启明星辰

本人双非二本，主要语言技术栈是C++，Linux，服务器开发的一些技能（熟悉Linux），工具类比较熟悉docker，redis，MySQL，也学了很多扩展的技能：protobuf序列化，Python，git，包括软件测试以及工具使用啥的（Selenium，jmeter，Postman），最初期望是找开发岗，可是约面的很少。目前在一家量化公司做系统工程师实习，带我的人挺好的，但是不到一个月他就辞职了，他跟我说这个岗就是运维，偶尔写点Python脚本开发，你有什么想干的或者想学的告诉我，尽量安排，然后教了我k8s，k8s部署zabbix实现集群监控，对接飞书机器人发送播报，nginx配置的一些杂活（负载均衡，安全防护），还有就是CICD。业余时间在学分布式架构的一些知识，redis集群，MySQL集群，系统架构，消息队列这些，他跟我说我教你的这些可以包装到简历上，找相关工作有帮助，然后给了我一些运维八股文，说这公司有钱待遇也可以，转正拿10k还是可以的（在上海），然后介绍了一些后续的学习路线，ELK，感兴趣可以学一下NAS这些，他不推荐我走C++后端开发，岗位少还卡学历，让我走运维开发，或者云计算这两个方向还行，他说运维顶不住会的多，不光学的多还要深等等这些建议。交代完这些几天就离职了。       但是我看网上说运维工资低，没有技术含量，前景不行，看的我好焦虑，从C到数据结构，再到C++，再到Linux，Linux系统内核，Linux系统编程，Linux网络编程…，从大一下开始学到现在也已经两年，感觉做运维跟我学的不怎么沾边，一切努力好像都白费了😭，各位大佬有没有什么建议。 

真服了，我不信有这个题，还不会常见的业务题◆ 大模型（LLMs）基础面• 目前主流的开源模型体系有哪些？• prefix Decoder 和 causal Decoder 和 Encoder-Decoder 区别是什么？• 大模型LLM的 训练目标 是什么？• 涌现能力是啥原因？• 为何现在的大模型大部分是Decoder only结构？• 简单 介绍一下 大模型【LLMs】？• 大模型【LLMs】后面跟的 175B、60B、540B等 指什么？• 大模型【LLMs】具有什么优点？• 大模型【LLMs】具有什么缺点？◆ Layer normalization 篇• Layer Norm 的计算公式写一下？• RMS Norm 的计算公式写一下？• RMS Norm 相比于 Layer Norm 有什么特点？• Deep Norm 思路？• 写一下 Deep Norm 代码实现？• Deep Norm 有什么优点？• LN 在 LLMs 中的不同位置 有什么区别么？如果有，能介绍一下区别么？• LLMs 各模型分别用了 哪种 Layer normalization？◆ LLMs 激活函数篇• 介绍一下 FFN 块 计算公式？• 介绍一下 GeLU 计算公式？• 介绍一下 Swish 计算公式？• 介绍一下 使用 GLU 线性门控单元的 FFN 块 计算公式？• 介绍一下 使用 GeLU 的 GLU 块 计算公式？• 介绍一下 使用 Swish 的 GLU 块 计算公式？◆ Attention 升级面• 传统 Attention 存在哪些问题？• Attention 优化方向• Attention 变体有哪些？• Multi-head Attention 存在什么问题？• 介绍一下 Multi-Query Attention？• 对比一下 Multi-head Attention 和 Multi-Query Attention？◆ transformers 操作篇◆ LLMs 损失函数篇◆ 相似度函数篇◆ 大模型（LLMs）进阶面◆ 大模型（LLMs）微调面◆ LLMs 训练经验帖◆ 大模型（LLMs）langchain 面◆ 多轮对话中让AI保持长期记忆的8种优化方式篇◆ 基于langchain RAG问答应用实战◆ 基于LLM+向量库的文档对话 经验面.......

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？

🎓学历背景：双非本👨‍💻意向职位：Python研发📍求职类型：实习🔑遇到的问题：优化简历 第一次找实习，简历投出去似石沉大海！