一，前言在上一篇文章里说了要在今天发一篇关于如何拥有开源经历的文章。在昨天写了一个大概的大纲。在今天整理出来了这篇文章。由于牛客的使用群体主要都是学生，所以这篇文章的写作倾向也主要是偏向于学生如何从零开始参与开源首先开源是什么，开源是来自世界各地的开发者在代码托管平台( github , gitee 等)进行协作，且源代码开放可供任何人浏览的一种方式。并且在这种协作的过程中形成了开源社区，以及独特的开源文化。然后我来说一下我认为的大部分同学参加开源的目的（没命中可以评论区补充一下）给自己的简历上加一段比较有含金量的经历参加开源活动赚点小钱，薅社区的羊毛热爱开源以上便是我认为的可能的大部分同学想...

之前在 AI 全景学习路线图那篇说过想要写一个 agent 框架，并且把教程和代码都开源出来最近过年放假正好可以一边准备暑期，一边写这个了。这两天已经写了一个 mvp 版本了，但是还有很多地方需要完善，并且写的这个 deepsearch example 目前也只是一个跑通的状态。框架会支持的特性ReAct loop，多智能体系统，生成式UI，智能体强化学习，智能体沙箱等等，基本主流 agent-sdk 有或者没有的都会实现一下等到所有的初版代码和 example，文档都基本就绪的时候就发布一个里程碑版本把代码开源出来，在牛客更新教程今天是大年三十，祝牛友们，新年快乐，马年大吉，在 AGI 时代都能找到自己最满意的生活PS: 图片是 example 前端的一些截图

最近在写agent sdk的时候做了一些进一步的调研，在小红书上发现一个博主发的一段话和我现在的想法一模一样所有的agent框架目前就是 ReAct loop，mcp，middleware，skill这些的集合，agent infra的下半场需要集中注意力在 agent 测评，agent rl，稳定性，沙箱这些组件，去支持新的 AI 应用，整体没有新的工程范式来用，后面可能要看新的应用场景或者学术界的发展了

感谢大家对我写的一些科普小文章的支持，成功把我送到红名了后面尽我所能继续写一点对大家有帮助的技术小文章然后牛友们有没有做过非技术自媒体的，就是不是发学习路线，晒大厂offer这种的，比如做游戏，科普，文学等等的想学习一下

如题，阿里的暑期实习3月就开始招聘了，请教下牛友们，阿里各个BU都是强卡211吗？还是只有云是这样

背景概述：为什么要写这个呢？虽然现在大模型很火，但对于我们工程同学来说，把大模型当一个黑盒用就好了。一开始我也是这么认为的。直到我在小红书做到了一个需求在小红书的时候有一个需求是优化组内一个 agent 项目的响应和结果优化，这个 agent 是一个复杂的商业助手，并不是说技术很难，但要分析的广告业务很复杂，有上千个指标，好几种场景，prompt非常长，如果输出的效果不好，是没有人愿意用的。用了很多优化手段，比如并发查数据等等。有一天这个项目的正职同学和我说，他和算法那边的同学交流，说可以把我们动态拼到 System prompt 的指标数据拼到用户的 query 里面，这样就可以利用模型的 ...

很多同学，在有了一定工程基础之后，想顺应现在的潮流去学习 AI Agent 的开发，但是又苦于没有入手的项目，网上的教程要么又臭又长，要么就是在割韭菜，很难学到真东西。但其实很多开源项目的实现就能让我们学到非常多的东西了，如果让我推荐的话，我一定会推荐 langchain 官方的这个基于 langgraph 的 deepagents项目地址：https://github.com/langchain-ai/deepagents为什么推荐这个项目呢，先来看看这个项目的特点通过文件系统进行智能体记忆，保存上下文，这个也是最近比较火的 skills，openclaw，字节的上下文数据库 openVik...

