查户口

最近刷牛客，看到好多老哥在焦虑“AI会不会抢开发饭碗”，转身就去报了个什么“高级提示词工程师”的课。说句实在话，作为每天在业务需求里打滚的后端开发，站在面试官的角度来看：没人关心你Prompt写得多有诗意，大家只关心你能不能用AI解决真实的业务痛点。如果你想在简历里加上亮眼的“AI含金量”，建议把精力砸在这几个方向：1. 掌握 AI 工作流编排与自动化落地（核心竞争力）现在单纯调一个大模型的 API 已经不稀奇了，稀奇的是工程化落地。 把 AI 接入现有的自动化流程中才是王道。比如，你能熟练使用 Dify 这类平台，把复杂的操作编排成流水线——哪怕是搭一个自动生成内容并推送到小红书等平台的发布...

首先得看你学 AI 是为了面试，还是实用为主，如果是面试，需要学习相关 AI 的理论基础和概念，RAG,MCP，幻觉，agent等等，如果是实用的话， AI 可以生成代码，需求分析，单元测试，自动化测试，以及code review，推荐使用代码调优过的模型，而不是一些文本为主的模型，使用精确度更高，当然自己用一般都得花钱

2023年，开源模型刚刚多起来的时候，上手AI做的最多的事情就是微调，那会儿我有一张3090，就足够微调GLM2-7B或者Llama2-8B的模型了，网上还有很多的教程，教你怎么找数据集、怎么构建数据集，怎么微调大模型。仿佛只要学会了微调，我就一脚踏进了大模型工程师的门槛。包括到现在，很多客户一开始就说：“我们要微调一个自己的模型，网上都这样说的。”然后14B也好，32B也好，拉一堆行业数据往里塞，觉得这样才算构建核心壁垒。但连续了解几个项目之后，我现在的结论很清晰：对大多数做AI应用的团队来说，微调就是个坑。甚至面试的时候也会出现这个问题：为什么不建议微调？到现在网上还有很多新发的教程，一张...

1.选择一个比较熟悉的项目，在项目过程中遇到哪些困难，主要做了哪些功能，哪些模块，每个功能模块的业务流程是怎么样的。2.提到说用了本地事务表来做分布式事务的问题，本地事务表如果说消息比较多，交易量比较大，你该怎么处理呢。3.那你知道RabbitMQ的集群部署原理吗4.谈谈对ThreadLocal的理解4.1 Key是弱引用 Value是强引用， 怎么说Value被强引用引用不能被回收5. 如何做到用户下次登录免登录的？5.1 RefreshToken是怎么续期的5.2 你的token保存在Redis里面，大量用户的token同时过期，导致系统问题，则么处理6. 现在有ABCD四个线程，如何让A线程先打印，然后BC打印，D再打印。7.有没有去了解一些技术栈的原理8.TCP 粘包拆包问题9. 在一个2G2C的服务器上，我有100G的文本，里面是一堆字符，找出里面所有的helloworld，并且统计他们的次数