非常赞同,我觉得 agent 开发就像 C 和 Python 一样,属于基本技能。
我甚至还有个暴论,编译原理、操作系统、计算机体系结构,这三门计算机本科最硬核的课,将逐渐让位于 agent、LLM、infra 三门核心课(这也是我翻译《图解大模型》和写 agent/infra 两本书的原因)。
传统软件,工程师接触的是编程语言,代码跑在编译器和运行时上;软件是在操作系统上跑的;操作系统又是基于体系结构。LLM 时代,工程师接触的是 token,agent 跑在 harness 上;agent 是在 LLM 上跑的;LLM 又是跑在 infra 上的。
可以水群、
然后可能我会放一些我知道的关于AI的workshop通知,大家可以自行选择性的报名参加一些,也可以稍微的讨论一起学习一下
还可以约游戏))
更多功能还在探索中qaq
已严肃创建!
discord.gg/WCCAwvZw8
最近有两个问题最近一直困扰着我,想请教一下推上有工业界招聘、科研或跨领域研究经验的大手子朋友,而且这也关系到我接下来的选择:
1、企业招聘时,会多大程度看重一个人的学科出身?
2、当一个人对很多领域都有兴趣时,应该怎样找到自己的研究主线?
这里的出身不是指学校或学历,而是专业和研究方向。比如,我目前的专业是网络空间安全,方向可能更偏 AI Safety 和一些理论问题,但在目前做的研究中,直接与网安相关的部分并不多,更多是从自己的兴趣和疑问出发,逐渐延伸到了其他领域。
我担心的是,未来求职时,这样的研究经历会被理解为跨学科的积累,还是会被认为缺乏聚焦、没有在本专业深耕,甚至是“不务正业”?
企业更在意专业标签与岗位是否对口,还是实际做过什么、解决过什么问题,以及这些能力能否迁移到岗位上?因为我有所耳闻国内n篇a会但是因为不对口导致拿不了offer的事情()
我的本科经历就比较“不务正业”:最初录取的是生物工程,学过一些生物和化学,后来转到基础数学,又蹭着学了一些理论物理。这些经历让我容易从不同领域的交叉处产生想法,但也带来了一个困惑:我经常是先遇到一个感兴趣的问题,再去寻找相关的知识和方法,而不是先确定自己属于哪个领域,再沿着这个领域持续深入。我通常会先和 G 老师、C 老师讨论问题的意义和可行性,再决定是否推进。
所以,我想知道这种“不务正业”会不会影响求职,还有怎样区分有价值的跨学科探索与缺乏积累的四处尝试?在目前这个阶段,我应该保留探索的广度,还是尽早确定一个主方向,让其他兴趣围绕它展开?
这也让我开始考虑,是否应该退出目前的培养路径,重新寻找一位研究视野更宽、能支持跨领域探索,同时也愿意帮我梳理研究主线的导师。
希望听听有类似经历,或参与过招聘、带过学生的朋友的看法。








