今年应届大模型算法年包一个比一个高，某书某节应届生开七八十万的好像一抓一大把，但是一看JD：有大模型预训练经验，有万卡集群调度经验，发表顶会论文对于我们这种没有大厂实习，没进强组的小卡拉米来说，基本上都是不可能满足的条件。  所以，没显卡的穷孩子真的不能靠大模型算法翻身吗？ 关于这个问题，实际上也要看“大模型”的几个具体方向（虽然都叫大模型算法or大模型应用），按照对硬件资源需求的程度从低到高排序大概是这样： Prompt工程 ≈ Agent 开发 < RAG <  LoRA等高效微调 < 全参数后训练（微调） < 预训练 这么看其实很明了了，那些对资源要求极高的JD，...

首先必须提Trae，这哥们儿编程效率真是拉满了。比如昨天我写Spring Boot项目，要搞个数据库连接池配置，正头疼呢，打开Trae的编辑器，它直接给我推荐了优化代码片段，还自动补全了依赖——省了我至少半小时折腾，简直像开了挂。界面设置也挺清爽

双非本科准备投春招，之前秋招投了一部分感觉回复很少，怎么修改简历才能更容易收到面试呀？

AI给嵌入式带来的改变：从挑战到新机遇传统嵌入式开发遇到的难题：算力和资源不匹配：AI 技术不断进步，像 CNN、RNN 这些 AI 模型，对计算资源的要求越来越高。但嵌入式设备因为使用场景的关系，一般都得做到低功耗、小内存 。比如说，一个普通的 CNN 模型运行起来，可能需要好几 GB 的内存和很厉害的计算核心支持，可大多数嵌入式设备的内存也就几十 MB 甚至更少，计算能力也不强。这么大的差距，让传统嵌入式开发在运行 AI 模型时困难重重。开发思路大转变：以前的嵌入式开发，主要是按照确定的规则来编程，用 if - else 这样的条件语句实现各种功能。但 AI 开发不一样，它靠数据驱动，得收...