面经停更，先更大模型，内容主要来源是langchain官方文档 使用langchain集成deepseek记得安装langchain-deepseek 模型 静态模型 from langchain.agents import create_agent from langchain_openai import ChatOpenAI model = ChatOpenAI( model="gpt-5.4", temperature=0.1, max_tokens=1000, timeout=30 # ... (other params) ) agent = create_agen...

先明确一点，所有项目都是以需求驱动的，再加上规范的流程和强大的鲁棒性。让代码稳定运行，这就是工程，0几年大厂雏形可能就没有很好的架构设计，但是架不住迭代多次越来越完善。你的项目vibecoding经常推不动的原因是什么，我觉得跟大厂第一步就拉开了，先整理明确的需求文档，是做mvp抢占市场还是做大项目迭代。使用手册开发手册和维护手册，这些都要有，然后就是根据需求设计架构，操作系统是什么linux还是Windows还是macos，选择本地还是云，考虑联网还是离线，前端要不要有，我推荐不用，ai视觉能力太拉胯了，用cli就好，后端数据库选择，关系数据库，向量数据库等，怎么维护。选好了之后就看是否需要分层分模块，每个模块死了怎么办，熔断还是重试还是风险转移，还是兜底方案。写好代码后就得做隔离测试每个模块是否脱离架构自己运行。再就是宣传，这个也得有必要，得让你的数据库大起来才能发现更多问题。我目前认知就这些，我觉得一步没做好就死掉了。欢迎大家补充。

想做 AI Infra / LLM 推理系统 方向。 身边没有同方向的朋友能问，自己摸着石头过河整理了一份学习路线，越整理越虚——感觉知识点又多又散  我自己总结的核心路线就一句话： 先理解模型前向 → 再理解单请求生成 → 最后再看多请求 / 多卡 / 多实例下的系统优化 把 Decoder 模型和最小推理框架先跑通，再去看工业级系统，应该很多设计会自然浮出来——这个思路对吗？ 想和大家多多交流！

27届双2，无实习鼠鼠，一个agent项目+一个点评，后端/AI应用开发方向，从四月面到现在一面挂*4阿里 hr面之后告知没有hc，换组加面挂蚂蚁 二面完还没消息，没挂也没过，感觉大概率是挂了得物 一面完没消息