今天刚入职新公司第一天就新公司给我的感觉还不错

@duuu 不是国家规定，是行业潜规则。一般来说就算八折，也是前三个月，转正还要看绩效，基本可以认为是想白嫖劳动力了，很难给你转正。估计用完就解约了。楼主走的没毛病。（不过这么重要的事情，入职前没先沟通吗？

@Bssn 不好说 看你要求。你如果想去大厂，我觉得可能得去外包。中小厂 完全靠缘分。把我另一个别人贴子的回复中的那两个课学习一下，实验作业做一下，我觉得找个岗位还是没问题的。

@dawnzhu #31 很正常 因为 AI 的能力太强，如果是小规模应用，完全没有微调的必要，就像 @123zouwen 回复的一样，如果你想在自己的公司使用，那么你懂公司的业务，用通过的 LLM ，用现成的 MCP 、skill ，完全 cover 的住。

但是这个东西的复杂度曲线 就像传统项目一样，你在公司用 你不用考虑 QPS 上来了怎么办，并发度高怎么办，分布式同步怎么办。因为公司就那些人。但是你要想做个企业级项目，比如豆包，比如千问， 那要考虑的东西就多太多了。微调只是最基础的部分。

还有一点就是，可能很多人觉得微调很难，又要理解模型，又得调整参数。实际上现在微调的门槛很低，LLM 发展这几年，早就有傻瓜式微调框架了。甚至一行代码不用写，你都能调出来一个差不多的模型。

@dawnzhu 一定会，我建议你看看 我在帖子里写的项目，阿里云的那个课程或者 hello-agents 。几乎所有的 agent 课程里必然会设计到微调，涉及到大模型的理解。

@yungyu 你说的完全风马牛不相及，你也没点进去我在回复中提到的课程，李宏毅的课 [第八讲：通用模型的终身学习] 你可以先看下。一句话总结，我部署了微调后的小模型进行专门的用户关注点预测，作为一个 function call 来给大模型使用。

我从 1 月份到现在 面试了十多家，拿了三个 offer ，你说的这些框架在面试中完全无人在意，或者说根本不会在意这些框架本身（但是现在大部分的商业级 agent 构建，确实有借鉴最初 langchain 的几大组件）。比如最开始 langchain 最火，你用了，然后 langgraph 又火了，你换不换，autogen 又火了继续换吗？现在 claude / openai 的 SDK 最火 又接着换？那如果后续还有其他框架比这俩 SDK 还火，怎么办呢？

agent 开发的门槛，并不在你说的框架熟练度和前面那个哥们说的 业务适配什么的。给你分享点我常遇到的问题。

你能讲讲 transformer 架构吗？ gpt 和 transformer 有啥区别啊？为什么 temperature 会影响输出？
RAG 方面，你怎么做的分块？为什么考虑使用这种分块方式？如何优化召回率？使用 rerank 了吗？能说几个比较有新意的 rerank 方法吗？向量数据库怎么选啊？为啥用 milvus ？稀疏向量和稠密向量啥区别啊？ RAG 和微调啥区别啊？你数据集怎么弄的啊？你微调的关键参数都有啥啊？你如何评估微调效果呢？ agent 有什么构建模式吗？输出 token 超出了模型限制怎么办呢？

好多好多问题呀，我的感觉是基本围绕着四个方向，基础、RAG 、微调、Agent ，一次正经的面试中，这几个方向是一定一定都会被问到的。

@123zouwen #25 随便给你个场景，上个项目实际中遇到的。甲方是个化工公司，帮他们做老客户激活平台，主线功能就是 从个性化唤醒词到聊天获取销售线索。 遇到一个情况，LLM 分不清楚化工原料到具体产品的映射怎么办？ 举个例子 化工原料 乙烯 能生产处 聚乙烯 使用聚乙烯 能做出塑料袋。 怎么让 LLM 理解这些？ RAG ？ 微调？提示词？ 上下文？ 模型理解了之后，有没有用 bad case ，有的话要怎么优化？

我在帖子里说的“拦截垃圾邮件 / RAG 项目” ，是 23 年 11 月份 到 24 年 11 月 这段时间的项目，当时的技术栈处于 RAG 刚兴起，agent 还没怎么热，大家都在提示词工程到上下文工程的转变上。其实在前面我应该表达时间段了，可能我没写清楚，我的问题。（我补充一下，虽然是比较早的项目，但是也遇到些比较有意思的问题，但是评论里我就不展开了，因为能写很多内容。）

当然我不是故意怼你的意思。我是觉得你是对 Agent 开发这个行业了解太少了，这也不怪你，毕竟也是 2025 年才刚兴起的。你如果感兴趣，我推荐你 我学习过的几个课程 你可以系统性学习一下。

