阿里淘天数据开发校招一面

🏢公司名称：数字马力💻招聘岗位：前端、后端、测试、产品🌟内推码：NTAfaAC🔗内推链接：https://app.mokahr.com/su/4Pbco💰福利待遇：五险一金，节日礼品等等🤔工作体验：入职有师兄带领、mac办公，环境高端大气

最讨厌的就是年终考核。平时的努力常常被压缩成几个指标，紧张的氛围让人压力倍增。虽然它能反映工作成果，但总让人感到焦虑和不自在。要是能用更合理、更人性化的方式评价员工，大家的工作体验肯定会好很多。

起因是之前我有一个实习公司的部门每天要处理大量第三方爬取过来的非结构化数据，对非结构化数据进行数据加工，对他们按产品类别分类，剔除一些与我们公司产品不相关的数据，并且将他们转变为结构化数据，写入数据库，这个过程具有高度重复性，且数据量不大，一个实习生花费一个小时时间足够搞定。适逢公司在推广大模型提效，要求每个部门看看自己的工作流中有没有可以应用大模型的地方，于是我就想到了能不能在这个地方应用到大模型，向领导提出后，也得到了领导的大力支持。然后我正好看到了dify的ai低代码平台，由于我这个只是要做一个轻量化的ai工具，也不会分到太多的研发资源，所以就想到了用dify做知识库和前端搭建。说干就干，前期我协助业务方收集每个产品对应的关键词，搭建知识库，并且还支持业务不断更新关键词，中期和产品一起试图减少幻觉的影响，兼容现有Excel文件格式及业务流程，自动化识别网页数据中的关键信息并完成分类打标签操作。项目的困难点是由于公司产品类别繁多，复杂，所以需要知识库搭建极为细致，有时候还需要迭代，并且需要大模型读取网页或者附件信息，提取关键参数完成标签生成。所以我们设置了  这个工具需支持简单的规则配置功能，便于后续自主更新规则最后也得到了较好的结果，大模型进行数据清洗可以收获90%的准确率，只需要人工复核即可，也是节省了清洗人员的大量时间上述过程中大多数步骤都可以用dify完成，前期使用python验证可行性，dify目前也十分完善，非常适用于工作流提效

大厂工资倒挂已经不新鲜了。老员工辛辛苦苦干了两三年，应届生工资比他工资还高一截。这话听着很扎心，但确实反映了一个现实：AI时代正在重构「经验」的价值。以前的工作是线性积累模式：新人犯错 → 老人指导 → 积累经验 → 成为专家 → 经验溢价 这个模型里，时间=经验=竞争力。一个10年经验的财务，处理复杂账目比新人快10倍，这就是壁垒。 AI时代的颠覆但现在AI把这个逻辑打破了：知识获取成本归零 以前学Java要报培训班、看厚书、跟着大佬写代码。现在问GPT就行，它能给你定制化的学习路径，还能实时答疑。新人三个月达到的水平，可能以前要两年。前段时间没上过大学的小哥通过AI工具自学进入了顶级AI公...