求助贴：研一想走算法岗

是算法岗吗？

现在竞争焦点从"拼模型/拼 Prompt/拼 Context"升级为"拼 Harness（模型外围的运行时与基础设施）"——Agent = Model +Harness；工程师的核心能力是"驾驭复杂性、驾驭不确定性系统"，这是 30 年软件工程不变的主题。三次跃迁：Prompt Engineering (2023) → Context Engineering (2024-25) → Harness Engineering (2026)。Claude Code 是当前 Harness 的 Number One。大学生怎么学？照猫画虎：读...

求定位（暑期实习）bg：2本9硕，目前有一篇在投论文，但和大模型方向不算特别对口，属于 AI4S。另有一段非互联网实习经历，主要做 Agent 开发。我的优势大概是：代码能力比较强，笔试、手撕基本都比较稳；基础还可以，对深度学习、Transformer、pre/post training、RLHF、agentic RL等这些内容都有一定理解。目前拿到/推进中的机会有这些：鹅厂 NLP：一面表现不错，二面一般，三面发挥不太好。后面基本都是压时间进的测评和 HR 面。明天约了 HR 面，但我自己感觉不一定稳，有点担心泡池子。❀ AI 工程师：前面技术面都走完了，HR 最近一直在保温，说 offer 快了。听说业务偏 toB，方向类似 openclaw。宇宙厂（大模型 Agent 开发）：已经 OC，约了半个月后入职。PDD：才约的一面。我现在最纠结的点是：宇宙厂这个大模型 Agent 开发，会不会太偏工程，导致相比“算法/研究岗”显得没那么核心？本人不排斥工程，代码也还行，但想往更核心一点的算法/大模型方向靠；想听听大家的建议：我这种背景，更适合走 Agent 开发，还是算法/研究？宇宙厂这个 Agent开发 值不值得直接去？Agent 开发这条路，后面还有没有机会往更核心的算法方向靠？如果是你们，会怎么选？欢迎锐评，感谢大家！

第一个是本地知识库问答。把自己的笔记、PDF、文档喂给模型，做一个能检索能问答的系统。技术栈就是LangChain加向量数据库，难度不高但涉及RAG全流程，面试官最爱问这个，你踩过坑就能聊很久。第二个是Agent自动化工具。找一个你自己真实的重复性工作，让AI帮你自动完成。比如自动抓招聘信息整理成表格、自动总结每天的技术新闻发到邮件。场景越真实越好，面试时说这个工具我自己每天在用比任何包装都有说服力。第三个是模型微调。找一个垂直领域的开源数据集，拿Llama或者Qwen跑一次LoRA微调。不需要效果多好，重要的是你走通了训练评估部署全流程，这个经历很少人有，写进简历直接拉开差距。这三个项目有个...