侯瑞哲的博客

模型平台工程师入门：跟着一个特征，从原始数据到线上推理走一遍完整的旅程。搞清楚 Hudi、HBase、Redis、Flink、Spark、推理服务器各自在什么位置、解决什么问题，以及为什么特征一致性是整个系统最重要的约束。

Agent 编排最容易出问题的地方不是任务路由，而是上下文管理：每一步传什么、传多少、怎么截断。从三种基本编排模式，到上下文膨胀、错误传播、中断与检查点，系统讲清楚 multi-agent 系统在生产环境里为什么难，以及工程层面的应对原则。

多模态模型最容易被忽视的问题：它在很多时候靠的不是视觉理解，而是语言先验。从遮住图片仍能答对问题的实验，到幻觉、空间推理失败、计数出错的三类根因，再到数据构建和训练策略层面的应对思路，系统讲清楚这个问题为什么难，以及工程上能做什么。

模型平台工程师最容易忽视的问题：训练用的特征和线上服务的特征不一样。Training-Serving Skew 是 ML 系统效果衰减最常见的根因，比模型本身的问题更难排查。从四种不一致来源、批流计算的挑战，到 Feature Store 的架构思路，系统讲清楚这个问题和解法。

AI 时代，大厂后端要不要学前端？学前端的成本已经被 AI 工具砍掉大半，但价值没有降低。从 API 设计、跨团队协作、晋升视野，到 AI 时代新增的独立跑通端到端方案的竞争力，重新计算这件事的成本收益，答案和以前不同了。

如何判断什么是你最核心的事：五种方法从不同角度切入——贝索斯的后悔最小化框架、找那件一直被推迟的事、问做了之后什么会改变、巴菲特25/5规则，以及一个反直觉的判断标准：平静感而非完成感。

第一性原理是什么：从亚里士多德到马斯克，把复杂问题分解到最基本的事实，从零重建答案。本文用具体例子讲清楚第一性原理的本质、与类比思维的区别、如何在实践中使用，以及它的局限性。

职业规划与选择：大厂 vs 小厂、技术 vs 管理、跳槽时机、如何避开职业陷阱。不给标准答案，给你一套思考框架——让你在面对每个选择时，真正知道自己在权衡什么。

如何在职场快速成长：选对赛道、做难而正确的事、建立个人信用、管理向上关系、主动扩大影响范围。不是升职技巧，而是让你真正变强的底层方法论。