agent开发有前途吗

1.为什么写这个项目?点子从哪里来的?前端自己写的吗?2.讲一下你的轻量化消息队列  2.1 底层数据结构用的什么?  2.2 为什么不用其他数据结构呢？stream有什么优点和缺点?  2.3 讲一讲stream底层数据结构  2.4 支持横向扩展吗？横向扩展会有什么问题?你写了熟悉kafka,讲一讲kafka在扩展时会有这个问题吗？  2.5 持久化怎么做的?讲一讲redis持久化机制  2.5 简单说一下CAP理论3.项目核心交互流程介绍一下4.库表怎么设计的5.动态总结profile怎么做的?有更好的优化思路吗？6.为什么使用ddd?解决了什么问题?7.你提到了循环依赖，讲一讲spring解决循环依赖方法8.双token无感刷新怎么做的?解决了什么问题?9.算法:lru

项目背景 我发现无论是工作也好，还是我们找实习找工作也好，都要面临大量的表单填写的场景。很多都是重复填写，内容基本一致，虽然已经有RPA技术和一些自动填写的扩展，但是这些扩展基本依赖于手动配置，无法识别到字段信息。现在大模型技术已经成熟，能不能通过大模型来实现表单填写全自动化处理？本人注意到大家网申表单填写就是个十分常见的场景，本项目的场景，就用这个场景作为例子。 实现思路 LLM带来的变化 我们项目组以一个十分小的细分表单领域为研究对象，简历表单填写，探索利用agent智能填表的可能性。首先这个项目难点在于网页html结构的复杂性，不同的网站，网页设计千差万别，如果纯依赖手工配置，那么工作量...

想知道各位牛友如何看现在市场上的传统后端开发和“llm应用开发”呢，因为llm应用开发其实市场上做的工作内容参差挺大的，我大致分了几类供参考，如有不对，轻喷1.第一种最接近后端，调大模型api，然后还是搞后端那一套，无奈很多公司喜欢打着这个噱头，其实跟后端无异。2.做agent，核心工作就是prompt，rag，用低代码平台搭工作流、智能体这种，这种去了感觉失业得最快。3.搞微调，这种门槛也不是很高，但比第二种好多了，涉及模型微调、指标评估、造数据啥的。4.预训练，这种都是算法招进去的，门槛有点高，感觉危机感没那么高，虽然说也是搞数据清洗的多。5.模型压缩、推理加速啥的，这种偏底层 门槛也很高，个人感觉很好，就是要求高。大概这五种，依次从后端到算法，市面上很多名字，大模型/ai/ai agent应用开发太多了，但工作的内容差别超大。如果说涉及到的主要工作就是洗数据、造指标、微调、prompt、rag之类的或者再加一点agent，那感觉护城河似乎没那么高，甚至感觉可能还比不过java(说法可能有些绝对)，总结来说就是感觉危机感很重，想知道大伙是怎么看的，作为在校生该如何做选择呢？

难道是为了让我四月亏基金，五月挂黄金吗高点买的大黄现在让我高高挂起了！！