw-code 项目——用 Rust + Python 对 Claude Code 的核心架构进行了 clean-room 复刻。 这个项目 2 小时冲上 50K star，创下 GitHub 历史最快纪录。 对我们求职党来说，这意味着什么？ 意味着你现在可以拆开 Claude Code 的引擎盖，学习一套工业级 AI Agent 系统的设计思路，甚至基...

双非一本，八股刚开始，这个简历能找到实习吗。。。

1. 模型训练里你怎么在全参微调和 LoRA 之间做选择这个问题我一般不会只从显存够不够来答，而是会结合任务复杂度、分布偏移程度和上线方式来讲。全参微调的优点是表达空间更大，适合任务分布和原模型差异比较大的场景，比如领域知识很重、输出风格和推理路径都要明显改造的时候，它更容易学到深层适配；LoRA 这类 PEFT 方法更适合成本敏感、实验迭代快、模型版本频繁切换的场景，特别是多任务并行或者多租户配置时，管理上会轻很多。如果任务本质上是在原模型能力基础上做轻量偏移，比如格式约束、领域术语补强、特定工具调用习惯，LoRA 往往就够了。反过来，如果发现训练后模型虽然会答，但深层行为模式改不动，比如推...