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...

27届2本，ssob基本都是已读不回，只有个别小厂能约到面试，，是项目过于简单了，还是我应该再做一个项目呢。。。走过路过的大佬看一眼孩子吧，孩子真懵B了

2h进人才库，双非本无大厂经历26届。碎一地。。要是一年前出来实习就好了。

上周面了一个自称5年全栈的兄弟🤔。简历漂亮得像报菜名：精通 Vue/React，熟悉 Node.js/Go，玩过 K8s，能画原型图，甚至还写过两个 Flutter App。 我只问了一个问题：如果不使用任何框架，Node.js 的 HTTP 模块是如何处理高并发下的内存积压的？他愣了三秒，支支吾吾说：厄...一般我们都用 NestJS，框架处理好了吧？😖那一刻，我看到了无数前端人的缩影：我们拼命想成为无所不能的全栈大神，最后却活成了什么都懂一点、什么都搞不定的API 缝合怪。全栈不等于样样稀松，真正的价值在于深耕核心难题。与其在重复造轮子中消耗精力，不如用RollCode 低代码平台 提...