文科生学习AI很迷茫

一天一个AI岗位介绍，今天要解读的JD岗位是——AI应用架构师。简单来说就是将大模型、AI 能力真正 “装进” App 里，用户能直接使用AI。从手机里的 AI 助手、智能翻译，到可穿戴设备的健康监测等等，都离不开AI应用架构师的工作。1.主要工作内容这个岗位的日常工作其实可以拆成四大块。首先是大模型应用的全流程落地：从数据准备、模型训练、评测，到推理部署，再到工程链路搭建，全程参与大模型在移动端的落地。然后是LLM的算法研究与落地，你要研究并落地各种 LLM 相关的前沿技术，比如：多模态大模型：让 AI 不仅能听懂话，还能看懂图、理解视频；RAG 检索增强：让 AI 能调用外部知识，回答更准...

1.实习为什么都那么短(两三个月)2.简历项目投入精力最多的部分？3.项目难点在哪？4.向量模型维度是如何选择的，为何是2048维？5.精确度如何计算的，测试集规模是多少？6.小说传记和电商场景分别选什么维度，如何定制RAG策略？7.不同向量维度在向量空间的本质差异？谁的信息密度大？8.对话压缩是如何做的，上下文窗口策略？为什么固定轮次为15轮？9.工具执行过程应该放在上下文里嘛？10.类似的上下文压缩策略你了解过有哪些？(答claude code)11.聊聊claude code的工作流，最佳功能体验是什么？12.claude code的plan模式和你项目里ReAct的plan有什么区别13.实习规划14.反问

之前团队在做合同审查和研报问答两个 RAG 项目，踩了不少分块（Chunk）相关的坑。今天把这块经验整理一下，希望对正在做类似事情的朋友有点帮助。先搞清楚 Token 这个概念做 Chunk 之前，得先理解 Token。很多人把 Token 简单等同于"字"或"词"，这不太准确。Token 是模型实际处理的最小单元，中文大约 1.5-2 个字对应一个 Token，英文则大约是 0.75 个单词一个 Token。这件事为什么重要？因为不同类型的文档，Token 密度差异很大。我们实测过：一份 20 页的中文合同，大约 8000-12000 个 Token；...

mt也鼓励用ai，感觉以后都差不多就是ai和我一起删删改改了，这个模式我能当几年程序员呢……唉感觉很容易失业