Thoughtwoks

AI 这波浪潮来得太快了。半年前面试还在聊微服务和高并发，现在面试官张口就是：RAG 怎么做的？Agent 的执行链路是什么样的？你的检索策略是怎么设计的？会话记忆怎么控制 Token 成本？这些问题已经不是加分项了，而是越来越多 JD 里的硬性要求。但现实是，大部分人接触 AI 的方式还停留在"调 API"的阶段——跟着教程往向量库里塞点数据，让大模型吐一段话，截个图发朋友圈说自己"做过 RAG 了"。面试官稍微追问两句就露馅：文档怎么切的？检索召回率低怎么办？幻觉怎么控制？一问三不知。跑通一个 Demo 和做出一个能上线的系统，中间差的不是几行代码，...

论文马上送审了，无意间在小程序上再次看见了自己的高考成绩，发现高考已经过去快10年了。一起参加高考的同学现在只有几个还在继续深造，有时候真的会畅想选择了另一条路的自己会是怎样。

目标后端

无意间刷到这个提问 “211 数据科学与大数据技术专业想做项目，不知道做什么？”  给同bg的同学整理了一些26年至少是上半年值得做的项目方向👇  方向一：AI Agent / RAG（最推荐） 2026 年是 AI Agent 爆发年。企业对"能用大模型做事的人"的需求远超供给。 学习级项目（先跑通理解原理） 1. AI Engineering Hub  地址：github.com/patchy631/ai-engineering-hub 内容：LLM、RAG、AI Agent 实战教程合集，有详细 Notebook 适合：从零开始，跟着做就能理解 RAG 全链路  2...