与「限流」相关的搜索结果

最近跟一些做企业 AI、出海产品的朋友聊，发现很多人在偷着干： 拿 DSH 搞定制交付，同时赚底层 Token 的差价 为什么这路子现在这么爽？ 因为以前你给客户交付一个聊天框，客户根本不会用。而 DSH 是 MIT 开源的，连界面和侧边栏全都是插件 你开 Creator Mode 让 AI 现场写个业务面板，或者直接装上社区现成的 dsh-media-desk、dsh-univer-office，改个 Logo 打包出去，客户看到的就是一套专属的桌面工作台（就这点，客单价直接翻几倍） 更爽的是后端的算力差价： DSH 跑多步任务和插件特别吃 Token，而客户自己去配各家官方 API 又贵又麻烦，你可以直接在 DSH 里赚差价， 比如，Custom model API 里接上 @HiLinkup_AI ： 1、DeepSeek V4.1 Flash：冲多少送多少+日常 4.8 折，直接干到 2.4 折 2、插件要用的模型全打折：千问 3.8 全系和生图 7 折，还有 Seedance 2.0，Claude 5.5 也 7 折 3、而且后台自带 Model Routes，你在客户端里只写死一个模型 ID，后台绑多个备用渠道，哪家限流自动切哪家 把底层 Token 成本砍掉 70% 到 80%，前面收软件定制费，后面长期吃 Token 差价，很香～ HiLinkup🔗： DSH 可视化插件市场🔗：

兄弟们赶紧登录后台偷塔！魔搭这次的 Bug 级福利太特么吓人了！ 免费池里直接刷出 192G 显存完全体：配了整整 23 核 CPU 和 200GB 内存，鼠标一点直接启动，随时可能被抢空！ 明子对照控制台实测确认了真实参数： · 算力怪兽现身：不是 48G，直接给分配了 23 核 CPU、200GB 超大内存和 192GB 显存完全体，单卡吃下 70B 满血模型毫不费力 · 纯血免费实例：后台分类清清楚楚标着「魔搭平台免费实例」，不用你掏一分钱，更不用买商业付费包 · 零门槛直接启动：鼠标点一下「启动」，2 分钟直接拉起镜像，预装好 PyTorch 和 CUDA 兼容环境，浏览器里当场跑大模型 · 算力池随时可能缩水：这种工业级天花板配置居然放进免费池，大概率是活动期间的超大福利，随时可能被抢空或限流 手头有魔搭账号的兄弟赶紧登录后台看一眼你的 Notebook 列表，趁着能开赶紧去占个坑。 拥有 23 核 200G 内存加 192G 显存的云端环境，你打算直接把哪个巨无霸模型丢进去跑？ 👉 魔搭控制台直达： #AI# #大模型# #开源# #GPU# #魔搭社区#

