1. 自我介绍2. 为什么要通过微调模型来做代码生成？为什么不用纯 prompt 或 spec coding？答案：纯 prompt 和 spec coding 确实可以提升模型在单次任务上的表现，但它们更多是推理时约束，解决的是“让模型按要求做事”的问题。微调解决的是模型行为分布的问题，比如固定代码风格、内部框架 API 使用习惯、异常处理模式、日志规范、单测模板、目录结构约定，这些如果全部靠 prompt 塞进去，成本很高，也容易在长任务里被稀释。在缺陷修复 Agent 里，我选择微调不是为了让模型记住业务代码，而是让它学习稳定的工程动作：先读测试，再定位调用链，再改最小范围，再补回归测试...

bg211，想在暑假找个实习，求大佬拷打

腾讯云智timeline：4.9约面4.13一面4.15二面4.29HR面告知本周发6.2HR再次致电本周发6.8offer遇上盘点hc，泡了两个月终于出来，不过我已经入职大鹅了，这个就拒掉了，重庆腾讯云智后台释放一个hc，相关同学可以再次投递hhh～

用 Agent 开发的小伙伴应该有个共同的感受，模型选择是个大问题。 Codex 默认跑的是 GPT-5.5，能力没问题，费用相对也合理。但国内很多小伙伴还是用不上，所以我就在想。 想找一个模型，同时满足这三个条件：Agent 任务执行能力强、上下文窗口够大、价格实惠。 这里给大家提供一个不错的选项，昆仑万维新发布的 SkyClaw v1.0。  把它接进 Codex 之后，我先后完成了两个真实项目的开发——PaiSwitch 的模型切换功能和 PaiAgent 的工作流适配。 工具调用稳定、代码质量经得住考验。关键是，输入价格比 DeepSeek V4 Pro 还便宜。 01、为什么选择Co...