1. 台湾国立大学李宏毅的 2025 年[最新课程]( https://www.youtube.com/playlist?list=PLJV_el3uVTsMMGi5kbnKP5DrDHZpTX0jT)，被誉为中文 AI 圈神课。

2. 看完李宏毅的，可以看斯坦福的[CS336]( https://www.youtube.com/playlist?list=PLoROMvodv4rOY23Y0BoGoBGgQ1zmU_MT_)，从 0 开始构建语言模型。

3. 辅助的论文阅读，可以关注李沐的这个频道( https://www.youtube.com/playlist?list=PLFXJ6jwg0qW-7UM8iUTj3qKqdhbQULP5I)，他的分段精读 transformer ，我看了好多遍。

4. 不喜欢理论只喜欢实践，也可以看看国内写的这个[hello-agents]( https://datawhalechina.github.io/hello-agents/#/)

还有一些比较零碎的资料或者偏实践的，我在之前帖子里有写，就不放了。

总之，agent 开发，我作为从业者的看法是，已经从 2025 年初的探索阶段，过渡到成体系的标准应用了。至于你说的框架，额，怎么说呢？可能你们企业内用的多些，但是商业级的项目一般不会直接用框架。

@linxl 教程可以看我历史帖子。

@123zouwen #16 我目前专职做了两年以上的 agent 开发了。去年末从上家离职，最近刚确定 offer 准备入职。面试的岗位也全是专职 agent 开发。

“Agent 没有什么高深的技术” 你这句话 让我有点绷不住。

我就是 Agent 开发啊。原来做 python 后端，23 年末 RAG 刚火，在原公司做了一年 RAG ，之后入职 AI 公司做 Agent 。去年年末离职，刚准备入职下个工作，也是专职 Agent 开发。具体可以看我帖子 https://v2ex.com/t/1182394 。

楼主的帖子让我震惊了一下，我之前从没有关注过自己和 AI 聊天的频率。刚才去看了一下，我现在每天和 AI 聊天的频率已经远超和任何其他人聊天频率的总和了。 好像什么都在问 AI 。工作、学习、听的歌、看的书、写代码、徒步感受等等

哇 我好像和 AI 深度绑定了。

@ZeawinL 好的 我试试

可以先去 b 站 或者 抖音 看看玩法。

@ltmst 那感觉你们还在初级阶段，可以成规模的使用 IDE+好点的模型，来探索一下。


@baoziyucha 没理解兄弟说你的这个测试方面怎么使用，是什么意思。是说测试人员怎么使用 AI 来完成吗？


@crackhopper #3 棒！兄弟，我发这个帖子 主要就是想了解一下“项目逻辑和细节复杂、技术需求不常见、对产品质量要求高、维护场景多。这条路上反对者多。”这个具体是什么项目，需要实现什么功能，技术需求是什么，我就想自己试试，如果是我来用 现在的工具 能否 hold 住这种场景。因为我在用 claud4.5 开始，就没怎么再遇到自己没办法用 AI 工具解决，反而自己解决不了的事情。我分不清是我自己菜，所以才觉得工具万能，还是别人其实压根不会使用工具。


@archxm “AI 引入太多” 是用的什么模型，有加让它保持代码整洁之类的提示吗。


@crackhopper #5 真棒。第一点我也发现了，所以我在给 AI 的指南里，会给他标出项目整体架构，具体到某个文件是做什么，文件中都有什么功能的函数，并且在 plan 阶段，给它修整不合理的地方。第二点因为我几乎只用 python ，而 python 对 AI 来说更友好，所以我用起来比较舒服，第三点，我之前古法代码 有写集成测试的习惯，所以现在 vibe ，也会一并把测试带出来。之后我们使用方式差不多。


@luanfujian 老项目不能 vibe 吗，能简单讲下如何使用的吗？


@catinsides 真棒！


@swananan 把博客认真看完了，写的确实很好，我觉得基本上我们的理解大部分都是一致的。我觉得以现在 AI 的能力，管理好上下文，是没有项目解决不了的，并且越复杂的项目使用 AI coding 收益就越高。但是对于人的要求也越高了。我在 X 刷到到过一个观点，他说 AI coding 不是抹平了不同级别开发人员的差距，而是加大了开发人员的能力差距，初级工程师用了 AI 能力乘 10 ，而高级工程师用了 AI 能力乘 10000 。


@ty29022 额，这就有点抽象了。我的理解是 LLM 始终是工具，正确的使用工具，才能算作是 vibe coding 。一句模棱两可的需求，就算是人也干不好吧。


