现在很多电商行业、政企部门、金融等行业有AI客服，都是充当接受用户的自然语言处理，然后对接大模型找出客户意图，然后反馈给客户的服务。我个人觉得处于这种应用AI层面没啥加分，有加分的应该是硬件和软件的结合，比如机器人的开发，软件、电路、芯片方面的研发，但那部分研发变现太慢，大部分公司是喜欢赚快钱，赚流量，赚广告等快节奏一类的变现方式。

作为大四后端实习生，我每天在成长与消耗中反复拉扯，工作不可能无时无刻在成长，也会有一些琐事消耗着我。最重要的是如何看待吧。白天跟着导师改接口、调bug，从不会用框架到能独立完成简单模块，每一次解决问题都是实打实的进步。可深夜加班改重复的需求、应对无意义的返工，又让我身心俱疲。我一边珍惜这份能积累项目经验的机会，一边被琐碎内耗得想逃离。原来实习从不是非黑即白，成长是底气，消耗是警醒，我在这份矛盾里，慢慢看清自己想要的方向，也在咬牙坚持中，为秋招攒足力量。#你现在的工作，是“成长”还是“消耗”？#

现在的AI无疑是资本投入最大的赛道，但是不好说未来会不会某一个时刻，资本的泡沫破碎。但是还是需要拥抱一下AI，用AI完成一些比较简单的工作。了解一下最近比较火的龙虾，很多公司都在将龙虾带入工作中，确实也是一个很合格的agent助手，我自己也搞了一下，确实挺好玩且好用。

ps：如果这篇帖子对于还在找工作和找实习的你有所帮助，可以关注我，给本贴点赞、评论、收藏并订阅专栏；同时不要吝啬您的花花缓存是提升系统读写性能、降低数据库压力的核心手段，根据部署范围、数据共享性分为本地缓存和分布式缓存两大类。两者定位不同、特性迥异，更新策略也需适配自身架构特点，避免数据不一致、缓存雪崩等问题。一、本地缓存 vs 分布式缓存：核心区别本地缓存属于单机/进程内缓存，数据仅存在单个服务实例；分布式缓存属于集群共享缓存，数据跨节点统一存储，两者核心差异对比如下：部署方式单机部署，与应用服务同进程/同服务器，无网络交互独立集群部署，多应用节点通过网络远程访问数据共享性数据隔离，各服务实...