接上篇 https://www.nowcoder.com/discuss/847995166416703488?sourceSSR=users还缺少了平台和中间件的部分没有和大家交流，这一篇补充一下平台&&中间件和 AI 相关的平台主要就是 Maas 平台和机器学习平台，Maas 平台，大家最熟悉的就是阿里云百炼，用于模型部署，模型微调，并且整合知识库，Agent平台的综合平台AI 中间件主要包括 AgentRuntime，AI 网关 等等资料推荐：首先是平台侧，对于大模型的工程化平台，开源的，我是最推荐 langfuse 的https://github.com/langfuse/langfuselangfuse 是 langsmith 的开源平替，包含可观测，评估，提示词管理，数据集管理等主流功能机器学习平台就比较复杂了，这个主要是各个公司的内部平台，用于算法同学快速迭代的，所以开源的资料比较有限，但我也找到合适的可以学习的https://github.com/kubeflow/kubeflow目前最主流的 MLops 工程包，很多机器学习平台的核心功能都是通过这个的组件编排实现的，通过学习这个，就可以逐步理解机器学习平台的核心功能此外还需要补充，k8s 和云原生相关的技术栈，用于优化模型的部署和调度。此外还要学习 Ray 这个不可或缺的分布式框架https://github.com/ray-project/ray然后是中间件这边AgentRuntime智能体沙箱，用于安全，快速，高效的运行智能体应用，并且和 k8s ，serverless 等相关技术结合，实现毫秒启动和动态扩缩容开源可以看看火山的子项目https://github.com/volcano-sh/agentcubeAI 网关只推荐阿里的开源 AI 网关 HIgresshttps://github.com/alibaba/higressAI网关除了一般网关的功能之外，还要支持，mcp托管，http无缝转mcp，模型路由等等，higress通过一个巧妙的插件系统接入了这些，并且还保留了大流量网关需要的核心功能（这个项目的语义化检索mcp插件是我写的，感兴趣的牛友可以看看）上面的这些，基本就把我认知中设计 AI 的开发岗位都讲的差不多了，其他评测平台和数据 pipline 搭建的，基本都是比较常规的技术栈，不太需要单独讲，比较喜欢鸡架的同学可以冲这些岗位。后面的系列规划：1. 从 0 - 1 实现一个 Agent 框架（教程 + 源码）可以写到简历上面的2. 一些有意思的项目推荐，目前已经想好了两个，后面发一下3. 自己的一些踩坑记录（比如后面暑期继续找垂直实习踩的坑）

想写这个很久了，因为自己在开源和实习中也接触过一些 ai 的工程化内容，对这一块也有一些自己的思考，这个路线图说是 AI 应用开发全景路线图，其实我是想写从 maas 平台到 AI infra 的整个模型工程化的全链路的知识，但是笔力有限，第一版应该先聚焦于平台和应用开发。学识尚浅，也欢迎各位牛友一起交流，探讨，完善阅读建议：每个模块开始是我的一点思考和收集的信息，后面就是学习建议和资料（主要是开源项目+文档，视频资源如果有比较不错的也会放上去），有些技术可能没有好的教程，后续会陆陆续续的出文章+ demo 和大家交流一，AI 应用开发到底是什么概述AI 应用开发这个字眼从 gpt 刚开始火的...

由于现在很多公司不管需不需要，都要高一些 AI 的能力，来提升自己的技术影响力，所以各类大厂，开源基金会就搞了一些 Agent 开发的小比赛，这些比赛很简单，参加的人也不多，但是奖金不少一，技术类开放原子大赛这个基金会经常会拉一些大厂的赞助去吸引一些参赛队伍构建 Agent，这些队伍以大学生为主，实际上难度也很低，实现数据 Agent，GUI Agent，并不要求很完善，大部分参赛作品也就是 demo，或者很粗糙，只要 idea 足够新颖就可以了https://competition.openatom.tech/competition阿里天池的相关比赛MIniMax 等初创公司举办的 Agent 比赛这些都是门槛很低，写个demo就行的比赛，但是有些消耗时间，有精力的牛友可以冲二，非技术类美团 NoCode 挑战赛百度秒哒应用挑战赛Trae 的一些相关比赛这些都是比较适合非技术同学的，利用主办方的零代码或者低代码工具去实现一个idea，这个门槛更低，唯一的缺点也是耗时间此外还可以去小红书上搜索 Agent 比赛，这样比较水但是还有奖金的比赛还有很多，算是一个赚钱的小渠道

