华米跃我 GTS4 。 已经用了 3 年。充一次电稳定用一周。

33 楼 给你正解了，父母和孩子 一起去看心理医生。

内部斗争呗，做到王腾这个级别，能随随便便去泄能被辞退的密？换句话说 能被辞退的泄密，多半要上升到送局子了。

@cherryas 我还真没有出现过，我一般是每年到夏天的时候，会开始喝，但是冬天就很少喝，因为不喜欢喝热的。而且我是第一次听说『咖啡戒断』这个词，工作这么多年，身边很多喜欢喝咖啡的，也没有听他们提到过这词。
@dssxzuxc 比如上个月八月份，有一天出差了，没有喝，有两天 全天都在和用户开会，也没喝。正常的话我是每天都喝的。『大部分人 2 天以上会有很明显的反应，头痛、精神萎靡等等。』这个结论有点意思，我确实遇到过喝咖啡 晚上睡不着的，但是还是第一次听说 常喝咖啡的 停了 会出现明显反应。

虽然很钦佩兄弟的毅力 以及行动力。但是我觉得你的努力方向是不是错了啊，作为程序员，你工资提升无望，不是应该提高自己的能力吗？现在 AI 这么发达，学习门槛显著下降，你有这种毅力，我觉得用到学习上，完全也可以提升工资吧。每天刷两道算法题，自己弄弄开源项目。跑外卖只是即时来钱快，身体累垮了，更严重啊。

还有这种情况吗？我是一周七天 每天都喝，但是偶尔不喝 也没出现什么戒断反应啊。但是我不是为了工作日提神，就是觉得冰美式好喝。

https://sunp.eu.org/t/1150043 看看这个帖子呢 哥们

自工作以来，就没手撸过。

模型能力问题。
1. 如果现在 Zero-shot ，就换成 Few-shot ，看看效果；
2. 如果只是很少的情况会这样，那就重试一下就可以了。或者直接把 json 部分丢到 小模型里，让他纠错。
3. 实在不行就换模型呗。

千万级其实都没必要特意问一下，常用的两个 pgvector 、milvus 随随便便做到。

我现在的公司就是专门帮其他公司做智能体的。我目前负责的两个项目，一个是面向央企的，总招标千万级别，一个是和化工企业共建的，价值也在百万左右，但是我们做的都是完整的解决方案，如果光是训练模型，可能便宜不少。

但你如果是技术，还是推荐你自己做的。看你的数据是什么类型的，如果是文档型的，和大家说的一样，可以直接用 RAG 。如果非常细的业务场景可以直接微调，几万条的数据已经能有非常好的效果了。

可以参考下这个例子（ https://www.aliyun.com/solution/tech-solution-deploy/2925027 ）。从一句话中提取结构化信息，用 1000 条左右的数据，就把 0.6B 模型的准确率从 14% 提升到了百分之 98%。

至于什么时候用 RAG ，什么时候微调，其实一般都是结合使用的。比如那个化工项目，甲方提供了 产品对应的化学原料（例如：塑料的原料可能有聚氯乙烯 PVC 、聚乳酸 PLA 、色母粒等），用这些数据训练产品原料预测模型，输入是产品名称，输出就是预测需要的化学原料。然后还有一些文档，比如某些产品的原料使用标准、基础化工原料介绍，这种就放在 RAG 里，执行任务的时候检索。

价格的话，我自己训练模型一般用这个 https://www.autodl.com/ 里面的机器比常用云会便宜点。比如阿里云 80G 显存 一小时 50 多，这个服务 13 块钱一小时。 你训练的时候可以按照小时买，估计几千块钱 就能支持你训练好模型，部署的时候可以转包年包月。

有这空，不如刷点算法，比这有意思

首先你用 sonnet 4 ，不开 max mode ，这个是没问题的。你两周用了 1000 刀，绝对是姿势不对。我公司给提供的是团队账号一月 40 刀，我基本是用不完了。每天都监控一下每次任务的 token 消耗。

