二本毕业想搞 a 准开发,大多数都做不好,你要说有前途吗?那还是有的,就重点是怎么搞。现在这行就很缺人,起薪也很高,大概三四万吧,搞得好年薪往八十万走也很多,大量的高新厂也是在招,然后普遍的中小厂都能给到四十万的税后。 那不用太纠结学历了,因为这个领域太新,新到学校里也教不出来。所以这行公司的招人重点呢,主要看你能不能直接上手干活。不是学历啊,所以不用太担心学历上的棒,但前提是你的必须是真的会,不要学那些花里胡哨的理论,直接去搞实操,然后把解决业务的能力练出来是最重要的。那 如果自己没有什么实战经验,可以看看网上的那些 ai 的 大模型的开发课,或者去讲那些 ai 卷的应用开发啊之类的。除了模型的调用,对接搭建外,那还有很多的实战项目去拆解, 己做完可以完全写到简历里面去,让 hr 喜欢。你看你这个简历吗?所以记住,这行主要看技术,不看学历。那做好准备干就完了。
粉丝898获赞3461

java 加 ai, 它是适合于我们中等学历兄弟普通人吃到 ai 红利的一个,相对来讲还蛮不错的一个方向,就是如果说我的学历特别高,我是九八五二幺的研究生,那说实话,那个你不要选 java, 你 去选 python 加 ai, 你 去选机器人,那个你会拿到更高更高的钱。 然后呢,如果说你说我是专科的,我也不建议去搞 java, 因为专科的今年搞 java 的 相对来讲被企业多多少少会有点歧视,从专升本开始,一直到双位数。然后呢,你去选 java, 这个相对来讲还蛮好, 只不过呢,就是今年你要去学 java 加 ai 的 话,你不要去搞那种传统的 java 了。什么叫做传统的?我只学 s s m, 我 只学 spring cloud 的, 只学传统东西,这个没用了,对吧?为什么?因为现在市面上很多的企业他都在想着做传统的项目,做智能化升级,而且已有的那帮做传统开发的 java, 今年基本上都在想着往那个 java 加 ai 智能应用开发去投 轴地传统的方向现在竞争力特别特别的大,又卷,对吧?像 java 加 ai 的 智能应用开发,这就是一个新型的岗位,现在市面上会的人还不多,它更好卷。 但要学什么呢?首先第一个,原本的 s s m, spring boot 的 spring cloud 的 这些东西该学还是要学的,我们花百分之五十的精力,剩下来百分之五十的精力,你要学 java 结合 ai 去开发的那一套,注意啊,这一套不仅仅只有 spring ai, 它有 spring ai 或者是 longchain 模块 mcp, 对 吧?大模型的部署,大模型的微调等等等等这些东西。 如果你要开发一些特定的业务,比如说纹身图,纹身视频,你还要额外的再去学其他的框架,比如说 stay for diffusion com, ui, 对 吧?如果你要去做那种 ai 客服, ai 对 话机器人,你还要学那种 chatbook 等等等等那些的事情。 所以说 java 加 ai 呢,它是那种传统的也要搞,然后呢? ai 智能的东西这个也要搞,是两者结合起来的这么一个方向。本科学历能入,基本上应届生呢,在十 到十三 k 的 样子就业的城市呢,北上广深从这个开始一直到二三线城市,基本上都会有对应的岗位,比较感兴趣的想要从事这一块的,我把它最新的免费的试学课,还有那个完整的学习路线给你发过去。企业里面最想要的技术,企业里面最想要的项目,在那个里面都会有,你可以自己去看。

二五年毕业的学院本求职一项大模型算法工程师,然后呢,他在南京这家公司呢,做的呢,号称就是算法工程师,我们看他这个工作中做了哪些算法吧。首先第一个项目 是一个多智能体医疗决策系统做的呢,是基于 define 叉叉叉叉 a 这个 a 叉,它跟这个算法是不是关系有点差距大?你是不是很了解这个什么叫做算法工程师呢?然后项目成果还是 四个专项, agent 的 独立步数, agent 内部多阶段状态流转,通过验证。总而言之,这个跟算法有关系吗? agent 是 算法吗?这什么理解啊?第二个 r a g 加多策略检测 ok, r a g 要几个这个 a p i 你 就成算法工程师了,我们不要呢对这个行业这么低认知,好吧,现在都什么年代了,这么低的认知真能够入行吗?啊?你这样说你自己算法工程师,你不觉得可笑吗?真真正的算法工程师, 他至少我跟你讲,他是了解里面那些数学原理的,并且他做的事情呢,基本上都在反听,你都在这个微调这个层面上。