王中阳讲AI编程

在 AI 应用开发，尤其是 RAG 场景的面试中，Milvus 和 pgvector 经常被放在一起比较。 很多人回答这个问题时，习惯用一句话概括：Milvus 更专业，pgvector 更轻量。

这两年，大模型最大的变化，不是“谁最强”。 而是：已经没有一个模型，能把所有事都做成第一。 你写代码，可能会先想到 Claude。 你做日常办公和综合问答，很多人会选 ChatGPT。 你要多模态、生

写在前面 最近帮陪跑营的一个同学内推了三家大厂的 AI Agent 相关岗位，一路面下来拿了三个offer，趁着记忆还热乎，整理一篇复盘分享给大家。 说实话，今年 AI Agent 岗真的火了。从大模

最近，训练营里一位学员刚结束一场后端技术面，回来后把整场面试的提问点做了完整复盘。 看完这份面经，我最大的感受只有一句话： 现在的Go后端面试，已经不太吃“纯背诵”那一套了。 面试官还是会问那些经典问

面试后端开发的时候，经常会遇到一个关于数据库优化的经典问题：“MySQL 单表数据量到多少就需要分库分表了？” 很多人会直接回答：“2000 万左右。” 如果面试官接着问：“这个 2000 万是怎么算

最近训练营学员给我们分享了一篇很新的百度后端面经，题目还挺典型，尤其是 Go 并发、锁、调度模型、库存扣减、系统重构这些内容，问得很细，也很贴近真实项目。 这篇我就不搞太复杂，直接把面试里出现的重点题

你的“会写 CRUD”，可能连第一轮技术面都撑不过去 很多人学 Go 的时候，最有成就感的一瞬间，是写出一个看起来非常“工程化”的接口： 分层清晰 gin + service + repo conte

AI圈有一个老问题：AI会生成不真实的内容。 你问它昨天北京的天气怎么样，它能给你编出一份带风向、湿度、体感温度的详细报告，甚至附上建议穿薄外套的建议。但昨天北京实际下暴雨。 这就是所谓的AI幻觉。

很多人简历上写着自己“熟悉 LangChain、了解 Agent 开发”， 结果你再往下问一句： “那你说说 LangChain 和 LangGraph 到底有什么区别？“