工作七年，面试时候也写不出来 sql 。只要让写手写 sql ，从来没完完整整写出来过。

@WithoutSugarMiao 就算你是学生没用过 async await 。那你刷 leetcode 没用过 range 吗？如果你是竞赛生你刷 codeforce 没用过迭代器递归转迭代吗？

兄弟，你是没用过 async await 吗？

我现在所在的公司是专门做大模型应用的，目前也正在从事 AI 大模型方向的开发工作。

我想说的是 目前大模型应用的发展，看书或者网上的课程是完全不够用的。

因为能做出来东西，和能做出来能用的东西，以及能做出来给甲方交付的东西，在我看来是完全不同的三个层次。从你的主题描述里能感觉出来你可能还仅仅处于能做出来东西的阶段。

如果你以找到这方面工作为目的的拔高进阶。我的建议是你只需要关注新论文就行了。每天多抽出些时间去研究最新的论文，研究理论以及复现内容，多借助 AI 提升效率，争取一周复现几篇最新论文。

另外『调 API 、写 Prompt 、搭工作流』门槛并不高，门槛高的是怎么搭建出来能稳定运行的工作流，假如说你做了个 RAG 系统，你的召回率是多少？ bad case 有多少？幻觉率如何？安全性如何？等等关键指标都有了解过吗？

根据我的经验，大模型开发和传统应用开发的差别非常之大，传统开发可能开发阶段占比非常大，代码编写完通过测试，可能一个项目已经完成百分之八十了。但是大模型应用，说实话 开发完成之后，整个项目的完成度可能还不到百分之二十。

给你算一个数据，假设你一个应用分了三个子 Agent ，每个子 Agent 都有 98%的可用性，那你整个应用的可用性只有 94%了。这在传统应用开发中是完全无法接受的数据哦，而且这还是往好了估计，事实上一个 Agent 的可用性能有 95%，已经可以认为非常优秀了。那你怎么把整个应用的可用性提升到勉强能用呢？

还有 python 你都不会。。。我觉得可能有点抽象了。不说有多精通，至少要掌握基础语法和 Asyncio 吧。

完整的学习路线，我之前在一个帖子（ https://www.v2ex.com/t/1150043#reply21 ）里写过了一些。

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://v2ex.com/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？