要不要换工作，ai infra vs ai agent

近一年来，各类 Agent 产品集中爆发。为了体现技术先进性，许多接入了大模型的应用都将自己定义为「Agent」。但在实际使用中你会发现，很多号称 Agent 的系统，底层仍然是传统的自动化流程。它们的步骤是固定的，路径是预设的，缺乏自主决策能力。这实际上是 Workflow，而非真正的 Agent。那么，Workflow 和 Agent 到底有什么区别？一个需求到底该用 Workflow 还是 Agent？本文将按 Workflow 定义 → Agent 定义 → 核心对比 → 选型策略 的结构展开，概念与结论紧密结合，读完即可判断。一、Workflow📌 一句话定义：Workflow 是...

“搞AI不需要脑子，本科生就能干”---姚顺宇

在 AI 应用的场景中，rag可以说是一项必备的技术，在智能客服，导购 agent，智能创作等有检索需求的场景都会使用到，所以这里结合一些实际的应用场景和大家做一些分享一，数据准备数据准备是 rag 整个流水线中非常重要的一环，所以在实际的生产场景中，也主要是看数据解析，以及使用不同的向量库落库的过程 文件解析（pdf，docx，txt，md）目前常见的文件解析，就是利用 Apache tika 等开源库做解析组件，但对于一些富文本的数据，比如有图片和表格的情况，就要借用 ocr 等辅助手段大表格处理表格是比较常见的数据类型之一，但是大表格解析通常会有一些问题比如在切块的时候如果每一行都作为 ...

先说一下整体时间线：4.15 机考4.30 一面 + 主管面后续收到 offer，目前流程已经到入职报到阶段。这次能拿到华为暑期实习 offer，真的感觉有很大的运气成分。4.15 参加机考，拖了半个月才约面试。4.30 当天是一面+主管面。一面的表现其实非常一般，甚至可以说答得一团糟。很多问题回答得都不够流利，手撕题也没有做出来。当时面完其实已经觉得大概率凉了，没想到最后还是通过了，真的非常感谢面试官的仁慈。主管面整体更偏交流，会问一些项目经历……。相比一面，主管面没有那么强的压迫感，但因为前面技术面发挥得不好，整个过程还是挺紧张的。最后能拿到这个 offer，感觉一方面是运气比较好，另一方面可能也有学校背景加成。作为天津大学 985 背景的学生，这次算是靠着学历进了暑期实习池，也拿到了自己唯一一个暑期实习机会。整体感受就是：华为流程确实比较快，面试体验也还不错。即使技术面发挥一般，也不要太早放弃，说不定还有机会。希望大家都能顺利拿到满意的实习 offer！