而 复杂一点的算法工程师,他干的事情可能要读一些 paper, 那 个 paper 是 全部的英文的 paper, 然后你要迅速在短时间内理解这个 paper 的 backbone, 这就是我们基本的一个考察策略。换句话来讲, 你没有一个硕士学历,没有个九八的硕士学历,你搞什么算法呢?根本连这个什么是 paper 的 backbone 你 都搞不明白啊,自己没有读过 paper, 自己没有发过 paper, 你 怎么可能做的了算法? 我说句实话,我在大厂,我就在阿里巴巴见过高中学历算法工程师,但是我跟你讲,人家这个算法工程师,人家就是能读那个全英文的 paper, 很 快能读出来,跟你用全英文进行交流。因为在当时那些年代下,对于很多八零后来讲, 这个知识条件非常差,你能理解我意思吧?现在什么时候?现在是二零二六年,你们找工作都是零零后了,你们没有这么差的生活条件了,当时饭都吃不饱,你们先有饭都吃不饱的这个情况吗?没有了对不对?所以说有些八零后他确实这个学历低啊,他学历低是有原因的,他家里太穷了,没有钱供他读书, 而就算这些低学历的人,他后来成长了之后,拿到高 p 的 职位之后,他的英语能力有一样过关,他照样我跟你讲能考很复杂的东西, 但是你这个我跟你讲就是个笑话,二零二六年了,入行入普通的行,我跟你讲都需要工作经验,你想搞这种算法没有九八五的数真的清醒一下好吗? 不要被那些培训机构去欺骗,人家给你讲什么什么,学个 ai 就 拿个高薪,我们稍微有点认知对不对?现在入行都需要你有工作经验,你不要说培训能当算法岗,培训连个普通岗位都进不去,原因很简单,因为你培训完的时候还是没有工作。 有工作经验和没工作经验差多大?我就这么跟你讲,一个人从阿里跳槽到腾讯,阿里和腾讯基础上完全不同,但是没有人觉得需要重新学一下,他一瞬间就会了。就怎么讲呢?一个知识能力的区别, 换句话说,他是内力的区别,能理解我意思吗?工作经验至少拥有内力,拥有这个内力之后,你学习速度会快很多。你去培训就学这个 ai, 学四个月。我跟你讲,一个大厂入门级的程序员, 学一天就完事了,半天完事就是差距,他从 java 变成 go 半天,一瞬间就变成了不用其他的样。模拟工作二十七关,闯过二十七关,你有这个水平的半天时间学会 a 阵的开发,半天时间学人家四个月的东西,半天时间就能从 java 形成 go。 这是每一个我跟你讲, 通过模拟工作获得这个工作经验的人所有的能够生出的一个神通。所以现在想入行啊,一定要培训,加上模拟工作培训,先学知识,然后模拟工作,学习这个工作技能,工作能力,最后才能成功入行。

给所有想入行大模型的小伙伴说几句扎心的事实。第一个事实是想通过免费的课程自学来入行大模型,可能性约等于零, 因为截止今天,目前市面上没有一套完整的公开的大模型应用开发教程。 第二个扎心的事实是,即便你选择付费学习大模型,也有相当比例的小伙伴没办法顺利入行, 因为目前市面上大部分机构在卖课,而不是卖服务。同一套课程卖给不同情况的很多小伙伴,如果你的底子好一点,或者履历比较亮眼,那你可以放心的去买这种课程。 但如果你的底子一般,比如普通本科、专科或者过往经历没有什么好的公司,那这种卖课的形式你就要慎重的选择。真正对于大部分同学来说,有效的 是私教,而不是课程,私教就要求有好的课程加上好的服务。第三个很扎心的事实就是,目前市面上做私教的机构少之又少,因为做私教是一个重交付重投入,投入产出比相当相当的低, 所以基本没有机构愿意做私教。如果你决定通过付费来入行大模型,可以考虑我的 ai 私教。 先给大家看一下我的第一期和第二期的就业数据,我的第一期就业率百分之九十四点一,一线城市平均薪资两万七以上。第二期就业率百分之九十六点一,一线城市平均薪资三十一 k 多一点。

ai 应用开发到底行不行就看大专,大专决定这个行业的生死来,现在把视频暂停,现在跟着我操作,打开你的 boss, 搜 ai 应用开发,随便找几个美女,颜值八分以上问 我 ai 的 开发很强,但是我是大专可以吗?你看他怎么回来,这是我昨天问的,你自己看, 百分之五十以上的回复率,你只要敢问出这句话,只要他回百分之八十说可以,大部分都在讲,我们只看能力不看运气, 本科就更不用讲了,无论你是三本二本一本,几乎百分之百学历达到要求,剩下的就看两个字,你的技术 o 不 ok, 我 跟你们讲, 技术是这个世界上最好解决的事情。未来十年看 ai, ai 应用技术看懂王一定要自己去搜啊,实践出真知。任何人说的都不要信,我说的也别信,自己搜。