从2024年开始，Agent 开发这个概念就慢慢的火爆了起来，2025更是被称为 Agent 开发元年，经常会在牛客上刷到很多在后端找工作碰壁的同学发帖，要不要学一些 AI 相关的东西，怎么转大模型应用开发。其实这样的观念本身就带有一定的偏差。我之前在红薯做过一段时间的 agent，也是某7k+ star 的 Agent 开发框架 committer，所以我认为我在这上面还是有一点点自己的心得的。误区一：把 Agent 开发和后端拆开来看据我观察，很多同学所谓的转 AI 应用开发，就是用 Spring AI 或者 langchain 去实现了一个 demo（当然现在可能更高级一点GraphRAG，整个可拖拽的工作流之类的）然后没有任何后端的内容，然后放到了简历上，这个行为其实和在简历上写了一个自实现 RPC 框架和自实现网关没有任何区别。AI Agent 是模型工程化应用层最重要的环节，也比我们平常想想的要复杂的多，我们大部分接触的都是业务开发这个场景，比如电商中的智能客服，或者内部的提效工具。这种其实说的不好听一点就是调用 API，本身和其他的业务场景没有一点点区别，所以对于这样的业务开发岗位，不存在从后端转到大模型应用开发，而是说本身就是后端+新场景。本身最重要的就是 数据+prompt+稳定性，那就不存在任何转方向的说法。所以，如果想做这个业务的同学，只要好好看看mcp,planning这样的新概念，然后快点去找一份相关的实习，因为这个最重要的不是你怎么做这个 Agent，而是怎么让这个 Agent 更稳定，可观测，prompt调优等等。也更看重你的服务端开发的相关经验误区二：Agent 开发是不是工资会更高呢，或者更有技术含量，毕竟大家现在都在卷AI？这个就是一个更大的误区了，刚才上面说的这些，一般就是各个业务部门自己在搞，本身不涉及什么技术。所以本质上和后端同学的薪资基本没有区别。比较有技术含量的呢？就是各个大厂的基础架构和中台部门，提供 AI 开发的基础设施，比如阿里百炼，字节火山方舟，快手万擎，这样的模型算法开发平台，Agent开发平台，智能体沙箱，Agent runtime 这些以前鸡架部门做的工作。为业务方提供集成的 Agent 能力，这个会更有技术含量，可能也会有一定的溢价，以及更高的就是做SFT/RL/AI infra 的岗位了，这样的才是 Agent 的薪资天花板所以再回看 AI 落地的相关的岗位的话，其实还是业务和鸡架二选一，或者有的大佬去做infra和强化学习之类的。比起盲目的去追求这个火热的方向，我觉得更重要的是踏踏实实的去学一下这些技术，如果想做 Agent 的话，Agent相关的技术也是日新月异，学一下怎么将 AI 和业务结合，稳定的落地，或者底层的相关技术，我觉得是更重要的。ps：最近好多牛友问我做开源对找工作到底有没有帮助1. 没实习之前一定有，有实习之后并不如实习（除非你是做鸡架的同学）2. 如果为了找工作参加开源，ospp，glcc 是最好的选择3. 用 AI 写 pr 一定要自己本地先看一遍，测一遍再提交

