先说结论：AI 让懒惰的人更浅薄（沦为 Prompt 工程师），让勤奋的人更深刻（进化为系统架构师）。今年AI的井喷式发展，尤其是Claude，Gemini这些里程碑式模型的出现，对我这种需要coding 的人影响是非常大的：以前写代码，把手放在键盘上，脑子先转几圈；现在写代码，把手放在 Tab 键上，等着 AI 给我补全，或者把需求给AI直接化身无情的“CV工程师”。AI 确实让效率起飞了，但夜深人静的时候，我偶尔会心虚：如果拔掉网线，我是否已经变成了一个空壳？1.肌肉记忆正在消失 这一点开发同学应该极有共鸣。曾经的代码全是自己一个个字符敲出来的，常用的模块早已形成了肌肉记忆，闭着眼都能敲出...

最近在投递简历。在BOSS上，投了50来份小厂(1000人以下)。只有几个人回复(我知道这很正常)，目前有一个小厂hr的电话，说他们的要求很高，我代码有点少。感觉小厂的要求都好高，什么QT，游戏项目/引擎，嵌入式，音视频，图片处理，机器学习，数据挖掘/分析等等，我是不是要改变策略，投中大厂(可能他们的要求比较低，比较看重学习能力)？现在想，先投一个月(边复习+MySQL+QT)，不行就考研去了。

本人靠吹牛已经得到了3个offer，总结一下，一个月的经验说成三个月，甚至半年，面试之前一定自己调查下工作内容、方法论、专业术语之类的，大致了解，最好还能理解着背下来。最主要的是不能怯场，一定要看着面试官的眼睛，保持松弛感。其实hr每天接触太多人了，干多了自然会知道你行不行，但是就是要装做自己很行，要给hr一点信心，让他敢给你一个机会

首先讲为什么写这个啊，这个和大模型有什么关系，其实本质上我什么都会看看，更ai相关的，比如infra，算子，或者加速推理框架，联邦学习基本上只有前沿实验室在搞，我也在做这个，这里顺手更新一下：一、边缘计算详解：1. 核心概念：是将计算、存储和网络资源从集中式云数据中心下沉到靠近数据产生源的网络边缘。边缘节点可以是路由器、网关、基站、工业控制器、手机、汽车、智能摄像头等。与传统云计算的根本区别在于处理方式：传统云计算是“数据搬家”——所有数据都要通过网络上传到遥远的云服务器集中处理；边缘计算是“计算搬家”——大部分计算直接在数据产生的附近完成，只把必要的结果或摘要上传到云端。2. 典型架构：边缘...