普通本科非科班到底能不能找到大冒险的工作?我们先来说结论,校招其实确实是很难,社招不仅能行,还是普通人最主流的出路。校招跟社招呢,其实是两码事,想靠校招进大厂,央企投公司,那么先要卡的就是九八五和二幺幺的学历了,或者是重点本科的重点专业。那么再卡笔试,卡面试 普通本科呢?基本上是没有什么机会的,除非呢,你有一些项目经验,可能会打动面试官,大部分中小企业呢,他会更现实,人家根本就不搞校招,没有那个功夫培养新人,只招有经验能直接干活的人。这就是为什么很多普通本科的同学呢,校招只能找到一些打螺丝的工作或者是简历,干脆就是石沉大海。 大模型岗位的社会招聘中,本科就足够了,不看你是什么专业,只看你有没有足够丰富的项目经验,能不能入职就上手干活。 非科班,但是项目经验丰富,照样能吊打科班。没有经验的专业对口,但是没有项目经验和专业虽然不对口,但是有非常丰富的项目经验,如果你是老板,你选谁? 所以呢,校招看学历,社招看项目。如果你是普通本科,还想找一些开发类的岗位,就别死磕校招了,不如踏踏实实的做点实战项目,等毕业了直接冲社招,这才是你的出路。

兄弟们,找十个真正想转型大模型应用开发的小伙伴,先给兄弟们看一下我们第一期、第二期大模型应用开发学员的就业情况,第一期就业率九十四点一, 一线平均薪资二十七点一九六 k。 第二期就业率九十六点一,一线平均薪资三十一点二 k。 不 过我们收学员确实有个要求啊,就是必须要有专科以上学历。 呃,现在呢,我们的第七期开始搞了双元 ai, 就 业薪资只会更高。什么是双元?就是既学加把 ai, 也学 python ai, 好 处呢是约面率直接翻一倍,拿到手的薪资比传统单学一门 ai 的 同学会高三到七 k。 另外,在实际的工作中, 你既能发挥 java ai 的 优势,也懂陪衬 ai 的 亮点,做的项目更容易出彩,晋升的概率也会更大,职业发展也会更加的顺利。根据我们的辅导经验,应届生的普遍薪资在十七到二十四 k, 毕业一到三年的薪资呢,在二十到二十六 k 之间。四到六年呢,在二十四到三十五之间。七到十五年的薪资大部分在二十八到五十 k 之间。如果想拿高薪,想顺利转型大么?信用开发,点赞收藏,来十个,我亲自带!

学历本科前端四五年了,你这个的话可以往智能体方向,哪怕你找前端工作,我也建议你们简历上加上 a 阵的,加上智能体。比如说现在主流的可以搭建四大模型,然后 基于四大模型进行蒸馏,进行数据的投喂训练。然后呢,对于这个四大模型进行一个 a 阵的开发,比如说我们要连接咱们的知识库去 定义咱们的 m c p 协议,通过 m c p 去连接我们的传统项目。简历上我不管你之前是做什么的,你一加上 agent 的 整体,它其实就是加分项。其实像你这种情况学线上最好了,线上直接去学 agent 相关的课程,这个东西不用拓展的啊,直接晚上学习就行了啊。 可以给你发个试学课,先学一学嘛。如果觉得说老师太难了,我就这个方向完全不敢去学你,那算了,对吧?然后你再找找别的方向,如果说这个方向不行的话,我觉得可以往客户端全站去走,就是前端加上安卓,或者说加上鸿蒙,但是光鸿蒙现在还不够,你如果只会外部前端的话,还真的不够,至少加上安卓或者 flutter ios 就 算了。

ai 圈最近彻底炸锅了, ai 开发不再是只有博士生才能玩的高端局,起因是上海交大教授团队发布了一整套 ai 学习路线,引起了全球技术宅的学习热情。 这估计是近几年 ai 圈最具诚意的 ai 入门教程,实战性直接吊打市面上百分之九十九的教程,只要你不是三分钟热度,一个月的时间就能从新手进阶成 ai 领域的工程师。第一阶段,打基础, 先掌握 ai agent 的 核心理论,搞懂核心组建,吃透大语言模型、规划模块、记忆模块和工具集这些基础概念。第二阶段,专攻 agent 的 工作原理和难点解决方案拓展,学习 react code 等经典 agent 的 范式。 第三阶段,生化学习,了解多智能体协助的逻辑,再学习 prompt 调优技巧,让你的 agent 更精准地理解你想要的结果。 第四阶段,练实战,结合前面所学知识,自己动手完成几个小项目,学完这些,你就能真正把 ai 技术接入实际业务。全套 a 站的学习路线以及配套视频教程已经整理好了,想要的直接在评论区扣学习,免费分享给你直接带走!