争取一个对话只完成一个任务，这点很关键，我通常一个对话里，最多三次交互。

每次给他发布的任务都只修改某一个具体的功能。规则配置里配制好，让他每次都最小修改。

为什么定这种技术栈呢？ java / python + vue 不行？

妹子好看吗？

@wangshuo6 你在这里发的这篇文章，我已经看到好多公众号的洗稿了，没想到在 V2 又看见了。这篇文章里用的方式是通过捕捉网络请求来判断 cc 的执行逻辑，这其实并没有什么问题，但是这并不是 cc 的效果很好的原因，而是所有的 agent 都可以使用这套通用的逻辑。那么差别在哪，你的分析 和 你的项目完全没有体现出来。

想探究 cc 的执行流程不如看看这个： https://github.com/shareAI-lab/analysis_claude_code

@ThirdPer 不敢当不敢当 只是个小外包，在首都。

3. 最后一步就是，去了解最最最最新的技术。去阅读最新的论文！一定要是最新的，不是一年两年前的，而是一个月两个月之内的。举个例子，我昨天在看这个（ https://arxiv.org/html/2507.13334v2 ）。

你把我说的都学会了入行我觉得没问题。然后还有其他问题，你再问吧。

先说说我自己的情况吧。我是传统 python 开发入行的，18 年毕业，在 2024 年初，RAG 的概念刚火起来，当时是在一个大传统外企的基础架构组，我是跟老板主动请缨做了个内部 RAG 系统，一直做到了 2024 年末，我被裁员了，但是 RAG 项目最后的效果还不错，也在公司用起来了。后来 gap 了半年，从今年五月份开始找工作，找的所有的工作几乎都是 AI 应用方向的。最后的结果是 7 月份初以外包的形式入职了现在这家专门做 AI 应用的公司，外包的工资是税前 30+，可能在 V2 里还不太行，不过我学历不行，所以这个工资对我个人来说过渡也还好。

# 岗位机会多不多？
多！接到好多面试，甚至不需要自己投简历，就有源源不断的 hr 跟你要简历，但是这些里都以外包为主，好岗位还是要你自己投。

# 福利待遇？
跟岗位没关系，只跟公司有关系。我在外包，所以也没有福利待遇一说了，能正常发工资就好了。

# 技术门槛？
现在入职 1 个月左右，我的体验是与之前做 crud 完全不同，主要工作基本就集中在模型调整以及处理各种模型的输入输出上，还陪商务和销售出了一次差，见了一下甲方。

# 和传统开发重合？
我的感觉是重合度非常小。我这家公司基本是 all in AI ，传统开发百分之 90 以上的工作都是 AI 来完成了，公司可以申请 cursor 的额度，传统开发我直接全程 claude4 。

# 工作中是否有隐藏的难点？
是工作都会有，跟 AI 关系不大。

# 对大模型原理的理解？
不太明白你这里的理解指的是什么程度。如果是指预训练的话，那应该是由专门的算法工程师来做，一般都是 985211 里的高手或者清北起步（顺带一提，我目前这个公司就很多清北的硕博）。你问的 AI 应用一般就是指后训练，相关的技术栈是必须要掌握的。包括 损失函数、梯度下降等机器学习的基础概念，或者微调算法 lora 、freeze ，微调框架 swift 等，或者大模型的部署框架 vllm ，或者大模型构建框 langchain 家族以及类似他框架等等等。

# 还有你没提到的是 Agent 的构建。因为 AI 应用开发以 Agent 为主。
RAG 系统，或者多 Agent ，我的建议是多去看看 github 的开源框架，比如高 star 的 qanything 、Langchain-Chatchat
等等。

# 想入行的话，推荐你三步走。
1. 首先你看那些卖课的肯定是不够用的，而且也不用买课，我推荐你一个免费的阿里云的课（ https://github.com/AlibabaCloudDocs/aliyun_acp_learning.git ）你可以跟着试试，全做完的话，你基本能了解个大概了。
2. 然后就是自己去做个项目，尽量把学到的都用上。具体了解一下，
- 怎么处理各种数据，包括 pdf 、excel 、word 等等；
- 怎么提升召回率（把这篇文章看完！ https://freedium.cfd/https://levelup.gitconnected.com/testing-18-rag-techniques-to-find-the-best-094d166af27f ）。
- 实战中微调都怎么调整，什么时候调整 lr 、什么时候调整训练轮数、什么时候调整 lora_rate 等等各种问题，都需要实际微调几次才能有所了解。
- 怎么构建多 Agent ？都需要那些角色？
- 怎么构建 prompt ？都需要注意那些要素？