想知道各位牛友如何看现在市场上的传统后端开发和“llm应用开发”呢，因为llm应用开发其实市场上做的工作内容参差挺大的，我大致分了几类供参考，如有不对，轻喷1.第一种最接近后端，调大模型api，然后还是搞后端那一套，无奈很多公司喜欢打着这个噱头，其实跟后端无异。2.做agent，核心工作就是prompt，rag，用低代码平台搭工作流、智能体这种，这种去了感觉失业得最快。3.搞微调，这种门槛也不是很高，但比第二种好多了，涉及模型微调、指标评估、造数据啥的。4.预训练，这种都是算法招进去的，门槛有点高，感觉危机感没那么高，虽然说也是搞数据清洗的多。5.模型压缩、推理加速啥的，这种偏底层 门槛也很高，个人感觉很好，就是要求高。大概这五种，依次从后端到算法，市面上很多名字，大模型/ai/ai agent应用开发太多了，但工作的内容差别超大。如果说涉及到的主要工作就是洗数据、造指标、微调、prompt、rag之类的或者再加一点agent，那感觉护城河似乎没那么高，甚至感觉可能还比不过java(说法可能有些绝对)，总结来说就是感觉危机感很重，想知道大伙是怎么看的，作为在校生该如何做选择呢？

一面wxg 丢上来3道题 1道智力 不说是最优算法 至少是全部写出来了 挂cdg 一面 面试官说很优秀 二面 面试官说理论很充实 hr挂csig 一面挂cdg 一面 上来就是压力，动态线程池的意义，有意义吗 意义在哪 我说美团的技术文章分享了这个 我是复现的， 他还在问有意义吗 准备取消腾讯的应聘状态了

迷茫了，目前研二，本来想找后端开发，结果实习的时候稀里糊涂进了一家小厂的agent开发。什么东西也学不到，每天就是部署模型，调提示词。现在已经离职，下一段实习是找后端开发，还是继续all in agent呢

✅一面 1、数据集构成 2、最长的点击文章序列长度 3、为什么选用DIN模型，介绍下DIN 4、DIN跟传统神经网络DNN CNN区别 5、DIN是拿哪些信息训练的 6、LGB只用了统计特征吗，已有embedding，为什么不用深度模型呢 7、LGB输出的是什么，它的预测分数是什么 8、DIN的输出和预测分数是什么 9、加权融合部分怎么做的，权重怎么定，为什么DIN高 10、为什么不用LGB和DIN的结果（DNN之前）做拼接再softmax，而是在外面做加权融合呢 11、u2i是自己做的还是模型自动做的 12、相似度矩阵具体怎么做的 13、有了解过FM吗，为什么不用FM或者自适应的特征交叉之类呢 14、最后拿到的结果是什么样的，和第一名的差距如何✅反问： 1、广告推荐的场景--所有广告的推荐 2、具体负责的工作--提升广告和用户的匹配度和匹配效率，偏向广告主侧 3、实习生培养模式--课程、带做项目，短周期输出校验 4、建议--学原理，深度优先📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。