哎,面试官,你好,能看到吗?嗯,可以可以。呃,你先做一个自我介绍,简短一点。 哎,你好,面试官,我叫张念,现在是学的一个大四的学生,然后马上就毕业了嘛,在校期间呢,我的专业基础也非常的扎实。然后有在 啊,嗯,期,我有五个月的实习的经历,然后主要做了啊智慧校园系统的开发。我对这个 spring boot 呀,还有这个 vlog 等等微服务开发流程都很熟悉,然后也深入了解并发呀和 gvm 以及 啊 my circle, reddis 等等。然后对 ai agent 呢,也有也有接触,非常高兴能有今天这个机会来面试。 嗯,好的,我看你简历上写的这段希望的实习经历,我想你,我想任你。从整体架构的角度来聊聊这个系统它是怎么设计的,主要是怎么支撑底层设备,比如说打卡机,门禁还是数据怎么接入的? 嗯,是这样,我知道咱们海康其实也有很多类似的场景,我实习的时候,我们是就是没有用最简单的这种执念执写的模式, 我们是用了 spring boot 加卡夫卡还有 res 的 解偶架构。嗯,首先我们就是接入层嘛,就会去梳理各个智能设备,通过 http 或者是 m q t t 呃,上报的心跳,还有刷卡的数据。呃,然后是异步的缓冲层, 因为早晚高峰期设备并发上报,上报的量非常大吗?因为有老师学生的这样打卡的这样一个情况,那直接写库数据库,他很难扛得住,所以说我们用了卡夫卡去做了穴峰天股, 除此除此之外呢,我们还做了十九万,我们后端的消费群体会一步的去拉卡夫卡里的数据, 就是因为我们还用了 radis, 就是 会先去更新 radis 里边的设备的实时状态去去让前端去快速的读取,然后再去把全量的这个历史记录给拉到 my circle 里边去,大概就是这样去做数据接入的。 嗯,好,既然你们强依赖卡芙卡做雪峰,那在互联网的场景下,网络抖动很常见,如果设备因为网络超时重试发了多条相同的刷卡记录,或者说呢,卡芙卡节点突然断机了, 你们怎么保证数据不丢失且不会被重复计算?嗯,说实话这种情况还是我们非常在意的,其实主要设计你想问的就是消息的可信和密等性嘛。 如果说我们我们要去保证不丢,那么我们在生产手段我们会把这个 a c k 设置成 on, 就是 确保所有的这个副本都同步了才会去返回成功。呃,并且我们卡夫卡服务器呢,也配置了多副本的机制, 并且我们在消费端我们也去关闭了自动提交啊 offset, 我 们去改成了业务逻辑成功才去自动落盘到 my circle 里面去,然后再去手动 a c k, 这样就能够保证它首先您说的数据不丢失嘛, 然后就是它不会被重复计算,其实就是密等性的一个问题嘛,我们是在那个消费者的业务逻辑里去做了防城胶燕的,就是我们每一个设备它都它的流水,都有一个唯一的 manager id, 嗯,它就是就是设备的 id, 然后加上时间戳的在流水号嘛。在消费的时候,我们会先利用 radis 的 set n x 去存这个 id。 呃,如果说设置成功,成功了我们才去继续做处理,如果失败了就说明他是重复投递的消息吗?我们就会把它丢掉,这样子能确保最终数据的一致性。其实我们这套 其实还是比较通用的,基本上在因为我们的 q p s 也不是特别高,基本上也没有出现过这种数据不丢以及重复计算的问题,还是比较有保证性的。你刚才提到用 linux 来存设备的是状态, 那么如果出现一种极端的情况,比如说学校的大楼突然停电,导致呈现十万个门禁和打卡设备在同一时间瞬时掉线状态集中变更,这对你的 release 死或数据会造成什么样的冲击?你该怎么样怎么设计来应对? 