避雷法本

早岁哪知世事艰，轻辞公考入尘龛。朝敲代码愁 bug，暮对需求叹夜阑。一念差池空怅惘，半生取舍自悲欢。此年冷暖皆沉淀，来日择路再扬帆。奔波朝夕薪薄事繁，案头常伴孤灯寒。也曾念，朱墙安稳，清茶淡饭无波澜。怎奈当时意气满，错把锋芒作暖欢。如今悟，人间百态非一端，安稳漂泊各为难。bug 缠，需求换，加班不觉星月残；心未乱，志未阑，得失皆是成长笺。不必悔，不必叹，此程风雨皆历练。来年路，缓行慢看，公考职场皆可攀。但守初心方寸地，岁岁安然岁岁安。

记得那年大三的时候，我们都在玩，室友突然说要去一线城市实习，我们都笑他不好好把握没课的大学时光……结果第二年开春室友回来之后就变了一个人，游戏也不打了，整天就是抱着电脑刷题，做项目，闲下来的时候就给我们讲实习遇到的同事，还有好mt，他说现在很清楚知道自己想要什么，不考研不考公，想去大厂工作……最后我们都在考研的时候，他已经拿到了大疆的offer，有一次碰到他刚好一起进图书馆，我问他年薪多少，他不好意思的笑了笑，40w+，然后我两就分开了，他去了机房，我去了自习室……

难受死了短信发了才20分钟

我觉得这是一个伪命题，因为这根本就不是一个A或B的问题。互联网各个部门都喜欢搞ai,也确实有很多结合具体业务开发智能体的需求（主要是大老板喜欢），但是据我观察现实情况有个很现实的结论：现阶段大部分智能体开发，核心执行者都是后端工程师。我本人的工作也包含了部分智能体开发，所以有点发言权。究其原因，一来后端工程师最懂业务逻辑和系统底层架构，能精准捕捉业务痛点，知道哪里适合用 AI 赋能、怎么落地才贴合实际需求；二来智能体开发的核心是 “业务落地” 而非 “大模型底层研发”，技术门槛更多集中在业务拆解、工具整合与流程闭环，而非高不可攀的算法研发，后端工程师上手起来反而更有优势。ai是风口，agent...