与「AI工具」相关的搜索结果

Meta 宣布推出名为“Meta Enterprise Platform”的企业服务平台，正式把服务企业客户作为公司未来的核心业务支柱之一。 Meta 打算把自家的底层技术开放给各类公司和开发者使用。初期开放的技术包括智能助手 Muse、商业助手 Meta Business Agent、编程工具 Muse Code 以及相关的软件开发接口，方便企业把 Meta 的 AI 能力直接接入到自己的业务流程中。 为了负责这项新业务，Meta 挖来了企业软件领域的资深管理者 CJ Desai 出任首席企业平台官，直接向扎克伯格汇报。CJ Desai 之前担任过 MongoDB 的首席执行官，也在 Cloudflare 和 ServiceNow 担任过核心高管。 Meta 表示，后续会把保护数据隐私和系统安全放在首位，帮助不同规模的公司借助 Meta 的 AI 工具提高运转效率、拓展客户群。 官方公告：

果然赚钱最快的方法就是当二道贩子 1、有人专门盯TikTok Shop、Amazon上的热门商品，看到国外突然火起来的东西，就去1688、拼多多找同款货源，再拿到闲鱼、小红书上卖。 2、有人天天逛Etsy、Gumroad，看最近什么数字产品卖得好。Notion模板、Canva模板、简历模板、旅行计划表，研究完国内需求以后重新做个中文版，挂到闲鱼、小红书卖。 3、有人每天蹲Product Hunt、GitHub、Reddit，上面一旦出现好用的AI工具、AI工作流，就马上做成中文教程、提示词包、工作流模板，再去小红书、闲鱼变现。 4、有人在Fiverr、Upwork上接Logo、PPT、短视频剪辑、翻译的单子，接到以后再找国内的自由职业者做，或者直接用AI完成大部分工作，自己负责对接客户赚差价。 5、有人专门刷YouTube和Reddit上的冷门教程，比如AI、宠物、摄影、旅行、健身，国外已经验证过的内容，整理成中文以后发到抖音、小红书，再通过广告、带货、课程赚钱。 6、有人在拼多多、1688上找一些很冷门但利润高的产品，自己根本不囤货，直接挂到闲鱼。有人下单以后再去上家下单，一件商品甚至都没见过，差价已经赚到了。 7、还有人用AI做壁纸、海报、贴纸、婚礼邀请函、PPT素材，整理成一套数字产品，再放到Etsy、Gumroad这些平台卖。甚至一份东西做好以后，可以重复卖几百几千次。 8、有人专门研究国外已经跑通的小生意。 国外有人卖AI代运营，他就在国内给餐饮店、美容店、民宿做；国外有人卖旅行攻略，他就在小红书接定制攻略；国外有人卖各种模板，他就把模板重新本土化。 你会发现，很多生意根本没有那么神秘。 无非就是：这里的信息，那里的人不知道。 这里卖得便宜，那里有人愿意高价买。 这里已经验证过，换个平台再做一遍。 普通人想赚钱，很多时候甚至不需要发明一个新东西。 先学会做一个聪明的二道贩子。

现在最爽的活法就是： 独居＋健身＋自媒体＋深度使用AI工具＋健康饮食＋耍起+学语言+8小时睡眠+停止过度思考＋在自己喜欢的领域搞创作＋接触大自然＋接触小动物。

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。

我靠，这太香了，有AI视频需求的，这波可以冲了！！！ 做 AI 视频、产品、跑矩阵，最头疼的就是贼贵的价格，稍微跑点量几千刀就没了。。。 Higgsfield 搞了个 2000 万美元的 API 返现池，直接 100% 全额返还（上限 10 万刀）。 看一眼价格表，原本定价就比 Fal 便宜了 69%，叠加返现后成本几乎见底！ 让你能够低价格、高质量地跑通很多商业闭环： 1、AI 短剧/连载出海：Seedance 2.5 在美国开放了 Face References（人脸参考），多镜头人脸完全一致，不用再担心换镜头就换人的痛点 2、社媒 UGC / 电商带货：Genjutsu 动作替换 + Cinema Studio 1080p，批量跑爆款带货视频 3、轻量 AI 工具开发：所有主流生图生视频模型整合在一个 API 里，单图两厘钱，做套壳工具毛利拉满 活动必须在 9 月 30 号前获得并用完，先到先得。