嗯,您想说的其实我觉得应该就是缓存血崩嘛,还有就是这种瞬时的高频发的血场景,嗯, 如果说让我去做怎么样这种防防击垮,我觉得首先就是在 revise 层面去防止雪崩, 就是我们可以去给设备的状态去设置一个过期时间,就是 ttl 嘛,就是绝对不会用这种固定的时间值,而是在这个基础时间上去加一个随机数,这样即使这个设备集中地去上线,它们这个 key 的 淘汰时间也会被打散,这个其实很常见, 嗯,还有就是,嗯面对这种突发的大面积的掉线,我觉得消费端它不能说来一条消息就消息就去 update 一 一次,我觉得我们可以去利用本地内存或者说 reddit 里边的 list 呀,去做一个短暂的时间窗口 去做做一个缓冲,比如说设置两秒啊,三秒啊,我们去把多条单一的 update 去聚合成一一条批量更新的词根,这样子能很大幅度的减少数据库的 i o 吗?这个其实就是数据聚合这种批处理, 如果说真的这种突发流量实在太大了,并且它是真的是超过了数据库的承载的上限, 我觉得我们也需要在系统里去做限流,就是我们可以去把非关键的这种离线的认知啊,直接去把它丢到死刑队列里,去年后都去进行补偿,优先的去保障这种核心网关模块的存活。 嗯,其实就是熔断嘛,我觉得通过这三种嗯手段的话,嗯基本上是能够应付您说的这种绝大多数的场景,应该是没问题。 嗯,你们这个 item 是 怎么跟底层校园设备?这是我们刚才提到的打卡机了,监控了,他们联他,他们联动起来的 啊,我们主要就是用 spring boot 和 launchpad 四 g 去做的 agent 的 中输嘛, 这联动机制其实就是我们去把这个底层的 h d d p 还有 m q d t 的 设备呃控制接口去把它封装成了呃 pos, 就是我们用户他去输入自然语言,比如说帮我看看现在呃北门的通行情况,那么在这个情况下,我们 agent 他的叫调度层,就会进行意图识别和规划,就会调用这个嗯,北门监控查询这样的一个套, 然后再去郊游,加到后端去发起真实的 r p c 啊,或者是网络请求,然后拿到这个设备的 j s 数据后,然后再还给大模型生成呃报告,去返回给那个前端用户,就大概就是这样。 明白。那么在并发症的场景下,如果一百个用户同时使用这台 i 镜子去查询设备的状态,而有些顶横一面的 i p i 响应非常慢,比如说拉起一段录像需要五秒,这会占量占用大量的系统线程。 你在 java 层面是怎么处理这种大量耗时的 i o 来带来的线坑堵塞问题的? 嗯,确实可能会因为这种现成池被打满了就会导致浮物假死嘛。所以说我们去是做的全链路的一步一步画,就是我们在网关和控制层,我们去用了现成。呃 呃,现成时去配合 spring 的 and 注解呃,去把业务逻辑去丢到自自定义的一个 i o 的 专属的现成时里去执行,这样它就能够及时地去释放 tomcat 的 核心的接入线程, 并且我们也做了这种长连接和流逝的输出。我没有去用传统 http 的 短连接,就是一问一答,我们去用的 sse 就是我们后端在拿到数据或者是思考过程的时候,我们就会以流逝的方式一段段的去推给前端,这样就能够既避免了连接超时,也同样能大幅的提高用户的这样一个提感提感速度。呃,所以说通过这两种手段,我们基本上 很少会遇到您说的这种问题。 嗯,好。假如海康的安安房园区可能有上万个摄像头,很多摄像头的名字长得很像,比如北门人脸炸机 a, 北门人脸炸机 b。 如果用户对 iden 说把北门的炸机关一下 iden 呢?怎么知道具体该调哪个设备的 id? 你 的后台该怎么设?该该怎么去设计 啊?我理解您的意思,其实尤其是在这种场景之下啊。嗯,不能够直接去指望大模型,它去做输出设备的 id。 呃,我觉得更需要的是结合二 a g 去做, 可能 i r g 也不够吧,可能还需要动态的工具路由就是我们首先去利用大模型提取出核心的参数,就您刚才说北门,我们把位置设置成北门,然后设备类型是炸机,然后动作是关闭, 把核心参数提起来之后,我们去做后端的原数据的处理,去做过滤。