有可能等你读完出来，这个领域已经被做满了。大模型这种东西现在绝大部分人都是用到就现学的，都是做上层应用，其实门槛是真的足够低了，底层研究算法推陈出新的，根本轮不到咱们，也不是咱们多读几年书就能胜任 。

或者换个方式，如果你把理论都学清楚了，实践时遇到问题能怎么办？用的是别人的工具，即使代码是开源的，你会去改代码吗？你有机器资源去做微调部署吗？还是说自己从零开始做个新的，能做的比别人好吗？

emmmmmm……

就这要求，哪里需要写 leetcode，不就是能写常规 python 代码并且不写得太差就行了……典型面试造火箭，过度要求

对，是测试。

不是测试需要考 high 等级，而是有部分面试官的个人行为就喜欢这样。

我自己最多出 medium ，而且不会出靠奇技淫巧灵光一现思路解决的算法题，而是踏踏实实的工程编码题。

我觉得没什么必要，读书学的那些纯理论并不会让你使用大模型有明显的速度变化，相反，如果你专注于应用，更重要的是你的点子和实践尝试而不是那些基础理论知识

啊？干个外包都这么卷吗？还我现场面试给我来这些我都不好说我能第一时间想到最优解

字节 100% 要求在线手撕，难度看面试官偏好，我们组的实习生当时校招一面就直接接雨水……（给我整无语了，我很反感没有意义的难题，无非就是背题）。

原来如此

老板一直强调让大家学习大模型，强调了一年，最近开始组织我和其他同学牵头来给大家找课程资料、考核、论文分享、业务实践分享。各个方向的测试同学也开始实际做出一些大模型工具（虽然工程都很简单，贵在 idea 还不错），已经有扑面而来的压力

不清楚帖主的年龄多大，在当下社会状态，尤其是技术行业，如果提升完学历出来（比如全日制研究生）可能都接近 30 岁了，必要性不大了。别人 30 做小负责人 or leader，你才出来做基层，公司视角肯定选择更年轻、生活负担更少的年轻人。

我更推荐学技术，这个选择是在你【提升学历还是学技术】二选一的前提下做的。

不过按照帖主折腾过的东西，我突然有个想法，“学技术” 又浪费时间，收益也可能有限，还不如利用现有资源，去研究怎么使用大模型来提升 P 站内容质量或产量，来放大这块的收入。

两个 buff 都有的话，概率相对低

会看经验是否合适，大模型可能缺人一些？其他业务都是谨慎挑人了

没事，我也 30++ 了

我们还是在卷质量和效率，但是要使劲把 ai 带进来将故事，那些一眼看上去虽然很魔幻天马星空的东西，只要夹上 ai，老板容忍度就会大大提高。

会不会 600 人里 500+ 是销售运营？

个人感觉，积分玩法后劲不足，不能给用户带来长期价值（比如用户更容易更便宜买到想到的，商家更容易卖给想要的人，这个定位里它符合多少），留不下多少的用户有价值吗？会不会都是贪便宜薅羊毛的用户？
真正有钱消费的人，应该不会在意几块钱的积分返现。

1. 脉脉上试试找风评
2. 多找几个大模型问问这家公司的情况
3. 找找市面上有没有明确的同类竞品公司，然后看竞品的发展怎么样
4. 有没有在扩张，团队多少人，这些除非自己真的看到了不然别信；而且要看他们现在有没有做出成绩

发个段子

绝大部分场景下验证返回就够了，如果这个场景下的数据库结果很重要那就加上数据库数据验证。
如无必要，勿增实体。

应该还好，如果你是用的术语是行业通识术语，它肯定可以理解。如果用的是你们公司内部术语，那加上解释就好，或者你感觉可能是黑话你就换个大白话用词去表述

很简单，给他解释你说的黑话和术语，只需要提前一次性解释完就好

+1，在我的日常工作中，尽量把 AI 圈定框死为高效搜索助理和知识百科，需要深度思考分析的是真不敢太多依赖 AI

如果做过大厂的外包，带着这个简历去找小公司，在视野和沟通表达上不是优势吗？

这就是代价了 （不过这里说的是会计，7k 也不至于那么不堪）

回来肯定是可以回来的，但是要接受低水平薪资的现实。

我身边的案例是一个 2 年深圳全职妈妈重回会计职场，月薪 7k（别人生娃之前也是工作好几年了）。

对于普通人，学习还是需要氛围和实操，说不定你只有回到职场才真正有心学习进去。

豆包、deepseek 等大模型，我们都直接把研发 Merge Request 中的代码发给它们，甚至不用多少上下文代码，它就能理解代码的含义，评估质量风险（兼容、安全）。很强大的，就当 AI 是个技术专家的角色去问就行

是啊，像咱们这些只会写代码的，缺少美术和音乐，这个时候 AI 就能快速补充短板，让一个写代码的能创造出一个完整的游戏