@Mandelo 是的。


@shunia 不好意思，其实我没太明白你的意思。测试和 review 是写代码的一部分，我觉得和 vibe 不 vibe 的好像没有什么关系？


@faceRollingKB 棒 正确做法！

@byweilong 这是另一个复杂的话题了，一篇帖子不好回复。

@sprinng 点了。

@aprilwei 也可能是 trea 不太行，换我帖子里的三个试试。

@Clannad0708 唔 你可能误会我的意思了。我说的 vibe coding 只是基础的姿势，不是我真的工作中就用这点，实际我在工作中要负责很多，甚至会自己维护 AI cache ，但是我觉得这些已经比较超出基础水平了。AI 开发不行的人（比如评论中的说 老项目维护 AI 只能辅助的），可能是他们姿势有问题，所以我分享了一下基础的配置。如果是使用了这些基础配置还觉得 AI 不行的人，我比较好奇，他们的工作是什么，为什么和大部分很厉害的高手都背道而驰。虽然我在北京，但是北京 cursor meet 刚好有事没去上，可惜。

@009694 哈哈哈 我确实会先跟 AI 聊 再 plan ，但是我没有说，是因为不是所有人都需要的，很多人拿到需求，本来就有思路的，不是所有人都需要和 AI 先交流。

@darksword21 棒！

@JoJoWuBeHumble 所以需要正确的使用姿势。

@ooee2016 额，没理解啥意思。

@YangWaleed 是的，所以我先把用的模型写在前面，哈哈哈。

@jackOff 和我不太一样，我是直接就用最好的。省的费劲 哈哈哈。

@17681880207 nice 。

这评论区已经给人看力竭了。 为啥中文社区对人才的看法这么严苛？反而 X 上清一色的支持。

“没有什么人是不可替代的，不要把平台当成自己的能力。”
“业务发展期强行提上去的 P10 ，在业务稳定后，面对外界流入人才的冲击，很难守住自己的位置。”
“qwen 做的平平淡淡，被排挤很正常”
。。。。。

懒得引用了，这谁看了能蹦得住。

来了来了来了，从描述的情况来看，我感觉不是召回阶段的问题。

可以考虑在分块阶段优化一下，改成语义分块。判断后一句话和前一句话的相似度，从 0~1,为完全不想干与特别相干。设定一个阈值，当两句话分数相差超过阈值，既作为一个分块。这种分块方式可以让不同的语义分得更清楚。

在处理用户问题的时候，加入意图识别，准确识别意图，你想检索的是处置流程的分片，而不是消防安全事故相关。

以我的使用体验来看，现代模型准确识别出“想要的是处置流程的分片” 这一需求，不是难事。

另外，不行换好点的模型，国内用 deepseek 最新的。

用 cursor 或者 cc 模型就用 claude 或者 gpt 别用其他模型。AI 引入虚空方法，感觉已经是上个世纪的事了，从 claude4.0 开始，都没有这种问题了。

@Zonecde 我也只能算小入门的阶段。项目实际落地中，审计、sso 、权限控制 包括包公 OA 的接入，这些都和传统项目没有太大区别。

在安全方面，因为 agent 会使用工具，所以比传统项目风险更高。可以在 agent 执行中间加入判断层，比如接下来的步骤是删除文件，属于高危操作就给用户确认后再执行，或者 agent 自主判断不执行，通过其他方式完成任务。

至于合规性安全方面，如果要求高可以硬编码，在最终输出的时候加入违规词过滤。或者在模型方面进行安全性微调。

并发方面，我一直是用的 python 做的，首先全异步是比较基础的，如果用 AI 写，那提示词中要有体现。然后是工程结构中的优化，给你几个我做过的方案：
1. 多模型并用，请求分层。比如 轻量级模型，做专门的意图识别，快速分析问题类型，是否需要 agent 深入处理。一般业务中，大部分问题其实都比较简单，是可以简单处理的，把大模型留给最复杂的那个 sub—agent 。
2. 缓存决策信息。可以节省非常多的 token ，比如我在上个工作做一个化工行业的销售项目的时候，会提前缓存 AI 总结的客户画像，以天为单位的产品信息等。再比如阿里的那个免费奶茶，你会发现他虽然中间很多步，但是那个功能尤其的快。
3. 工具并发，当需要调用多工具的时候，也要支持并发。因为工具调用是 agent 最重要的一步，也是和普通提示词工程的区别。
4. 增加兜底机制，允许超时等场景，agent 回复默认信息。
5. 如果还不行，那就加机器好了。

而且其实公司再 oa 上用的独立应用，并发理应不会很高。