呃,后端拿到这几个关键词之后,我们首先不去调用大模型,而我们是我们直接去我们自己的设备资源库,比如说 e s 呀,或者 my circle 等等去执行这种相对 精确的这种结构化的差距就是 where 什么什么之类的。就如果说 e s, 它去查,查出来只有一个设备,那我们就直接去把 id 去传给底层的 tom 去执行。 如果说查出来有 a 和 b 两个设备了,就有了歧义了嘛,那么就去让后端去拦截掉空控制的指令, 然后并且去组装一条提示,就让 a j 的 发给用用户去做多轮的对话,比如说,呃,您说的北门它有两个闸机, a 和 b, 您需要关闭哪一个等等。就这样我们可以通过这种工程手段去把大模型的模糊性去给它转化成我们业务所需的确定性嘛。嗯,所以说 这样去设计我觉得是没有问题的,你觉得呢?嗯,是的。哎,下一个问题,假如我们有一个云存储服务,全国有几十万个摄像头在不断的上报暴雨事件,如果某个区域发生了火灾, 有几百个摄像头在同一时间内上报了火警,那么这个区域的负责人只有一个,如果这个区域的负责人只有一个系统,如果把这几百条信息或者 a、 d、 p 推送给同时推送给他,他的体验感会非常的差,甚至很会当成骚扰短信来屏蔽。 那么在交往的后端你该怎么去设计来防止这个问题? 嗯嗯,对,我认为这个这个问题可能在您公司确实不存在,就是我觉得它其实就是一个很经典的一个告警风暴的问题嘛。嗯,如果是我的话,我觉得 首先去做三步吧,第一步就是在 rexit 层面,我们去做去重和静默。就是呃,您刚才比还是拿刚才您说的例子, 就是我们当接收到火警的告警的时候,我们先去检查一下 radis 它是否已经存在了该告警类型的记录就是 radis 字是 k value 结构的嘛,我们可以把它设设置成趣 i b, 呃告警类型是火警等等等等。这些东西如果说不存在的话, 就去记录这个告警,然后把它放行,同时给这个 k 去设置一个静默期,比如说五分钟,在这五分钟以内,如果再去来到同一区域的火警,然后我们直接在 reddis 里边去拦截丢弃,这样其实就能把绝大多数的重复的 bug 去过滤掉。 嗯,然后我们还可以去基于呃本地延时对列去做时间窗口的聚合。就是如果说我们业务要求,我不知道您公司的具体要求啊,就如果说业务要求我们不能够直接丢弃,而是要告诉负责人这个区域它发生了多少次火警,那就 上面说的一种就不成立了,所以说我们就去用滑动窗口吧。呃,就可以用一个轻量级的本地延迟队列,比如说 dq 啊,或者 rex 的 desat 呀,就是当第一条火警这个信息它到来的时候,我们去开一个三十秒的聚合窗口, 嗯,然后把这三十秒内收集到的所有的火警的设备的 id 和次数去给它聚合起来, 然后在这三十秒窗口结束之后,我们去在后端去给大家生成一条和平后的通知 啊,比如说有哪个园区,他在过去三十秒内有多少个摄像头去上报了火警,涉及到了哪哪哪哪,然后再去调用短信网关去发送给负责人,这样他就能够保证了信息的传达,然后他也能提升用户的体验了。 嗯,其实它就是一个比较我觉得比较常规化的一个告警风暴的一个处理,我觉得如果是我的话,我这样去做基本上没有什么问题。 嗯,好。如果你们的加码后端或加码后端系统在生产环境中突然触发,突然出现了频繁的负极飞,甚至请求超时,你会怎么去定位和排查问题? 嗯,这个问这个其实也是比较我觉得比较通用吧。就是首先就去看监控嘛,去看监控的大盘,去看 gvm 的。 呃,内存水位的变化,朋友,什么 啊? gc, tom 呀,去看老年代它的空间是不是被迅速占满,而且回收不到掉的,然后还可以去导导这个快照。是,如果说我们老年代它一直在这个高位, 那我估计基本上它就是发生了内存泄露,或者说有这个特别大的对象的产生,这样就可以用 gmap 啊,还有什么病的命令啊,去把它当前堆的快照给导出来,然后拿到这个 demo 文件之后,我们去用 mat 或者是 gopro 去打开它,去看占网的内存,它最大的类是哪哪些,然后去再去追 gc 的 引用链啊,再去定位到具体的这个业务代码上。