这个开源项目系统整理了 35 家 AI 公司的 AI 工程师面试题，全部来自 “公开报告的面试经历” 来自 @outcome_school 团队 @pallavishekhar_ 开源发布，内容几乎涵盖了 OpenAI、Anthropic、DeepMind、xAI、DeepSeek、Kimi、GLM 等 AI Labs，Cursor、Cognition、ElevenLabs 等 AI Native 团队和 Nvidia、Microsoft、Amazon、Apple 等头部大厂。 覆盖的岗位头衔也非常多：AI Engineer、LLM Engineer、Gen AI Engineer、ML Engineer、Research Engineer、Applied Scientist、FDE、MLOps/LLMOps 工程师等。 开源地址： # 内容架构：一个精心设计的双层结构 第一层：跨公司通用题（Common Questions）。 作者把在多家公司反复出现的题目只列一次，标注"Asked at"哪些公司，按十大主题组织： 1. LLM 内部机制与架构 — attention 缩放因子、KV cache 内存公式推导、MQA/GQA/MLA、FlashAttention、BPE、RoPE/YaRN、Chinchilla scaling laws、MoE、解码采样策略、lost-in-the-middle、RMSNorm、SwiGLU 2. 推理、服务与 GPU 性能 — prefill vs decode、continuous batching、PagedAttention、投机解码、量化（FP16→FP4）、五种并行策略、TTFT/TPOT 指标、H100 上的 roofline 计算、vLLM/SGLang/TensorRT-LLM 选型、“如何把服务成本降 10 倍” 3. RAG 与检索 — 分块策略、BM25 vs 稠密检索、重排序器、HyDE、权限感知检索、ANN 索引、索引新鲜度、答案归因 4. Agent 与工具调用 — ReAct、MCP、工具 schema 设计、多智能体编排、Agent 记忆、循环终止条件、人类审批 5. 微调与对齐 — RLHF/DPO/GRPO/RLVR 全谱系、LoRA/QLoRA 数学、灾难性遗忘、“提示 vs RAG vs 微调”决策框架、蒸馏、reward hacking 6. 评估与可观测性 — LLM-as-judge 及其偏差、幻觉检测、基准污染、Agent 评估、回归门禁 7. 安全与负责任 AI — 提示注入（直接/间接）、OWASP LLM Top 10、护栏、Constitutional AI、红队 8. 多模态与语音 — VLM、语音 Agent 延迟预算、barge-in 打断处理、级联 vs 端到端语音、ASR/TTS 评估 9. AI 系统设计 — 十类高频设计题（千万级文档企业 RAG、代码助手、客服 Agent、Text-to-SQL、LLM 网关、数亿用户聊天服务等） 10. 编码题 — 从零实现 attention、KV cache、BPE、采样；LRU 缓存、令牌桶限流器、异步批处理器、SSE 流解析器、最小 Agent 循环 第二层：35 家公司的专属章节，分为五大梯队： 1. 前沿实验室（12 家）：Anthropic、OpenAI、Google DeepMind、Meta、xAI、Mistral、Cohere、DeepSeek、月之暗面（Kimi）、智谱（GLM）、阿里（Qwen）、Sarvam AI（印度） 2. 大厂 AI 组织：Microsoft、Amazon、Apple、NVIDIA、Tesla，以及一组消费级 ML 公司（Uber/Netflix/LinkedIn/Airbnb/Pinterest/Spotify） 3. AI 基础设施公司：Databricks、Groq、Together AI、Hugging Face、Scale AI、Perplexity 4. AI 原生产品公司：Cursor、Cognition（Devin）、Sierra、Harvey（法律）、Glean、 AI（机器人）、Waymo 5. 前向部署/企业 AI：Palantir # 题目分布透露的行业信号同样值得关注 1. 公司的差异化考察方向，和它的商业模式严丝合缝。 这是最能体现整理功力的地方： · DeepSeek、月之暗面、智谱、Qwen 的题目深度绑定自家论文——MLA、auxiliary-loss-free 负载均衡、Multi-Token Prediction、MuonClip、DualPipe、长上下文扩展、GLM 的 thinking 模式。面试这些公司等于面试它们的论文，还要求 PyTorch 从零实现 MoE 路由。 · Groq 的题全是 SRAM-only 架构下的 roofline 重推演：“没有 HBM，decode 的 roofline 论证哪里变了”、“确定性在 p99 层面到底买到什么”。 · Apple 清一色端侧：3B 模型在手机上跑、PTQ vs QAT、不采集用户内容的前提下用设备信号改进模型、30+ 语言区无法记录用户内容的评估方案。 · CharacterAI 是推理经济学：“我们的服务成本被 KV cache 而非权重主导，降一个数量级，代价是什么”。 · Harvey（法律）和 Abridge（医疗） 考的是领域约束下的工程：200 页信贷协议里第 140 页的条款依赖第 8 页的定义术语怎么检索、生成的病历中出现了患者没提过的药怎么当作安全事故处理、PHI 如何约束整个架构。 · Palantir 的招牌是 "decomposition" 轮：把“一家货运铁路公司每年因机车非计划停机损失数千万”分解成工程计划。 2. 编码轮的形态正在发生实质性变化。 文档里反复出现的一类题，与传统 LeetCode 明显不同： · “实现一个内存 KV 存储：先 SET/GET/DELETE，再加事务 BEGIN/COMMIT/ROLLBACK，包括嵌套事务”（OpenAI、xAI 都问） · “给你一个 LLM 推理引擎的调度器类，其中一个方法是空壳，没有规格没有文档。说说你头三十分钟干什么”（xAI） “重构这 120 行能跑但很乱的代码，不许破坏测试”（OpenAI） · “对 5 万个文档跑 LLM 调用，API 限 100 并发、偶发 429 和超时，把 Python 写出来”（Anthropic） 考察重心从算法记忆转向增量需求下的代码演进能力、并发正确性、真实工程约束下的取舍。 3. “AI 协作轮”作为新题型已经进入正式面试流程。 这是文档里最前沿的信号： · Anthropic 部分机器学习岗有 AI-collaboration 轮：现场给你 Claude，考察的是你如何指挥它和验证它的产出，而不是你自己写。 · Meta 2026 年的流程新增三阶段 AI 辅助编码轮（探索修复 → 实现新功能 → 扩展改进）。 · Cursor 的 onsite 是两天在真实 Cursor 代码库上做一个功能（或 8 小时远程版），明确考核你对 AI 工具的使用效率和自主 scoping 能力。 · Sierra 给你两小时和任意 AI 工具，看你选择做什么。 xAI 有四小时限时产品构建。 4. FDE 成为一级岗位类别。 Anthropic、OpenAI、Databricks、Scale、Together、Sierra、Harvey、ElevenLabs、Palantir 的章节里都有 "Applied and Forward-Deployed Scenarios" 专属题库——典型题目如“企业客户说 Claude 幻觉太多，你是驻场工程师，头 48 小时做什么”。这对应了 AI 公司向企业交付方式的转变：模型能力差距收窄后，落地能力成为差异化。 5. 硬核系统题的普及。 "H100 上 70B 模型 batch size 1 的 roofline 计算"、"估算 70B 模型的 GPU 显存（权重 + KV cache + 激活 + 碎片）"、"p99 延迟在部署后翻倍但模型没变，走一遍诊断”——这类题横跨 NVIDIA、Together、OpenAI、Perplexity 等多家，说明推理性能的量化直觉已成为 AI 工程师的通用素养，而非基础设施工程师的专属。

