1. C++中的智能指针有哪些？它们的区别和使用场景是什么？答案：三种智能指针：1. unique_ptr（独占所有权）独占资源，不可复制，只能移动开销最小，性能最好使用场景：明确单一所有者的资源管理 std::unique_ptr<int> p1(new int(10)); std::unique_ptr<int> p2 = std::move(p1); // 转移所有权 2. shared_ptr（共享所有权）引用计数，多个指针共享同一资源最后一个指针销毁时释放资源线程安全（引用计数操作）使用场景：多个对象共享资源 std::shared_ptr<int&gt...

最终还是婉拒了小红书的offer，厚着脸皮回了字节。其实这次字节不管是组内的氛围、HR的沟通体验，都比之前好太多，开的薪资也还算过得去，这些都是让我下定决心的原因之一。但最核心的，还是抵不住对Agent的兴趣，选择了Ai Coding这么一个方向。因为很多大佬讲过，在未来比较火的还是属于那些更加垂类的Agent，而Ai Coding恰好是Coding Agent这么一个领域，本质上还是程序员群体和泛程序员群体这个圈子的。目前也已经在提前实习，也是全栈这么一个岗位。就像最近阿里P10针对前端后端等等不再那么区分，确实在Agent方向不太区分这个。尤其是我们自己做AI Coding的内容，基本上90%左右的内容都是AI生成的，AI代码仓库贡献率也是我们的指标之一。有人说他不好用，那肯定是用的姿态不太对。基本上用对Skill、Rules 加上比较好的大模型基本都能Cover你的大部分需求，更别说Claude、Cursor这种目前看来Top水准的Coding工具了（叠甲：起码在我看来是这样）。所以不太区分的主要原因，还是针对一些例如Claude Code、Cursor、Trae、Codex、CC等一大堆，他们有很多新的概念和架构提出，我们往往需要快速验证（MVP版本）来看效果。而全栈就是这么快速验证的一个手段，加上Ai Coding的辅助，目前看起来问题不大（仅仅针对Agent而言）。而且Coding的产品形态往往是一个Plugin、Cli之类的，本质还是属于大前端领域。不过针对业务后端来看，区分还是有必要的。大家很多人也说Agent不就是Prompt提示词工程么？是的没错，本质上还是提示词。不过现在也衍生出一个新的Context Eneering，抽象成一种架构思想（类比框架、或者你们业务架构，参考商品有商品发布架构来提效）。本质还是提示词，但是就是能否最大化利用整个上下文窗口来提升效果，这个还是有很多探索空间和玩法的，例如Cursor的思想：上下文万物皆文件， CoWork之类的。后续也有一些Ralph Loop啥的，还有Coding里面的Coding Act姿态。这种才是比较核心的点，而不是你让AI生成的那提示词，然后调用了一下大模型那么简单；也不是dify、LangGraph搭建了一套workflow，从一个node走到另外一个node那么简单。Agent和WorkFLow还是两回事，大部分人也没能很好的区分这一点。不过很多人说AI泡沫啥啥啥的，我们ld也常把这句话挂在嘴边：“说AI泡沫还是太大了”诸如此类。我觉得在AI的时代，懂一点还是会好一点，所以润去字节了。目前的实习生活呢，除了修一些Tools的问题，还包括对比Claude、Cursor、Trae在某些源码实现思想上的点，看看能不能迁移过来，感觉还是比较有意思。不过目前组内还是主要Follow比较多，希望下一个阶段就做一些更有创新的事情哈哈。这就是一个牛马大学生的最终牧场，希望能好好的吧。说不定下次发的时候，正式AI泡沫结束，然后我又回归传统后端这么一个结局了。欢迎交流👏，有不对的🙅不要骂博主（浅薄的认知），可以私聊交流

最近两天国际金价忽上忽下炒的特别火热，前天晚上心血来潮就决定写一个Agent智能分析黄金市场的项目，连续工作了20小时也是完工了，刚刚花了会儿时间也是成功在github上上线了。GoldMind 是一个基于 LangChain Multi-Agent 架构 的黄金市场智能分析平台，融合 ReAct 推理框架、RAG（检索增强生成） 与 多模型协作 技术，为投资者提供深度市场洞察。系统基于 GLM-4-Plus（智谱AI）与 DeepSeek-V3 双引擎驱动，通过专用 Agent 分工协作：Market Analysis Agent 负责技术面量化分析，News Intelligence Agent 基于实时搜索进行舆情解析，Institution Research Agent 追踪主流机构观点，Investment Advisory Agent 融合多源信息生成策略建议。各 Agent 通过结构化输出实现结果融合，形成对黄金市场的全景认知。项目链接🔗https://github.com/JasonBuildAI/GoldMind球球star⭐啦哈哈哈哈哈😃附上几个前端截图，也欢迎大家提PR

上班摸鱼，翻了2025年至今牛客网的阿里系面经，包括阿里云智能、达摩院（通义实验室）、阿里云计算平台以及阿里妈妈等机构，整理了算法工程师的常见面试内容，希望对想冲大厂的你有所帮助^ ^ 核心架构演进：Transformer组件的细粒度考察 Transformer架构作为现代大模型的基石，其考察深度在2025年达到了前所未有的水平。面试官默认候选人已经熟悉基本结构，转而主要攻击架构中的具体组件选型及其背后的数学原理。 位置编码（Positional Encoding）：从绝对到相对的演变  RoPE (Rotary Positional Embeddings): 42次 ALiBi (Atten...