嗯, 反正如果是我会这样,然后比如说排查出来它可能有很多的问题嘛,比如说 sql 的 查询没有加加分页儿, 呃,一次性拉了很多条的设备的日制,或者是用了这个,呃,本地内存的本地县城的缓存连接,然后尤其这这个问题我犯过,就是在请求结束的时候没有去掉这个 remove 的 方法,然后导致内存泄露。嗯, 就反正是如果出现频繁的 ford c 吧,一般都是这样一套调查流程。 嗯,你刚才提到批量鹿晗的 my circle, 如果你们的设备历史记录表数据达到了千万级,查询变得很慢,你从所有的角度该怎么去优化它? 嗯,那对千万级数变句的大表,我觉得首先就会开一下 my circle 的 my 日查询嘛,就去找出具体的 my circle, 然后通过 explain 关键字啊,去分析它的执行计划,然后看一看它是不是没有走左影,或者说去走了全盘扫描。 嗯,如果说去优化的话,其实也是几点吧。第一点就是首先一定是让它遵循最左的前缀法则嘛, 如果是多条件的查询啊,我们就去做联合锁影,然后把这个最常用于等级匹配的字段区分度最高的字段去把它放在联合锁影的最左边, 包括还有我们去尽量的去走覆盖锁影嘛,就去优化 select 语句,然后让需要查询的字段它都包含在联合锁影的树上。 嗯,就是避免 inno b d inno d b 的 回表。还有就是要避免缩影失效嘛,就是看一下业务的代码呀,看看它是不是出现了缩影失效,去做有影视的这种数据类型转换等等这些。嗯,基本上都是这以 去以这一套流程吧,基本上去查 my circle 优化我觉得是比较全面的。嗯,好,那我们之后。呃,那我们之后来写一道算法题吧。 哎,好,是我看到了。没事吧,我现在开始写。好的,写完了。空间 fl 是 多少? 嗯,空间复杂度就是 o n 嘛,去存到 ic 表,然后时间复杂度是 o n 倍的 log k。 嗯,好,你有什么想问我的?非常感谢您的时间啊。嗯,我主要是想请问一下,就是如果我有幸能够加入咱们公司,如果说能为了更好更快速地去上手我们海康的。 呃,业务,您建议我在入职前可以重点补充哪些技术占或者说领域上的知识呢? 你的技术很好,如果填的话可以多看看流势计算,比如 flank 以及 k 八 s 的 一些网络基础。我们现在设备的商贸数据量非常大,大模型的容积化部署也需要这些底座知识。 嗯,好,非常感谢您的建建议啊,我会重点的去补充这些知识。嗯,非常感谢您的时间,我没有其他问题了。嗯,回,回去等通知吧,我们今天先到这。哎,好,谢谢您,再见。

北京出厂公司二十二乘十四,苏州国企十乘十六,应届双飞硕 a 阵的开发你建议选哪个?我问你一下哈,如果你去了国企,你会不会选择跳槽做 a 阵开发?现在是一个热门,你选择这个赛道的话,无外乎是为了挣钱。好,我就问你,你去了国企里边,你一个月拿一万块钱,他们一个月拿两万块钱,你眼红不眼红? 我首先建议,如果说我们奔前去的话毫无意义,选第一家国企的话,大家说稳稳稳,现在没有稳的啊,今年没有稳定的公司,因为大家都在跟着方向走。首先你在国企里边拿一万,跟那里面去拿两万 概念完全不一样,热门的赛道肯定是以前为准,哪怕你现在从那个初创公司倒闭了,你也可以立马换一个公司,还找一个 a 型开发你。首先你这个赛道是热门的, 懂意思吧?行情好的时候跳槽是常见的事情,比如说你现在从一万五跳到两万五,对吧?你只是积累一份经验而已,直接私信我们对应的学科名称就可以拿到对应的就业情况啊,比如说哪个学科的专科多,哪个学科的本科多,哪个学生的年级最高,大家可以拿一下你想要的各个城市的学科的,好吧?

