后端还是AI应用开发

AI Infra 是未来 5–10 年非常确定的岗位方向之一，而且相比纯算法岗，门槛更工程化、需求更大、年龄更友好。AI Infra 技能栈你可以把技能栈理解为 4 层：第1层：基础工程能力（必须）这是门槛：LinuxPython / Go计算机网络操作系统DockerKubernetes数据库（MySQL / Redis）分布式系统基础API开发（FastAPI / Flask）并发 / 异步 / 队列（Kafka / RabbitMQ）这一层本质是：后端工程师能力第2层：AI工程能力这一层开始进入 AI Infra：PyTorch 基础模型推理（inference）模型部署（TorchSe...

先说结论，我认为今年是否有一段暑期实习对秋招的影响会比以往都要大（甚至实习内容在不在ai应用的链路上都会有很大的区别）因为众所周知的原因，在年后所有的中大厂都开始推进代码ai率，而是否在实习会关系到两点：1.是否能关注到最前沿的有关于ai应用的实践 2.是否能在日常中去学习了解这些最前沿的技术就我暑期面的这么多场面试来说，越往后面试官明显对于agent llm skill mcp spec这些和ai领域有关的名词提问的占比越高，问的深度也越深，那么我们能从哪些地方去实际掌握到这些信息呢？最简单的来说，你如果在中大厂，你会主动/被动地开始学习并且使用这些最新应用，而且还有内部的技术论坛可以不断的有人教你最新技术的核心原理。但是假如说你不在实习的话，你想要了解这些信息就会困难很多。然而相比于了解和使用这些新技术，更大的差距在于实习可以在一个大的项目中总结经验，发现目前技术的缺点，这和没有实习甚至项目都没办法上线相比是完全不一样的。反映到面试上就是一个对什么问题都能弹几句自己的看法和改进措施，另一个却只能一直说自己不太了解，这对于面试通过率明显是毁灭性的降低。ai时代的另一个特点就是迭代速度极快，在年前还很火很好用的openspec框架，对于现在最新大模型的高性能来说，与其用重量级的openspec还不如用轻量级的plan mode框架，能带来时间与正确率的双提升，然而现在很多面试官（包括公司）还会去强调spec框架的好用，在大厂中的人尚且如此，没有实习的人又怎么能去跟上最新的发展。说了这么多，你一定觉得我有什么好的方法能够解决这个困境吧，很遗憾我并没有，我本身也是在一个不断学习的过程中，是不是从公司内部论坛上偷一些最新理解更新自己的知识库，但是在实际面试中有一些相关的问题我还是没有办法回答得很深。但是我仍然可以给出一些意见：1.不管你要应聘的岗位是什么，你一定要从agent开始分解（包括训练和使用），了解其中的每个概念是做什么的，常用的架构是什么，设计初衷是什么等，保证出现一个相关的名词你不会哑口无言。2.流行的技术背后的核心和出发点，和前一代的区别在哪，虽然可能没办法接触到最最前沿的应用，但是其实大部分人都是有一些滞后的，一般而言对开发也不要求做到完美无缺。ps：发完上一个帖子之后面试就很顺利，也是顺利找到下一家了，还有几家在流程中，什么时候能让我体验一下选offer的快乐

额，全程拷打项目几乎没有纯八股相关的八股：redisson分布式锁相比于set nx的好处completableFuture与future相比有哪些不同说一下aoprabbitmq延时队列是怎么实现的手撕：删除链表重复元素II（昨晚喝了酒，我还以为是约的下午面试，早上九点起来发现是十点的面试，我嘞个豆

本次面试90分钟，应该属于交叉面惹，真的是个超级大的八股盛宴，很多底层cpu操作系统，网络协议，js代码语法的相关知识，没有考察图形学，因为蜀黍感冒了鼻子一直擤擤擤，有一些基础根本就没答好惹，但是面试官给我的评价是我的项目特别有深度，觉得我项目的三维图形学可视化架构做的特别优秀，然后两道手撕全都顺利撕出来了，我以为我因为基础比较差，过不了了，本来要哭了以为又一次跟白月光失之交臂，结果面试完半小时hr小姐姐就告诉我过了，还让我二面往我的亮点好好准备，我我我真的哭死爱死面试官了呜呜呜，然后就是美丽的hr小姐姐都到下班时间了还主动帮我去问了，我真的遇到了很优秀又很好的人