和干燥的的北方不同，杭州的12月是湿润的，白天从工位一抬头，雾霭已经笼罩了整个园区，从写字楼的落地窗看出去，如置身仙境。不敢高声语，恐惊天上人今天是周六，去公司坐了一会儿，一是想趁着周末工区比较安静学习一会儿，二是去健身房锻炼一会儿完美的结束这一天之后我和往常一样，走在创景路上，看着远处的恒生科技园，西溪永乐城，以及最远处的挂着火山引擎四个大字的写字楼，头戴式耳机默默放着《Sacred Play Secret Place 》空灵的旋律让路程没有那么枯燥，心中默默计算着还有多久可以到家周末没有晚高峰，往常车水马龙的路口显得格外冷清，和往常走在同样路线的我，看到了对面走来了一个小哥未见其人先问其声小哥：“不好意思打扰一下，你能帮帮我吗”我：？？？小哥：“我来这边打工的，我现在身上没钱了，没地方住也没吃饭，可以问你借一点钱吗，300就可以，我已经被很多人拒绝了”我看着他眼睛，心里很想给他转这笔钱，但就在我想转账的时候，我突然想到，如果他是骗子呢？我也不过是一个初入社会的学生，如果他真的是骗子，最后让我身无分文，杭州还会像我现在看到的这样美好吗？犹豫片刻我说：“这样吧我带你去买一点吃的吃可以吗？”他说不用了，还没有走远，就听到他对刚过来马路的两个女生开启了同样的对话，我没有留下来继续听，只是继续保持着原有的路线。他是骗子吗，也许是。我应该给他转这笔钱吗，应该吧，万一他真的很需要呢？小时候看过的文学和影视作品，主角总会是一个乐观，有点呆呆的大男孩，被人卖了还会帮别人数钱。圣母心泛滥。但这样的人身上的坚持，执拗和善良恰恰经常打动年幼的我，我想或许未来我也会成为这样的人，止于至善。但现在我知道了小时候动画片里只有一个敌人，主角打败BOSS就可以皆大欢喜。但现在我知道，生活里四面八方都是敌人，我也不一定是主角，一山更比一山高，不管怎么选都有可能走到一个BE的结局所以做一个不那么善良，利己一点的人，不去当一个大家喜闻乐见，社会需要的人有问题吗？没有一丁点问题，或许我们成为不了热血漫男主，但在我们的生活中，我们可以成为自己快走到家门口的时候，看到烧烤店的老板娘还在招待着零星几个客人，不远处字节的写字楼还亮着灯“也许刚才我可以换点现金给他，这样就不会被有骗的风险了，算了，他有手有脚的，凭什么要让我接济”耳机里的歌已经换成了《Be What You Wanna Be》Dorin略带沙哑的嗓音洗去了刚才心中的一点点迷茫上高中的时候，我的语文老师告诉我，想让文章变得高级，就要在文章中尽量减少“我”这样的字眼出现，这样你的文章分数才会更高但在这个世界，“我”却不可或缺，生活的评分标准也不会白纸黑字的摆在你面前了，也许不能成为耀眼的男主角，但可以成为你自己今日方知我是我

前几天看到一个很熟悉的头像关注我，问了一下发现是一个社区的学弟，他是在今年7月份左右开始参与开源的，已经在dubbo-go 里面贡献了不少 pr 了，虽然这个社区我没咋参与就看看热闹，但是这个学弟加了我微信之后说，他是看了我七月份发的那篇文章之后，了解了开源的很多东西，并且深度的参与了开源项目。在高兴之余，对这个学弟的执行力也很钦佩。七月文章传送门：https://www.nowcoder.com/discuss/768780629717549056?sourceSSR=users正好想写个 2025 年的年终总结，就拿这个作为了开头，这一年我觉得帮助就是我的年度关键词，遇到了很多对我尽心指导的前辈，也尽自己所能去帮助了一些人，下面就简单做一点对自己这一年的总结一点小成就：拿到了小红书，快手的后端实习offer，参与saa，higress，kuscia，dubbo，seata-go这些社区的贡献，或多或少的做了些贡献，参加了 ospp 并且结项，永劫无间上了单排修罗一些朋友：在牛客的很多朋友，雨哥，吴哥等等（太多了不列举了），小红书实习认识的kx哥，gq哥和hw（阿里，小红书两段产品实习的佬），开源的导师ms哥，hy哥等等一点感悟：见识了互联网的真实情况后，对自己的整个职业生涯做了规划，把互联网只当做一个跳板去进一步的追求自己想要的生活再没有一点对未来的焦虑一点目标：希望明年秋招可以拿一个满意的offer，继续开心的做开源，明年争取写一本自己的网文（大一就想开始写了，毕竟高考语文131，我觉得自己还是有一点天赋的）最后结合这一年玩牛客的经历，我发现各种佬的面经和经历是对我帮助最大的，但是牛客的技术文章分享好像比较少，后面打算继续写类似之前写开源入门那样的文章，比如higress源码解析，总0-1写一个AI组件这种，争取让大家看牛客的时候可以少一点焦虑，多学点东西