都来 X 了，那就先不装了。 简单自我介绍一下，顺便自嘲几句，免得以后认识了发现货不对板。😂 大家以后都可以叫我327 一个白羊男 17年被表姐夫死拽去广州车坡疯狂java学 学了半年装逼写三年经验居然进公司了 然而做不住觉得枯燥无味索然离职创业 18年 那时候就觉得时间不等人，孝顺不能等 误打误撞被二堂姐老公忽悠去罗湖开饭店血亏…. 后来得出结论 坑自己的永远是非常信任的人 19年开始折腾互联网，最早做抖音引流，卖过减肥产品，也算运气不错，人生第一个 100 万就是那时候赚到的。 后来开始什么都来过一次：贸易、绿化项目、运营、流量…… 然后颠沛流离的来到香港三年苟活到现在 总结下来就是： 有些许商业天赋，比较能折腾；赶上每一次风口，但基本每次都吃了一点屎 有赚到过钱，也交过不少学费。 现在重新来 X，算是从头认识一批人，也顺便记录一下自己接下来还能折腾出什么东西， 如果你也喜欢研究生意、流量、电商、互联网项目，如果你愿意主动一点 如果我的经历刚好能让你少踩坑 —— 欢迎关注，交个朋友。🤝 希望交更多目前在使用AI工具的朋友，因为本人还是小白，也只是个屌丝，愿意空杯心态 —— 不知名选手327

第四，选题定生死，开口的每个词都在筛选属于自己的客户 逐字稿： 比如这个what，开头怎么写，标题怎么起，视频怎么剪，字幕怎么加，运营会关心，员工会关心，还有操盘手会关心，这些都是属于执行的问题。 但是一个真正的老板会关心为什么要做短视频，该不该做老板IP，所在的行业到底适不适合，要投多少钱，当下去做这些事情对于未来三年的增长到底有没有价值，如果不做会失去什么，那么做错了风险是什么。 所以你发现没有，老板真正关心的不是怎么干的问题，而是为什么干，值不值得干的问题。 所以如果你的目标客户是老板，但你的视频都在讲开头技巧、剪辑方法、AI工具，最后来的当然会是这些运营、员工还有操盘手。 所以不是平台把用户推错了，而是你一开口就决定了会谁留下来看这段视频。

学 AI，公众号才是真正被低估的平台‼️ 每天 AI 新模型、新工具、新玩法一堆。 今天推荐 5 个值得长期关注的 AI 公众号，工具实测、提示词、Agent、论文、行业新闻基本全覆盖👇 1/ 路飞 🔗 ✨最近很推荐的 AI 公众号 GPT-6 Astra、GPT Images 2.5、Claude、Agent……热门 AI 出来后基本都会测。 内容偏实操，会整理工具玩法、提示词、测试结果和教程 --- 2/ 歸藏的AI工具箱 🔗 AI 生图、视频、设计领域值得关注的博主。 新模型发布后，经常能看到各种脑洞玩法、提示词和实际案例。 喜欢折腾 AI 图片、AI 视频，可以重点看他。 --- 3/ 宝玉AI 🔗 偏 AI 技术和实操。 Agent、AI 编程、Skills、提示词、Claude、ChatGPT 都会讲。 很多复杂概念会拆开讲，适合想从“会问 AI”进阶到“让 AI 干活”的人。 --- 4/ 机器之心 🔗 想跟 AI 前沿，可以关注。 新模型、论文、机器人、开源项目、技术进展都有。 不用自己天天翻论文、GitHub 和英文资料，也能知道 AI 圈发生了什么。 --- 5/ 量子位 🔗 适合追 AI 新闻。 大模型、新产品、AI 公司、科研成果、行业变化都会覆盖。 很多技术新闻会整理成普通人能看懂的版本，适合每天扫一眼。