中国做不出muse的核心原因，在于中国几乎绝大多数人的生活信息，几乎都聚合在微信群里。 而微信是彻底卡死生态的、绝对封闭独立的王国，任何agent除非用computer use一个个微信群翻聊天记录手动保存下来，否则是根本无法下手的。 更重要的一点是，微信对发布是强审核的，任何第三方平台在微信发东西 ，都有可能被一夜封禁或者屏蔽。 还有一点就是，邮箱和账号是强绑定的，然而中国所有平台App绑定的是手机号，而不是某个平台的账号，所以personal agent还要绑定手机短信收发功能。 但是结果就是，假设退一万步说，微信允许你这么干了，如果一个中国厂商做personal agent，一边可以完全控制你的微信收发，一边完全控制你的短信收发， 这种personal agent你敢用吗？ 中国哪个厂商会有足够高的自我监管审查的标准规范，能够保证不给你惹几个大祸出来？ 万一缺钱了，personal agent翻你微信聊天记录，找了张身份证照片，顺手给你撸个小额贷怎么办？ 万一接管你的抖音小红书快手账号，帮你发个东西，给你平台限流甚至封禁7天怎么办？ 中国人其实压根就不适合personal agent，用个豆包就挺好的，因为中国人的计算机人均使用水平堪比一条边牧，豆包已经把能承担的责任拉到极限了，personal agent给中国人用，危险程度不亚于民办三本文科宝妈在百度搜索奶茶快招。

在国内社交平台做 AI 内容分享，体验最差的，应该是小红书，没有之一吧？ WorkBuddy、千问办公、豆包工作，占一个就被限流，警告不能宣传其他平台。Codex、Claude Code 概率被限。当然这里都不用提，任何链接都会被审核驳回。。至于流量和平台推荐，想都不要想。我 1980-1990 的关注量，已经反复了2个月，一直都没到2000. 商务合作就更奇怪了，明明有个蒲公英平台，里面明明有平台建议价格，但是找过来的代理们，都会觉得价格高太多，要求降价，一般要降 60-80%，太夸张了。 而且代理们还有很多专属小红书的黑话：宝子、水下、报备返点。。水下是指私下交易、报备返点是指平台交易但要返现给代理。 商务合作价格也是低到离谱，比如图文平台建议价格500元，一般代理只会报200左右，最狠的会直接按100报，两位数的都见过。这种所谓商务，但是跟代理沟通，我都觉得这仨瓜俩枣不值得了，更别提还要做内容，还要反复审核。 实在懒得费这个劲，所以小红书我完全不接触商务，也不想管它的流量和推荐，想发什么就发点什么就好。

劲爆，推特限流已经有解决方案 别人关注你的时候，你看到这些是中文还是英文 你系统语言是中文，它显示也还是英文。 证明你的账号是推给外国人看的。 所以导致了账号流量低。

想知道你为什么被限流吗？⬇️ X 官方发布了【账号标签】工具，可以查看过去 1 个月： - 下载：可以下载过去 1 个月的完整数据报告 - 标签：可以被【系统自动生成】或者【用户举报】，所以用户举报越来越有用了 - 影响：帖子会显示警告、不会被推荐给非关注者（也就是时间线最少少一半，按照扩散逻辑最终数据会是大部分流量都没了） - 数量：有几条帖子有问题，占比多少（具体哪个帖子不会告诉你） 看最后两张图片就是关于帖子和账号相关的风险标签，我后续会单独出一篇深度解析的，或者做一个小工具 标签工具（灰度测试中）：

以后我们就不用再用第三方工具来查自己的账号和帖子有没有被限流了，𝕏 之后会上线一个叫「Under the Hood」的工具。 这个工具可以让我们自己查自己的账号和帖子有没有被打上限流的标签，这些数据还支持下载。 目前还在小范围试点，会优先给账号注册满一年、上个月发帖 10 条以上的用户随机使用，之后再慢慢开放。