由于一，二面都是在公司面的比较仓促，只能回忆起一些一面：实习拷打 10min慢查询问题redis热key问题agent评测能力二叉树的层序遍历多线程实现生产者-消费者模型二面：LRU缓存实习业务介绍DDD和设计模式扩展springboot循环依赖相关的问题分布式锁和java中的锁开源介绍聊天+介绍快手这边的业务二面完晚上HR电话沟通offer，确定入职时间，等offer审批

常规问题： 1. 3分钟简单自我介绍2. 在实习和开源经历中，你遇到的最大困难或最具挑战性的事情是什么？实习拷打（拓展相应的场景八股）慢 sql 治理相关的1. 你在平台稳定性建设中提到通过添加索引、读写分离优化慢SQL，具体是怎么做的？2. 读写分离可以再详细说一下吗3. 能否举一个添加索引的具体例子？比如在哪个字段上加了什么类型的索引？4. 你加的是单列索引，如果查询只需要表中的几个字段，当前的单列索引是否有优化空间？5. 联合索引相比单列索引的优势是什么？为什么更优？（从回表，索引下推优化那个方向说就好）es 慢查治理相关1. 关于ES扩容主分片优化查询，具体是怎么做的？2. 系统的ES集群资源配置你了解吗？（如CPU、节点数等）3. 扩容分片数量是如何确定的？仅依据数据量吗？4. 分片切割后为什么查询会变快（并行查询）5. 将 long 类型字段转为keyword类型，是如何利用跳表结构的？这里其实并不能，只是切换是为了适应精准匹配的场景，keyword 的底层用的是倒排索引+跳表6. 除了分片扩容和类型转换，还有哪些方式可以优化ES慢查询？（force merge 整理碎片）分布式锁（业务中有个并发修改用到了，主要问的一些分布式锁的实现细节）1. 你在业务中使用的分布式锁是标准库还是自研的？2. 让你自己实现一个最简单的分布式锁，你会怎么实现？3. 如果任务加锁后异常退出，没有释放锁，如何避免死锁？4. 如果任务执行时间很长，锁过期被其他任务获取，原任务完成后误删了别人的锁，如何解决（防止锁的误释放，加标识）5. 如果任务A包含多个子任务，且子任务本身也有加锁逻辑，在嵌套调用时会因重复加锁失败，如何解决？（可重入锁的实现）6. 在秒杀场景下，能否直接用分布式锁控制库存扣减？会有什么问题？7. 如何让秒杀请求不立即失败？（锁的自旋）并发编程1. 你使用CompletableFuture并发查询多个维度，底层是如何实现并发的？2. 你是自己定义线程池，还是使用默认线程池？3. 你是基于什么依据设置线程池参数的？4. 如果一个任务同时包含CPU密集型和I/O密集型操作，共用一个线程池会有什么问题？应该如何设计？（线程池隔离，避免cpu密集型任务阻塞I/O密集型任务）Agent和开源相关的内容1. 你的基座模型切换（DeepSeek → 千问）后，响应是流式还是非流式？2. 为什么关注完整响应时间，而不是首字响应时间？（主要是业务上的一个需要）3. 你的性能优化目标是在保证输出内容不变的前提下缩短生成时间吗？4. 你在Agent框架中使用了责任链模式和观察者模式，请分别解释这两种模式5. 既然有四个固定执行步骤（Agent执行前，执行后，模型执行前，执行后），是否可以用模板方法模式替代责任链模式？6. 你使用观察者模式的具体场景是什么？为什么选择它？7. 你还了解哪些常用设计模式？8. 你提到使用HNSW算法进行向量搜索，能简述其基本原理吗？（避免全表的向量查询）9. 为什么不直接用余弦相似度做全量匹配，而要引入HNSW？10. 你是否使用过BM25算法？它的作用是什么？11. 向量搜索有哪些弊端？12. 向量检索和BM25全文检索的得分量纲不同，如何进行混合排序？（引入一个精排模型重新打分）反问：1. 业务（智能客服相关）2. 不足，基础还需要加强无手撕，总体一个小时总结：面试体验很好，主要就是根据简历延伸一些八股和简单场景，有些还需要加强的地方，挖出来了自己基础上的一些问题

如题，阿里云中间件团队收本科生吗，感觉一边上班一边写自己的喜欢东西太舒服了