建议大家从现在就这样布局账号矩阵 先给大家盘点一下我目前的账号矩阵 小红书我一共有 5 个号，总共 9.1 万粉。 其中大号 4.3 万，职场资讯号 3.1 万，AIGC 视觉号 1 万，AI 垂类号 4000，虚拟资料店铺号 3000。 公众号 1.2 万粉，微博 7604，X 3451，视频号 2021。 全部加起来，大概 11.6万粉。 把这些账号和收入放在一起看，有几条很真实靠谱的建议。这次是完全的干货经验。 1、先把单平台做出来。 我目前 80% 左右的收入都来自小红书。 所以矩阵的第一步，不是同时开很多平台。 先找到一个能稳定涨粉、稳定赚钱的平台。 2、再把一个主账号做出来（跟上个建议是连着的） 小红书虽然有五个账号，但其中一个号占了 90% 以上的收入。 主账号还没跑通的时候，做再多小号都很难补上。 先把最能代表自己的那个号做深。 3、主账号跑通以后，再加第二个平台。 对我来说，这个平台是公众号。 公众号没有给我带来最多的收入，但它是一个很好的增量。不过还是相当惊喜的，我公众号的报价已经超过了小红书。 小红书的内容可以继续写深，已经认识我的人也更容易留下来。 4、然后才是做垂直小号。 职场资讯、AIGC 视觉、AI 工具，这几个号各自面对不同的人。 小号要接住主账号不方便长期发的内容。 如果发的东西和主账号一模一样，那也没必要单独开。 5、有明确的东西要卖，再做店铺号。 我的资料店铺号只有 3000 粉。 它的任务也很简单，有人看到资料，愿意下单就行。 这种号不用追求很大的粉丝量。 6、同一份内容要重复利用。 一条选题可以先发小红书，再根据反馈写成公众号，视频号和微博也能继续用。 如果每个账号都要重新想一套内容，一个人很快就做不动了。 7、给每个账号定一个任务。 有的号负责赚钱，有的负责涨粉，有的负责试选题，有的负责卖东西。 一个号可以暂时不赚钱，但不能连它自己负责什么都说不清。 8、最后再决定哪些号继续做。 我不会因为一个号已经有几千粉，就一直硬撑着更新。 看它有没有收入，有没有增长，有没有帮其他账号带来东西。 三样都没有，就先停。 对个人来说，矩阵的顺序大概就是： 主平台、主账号、第二平台、垂直小号、店铺号。 前一个跑通了，再继续增加。 大家可能会问我，精力够用吗？ 我现在就回答，完全不够用，所以我和我老婆一起，然后我最近又找了一个小伙伴，小伙伴把我手上有商业价值的账号积累一批内容，我来进行商业化变现。

彻底结束了职场生涯，拿了一份大礼包 谈不上太焦虑，或许还有些许期待 命运总是这么神奇，时代洪流裹挟着我们每个人往前走 还记得10年前大数据hadoop刚流行，我从硬件转行做软件时的那种兴奋，那种不知疲倦的干劲 转眼间，那已经是远古时代的技术了 站在当前这个时间节点，无疑，All in AI 是最明智的选择 去年下半年，我开始尝试国内自媒体，做过B站、抖音、小红书，也折腾过AI视频 今年上半年，我又转向SaaS出海，报了哥飞 @gefei55 的课，也加入了生财，一边做产品，一边寻找新的可能。 利用AI工具，现在做产品很简单，难的是持续获取低成本的流量 所以接下来，我准备认真研究X平台 不仅是为了流量，也希望在这里认识更多厉害、真诚、有趣的人，离这个时代最前沿的产品和想法更近一点 人生，有无限可能，前半场牛马996的生涯已经结束，现在是全新的下半场，也许，会有完全不一样的体验 35+的年纪，转型也刚刚好 毕竟，不可能打一辈子工 况且，以现在AI技术的发展，绝大部分人也没有机会打工一辈子 所以，认准方向，just do it 我是山海，一个刚刚结束职场生涯，准备用AI探索人生新方向的中年老登