兄弟们一个问题啊,在你的概念当中,大模型开发我是不是单独的要去把一个 deepsea, 然后呢要去把一个 chat 的 gpt, 然后呢去把一个千问,类似于这样的大模型从零到一开发出来,你觉得是不是这个所谓大模型开发呢?其实不仅仅是说呃,让你把一个大模型开发出来,它里面呢能学的东西内容 其实说实话相对来讲是非常非常多的,他主体的啊是学两两大块,第一大块呢就是那个应用层的 a 键,就是那个智能理开发,然后呢第二个呢就是大模型里面的一些算法,然后呢他里面要学的东西呢是以下的几个。第一个比如说那个数据分析, 有的人说为什么要去学数据分析呢?因为我大模型我要做微调嘛,我要去挂在本地知识库嘛,不管是微调也好,还是那个挂在本地知识库也好,我对那个数据的格式跟质量他是有很高的要求的。 所以说第一个模块呢,他会学数据分析,数据分析在这个方向当中他只占百分之十五,那你说如果我现在学了数据分析怎么办?继续往下走。第二个你要去学那个什么 a 键上面的这两个模块其实呢都算是应用, 还不会涉及到大核心里面来算,什么叫做应用层?就是我把一些那个项目里面的智能模块去开发出来,基本上呢你一个普通的本科你就能干,甚至比较优秀的那个专升本你都能干好。那么再往下就是,如果说我的学历比较好,我是那个双飞研的,我是那个九八五本的,那这个时候我要继续往下搞,搞什么?搞那个 大模型的蒸馏,大家把大模型的部署,大模型的部署,然后呢大模型的微调,对吧?我往这个方向去走,然后呢或者是做一些那种业务类的算法,那么能往这个方向去走的话,基本上薪资就蛮哇塞的 了,差不多二十 k 往上走,然后呢还有第四个这个呢,就是真正的要学大模型里面的一些算法了,积极学习啊,深度学习啊,全世界 c n r n 啊,你毕业之后呢,是往 n l b 自然远处里 c d 图像识别这块去走,基本上呢,年薪下来的话,不会低于什么, 对吧?所以说针对于大模型开发来讲,虽然听上去啊,大模型开发,然后呢学的东西呢是那个 python 加 ai, 但是呢里面的模块是非常多的,每一个模块基本上呢都是一个投递的就业的方向,然后呢越往下 薪资越高,发展越好,当然对于学历的要求也会最高,对吧?所以说呢,如果你是普通本科,你去搞这个,那你就投上面的应用层吧,然后呢双非研的,或者是学历一本以上的学历比较好的,你可以投中间的第三个,然后呢,如果是九八五二幺研究生的,投最下面的那个,它里面呢,总有一个模块呢,会适合到你。

ai 智能开发到底是争风口呢还是泡沫啊?等我们毕业的时候会不会红利消失?门槛又是什么样子?薪资待遇又怎么样?今天这条视频我会用二零二六年最新的一个行业数据, 企业的一个招聘信息和落地案例啊,给所有想入职 ai 智能的同学讲清楚这个行业的一个真相。首先第一个核心问题啊, ai 智能到底是争风口还是泡沫?我先给大家一个明确不模棱两可 的,先说说泡沫在哪里啊。第一个撑概念的项目是远多于真的干活的, 网上百分之九十的 ai 硬件项目就是靠一个开源的框架掉一个 api 做的 demo, 看着花里胡哨,一到正式业务场景就掉链子,根本就没有办法落地。那大部分企业跟当年的原宇宙区块链的疯狂炒作,几乎可以说是一模一样啊。融资热,但商业化难,不是拿着半成品的 demo 就 能融到钱,但真正能靠 a 硬件赚到钱实现正向盈利的少之又少, 大量公司靠烧钱活着,那一旦资本冷静了,这一批被洗掉的肯定是那群蹭热度的公司啊。但反过来啊,风口的真实性也有三个无法反驳的理由。第一个,所有的互联网巨头全部在压住这个赛道啊,行业中局也非常明显, ai 的 趋势 是挡不住的,并且现在微软, openai、 智捷、腾讯、阿里,所有的科技巨头都在拥引 agent 啊,因为大模型的参数竞争已经结束了啊,接下来战争就是谁把大模型的能力通过 agent 来落地到真实的场景中。第二个就是企业的一个真实需求是实打实的啊,目前有大部分的中大型企业以及把 agent 纳入核心战略, 虽然说他们也不知道能干嘛啊。那说到这里,肯定会有同学问啊,这不和当年的元宇宙巨神智能要么暴富,要么接盘,那我特别懂这个顾虑啊,现在确实有大批的在职成拳,抱着捞一笔的心态去进场。风口是真风口啊, 能吃就是行业红利啊,泡沫炸了顶天换个赛道跑路,毕竟技术底子在,去哪都能吃饭。但对于我们没毕业的大学生来说啊,这就是赌不赌的伪命题了,而是怎么选才能不做接盘侠啊。这就是我要跟大家讲的第二个问题,等我毕业之后,这个行业红利还会不会消失?港业会不会饱和啊?