2026年求职,大模型工程师的权限日志比Prompt更硬?

Java+大模型:2026年面试必备的复合技能与实战指南 在后端工程领域,Java 长期扮演着核心角色,而随着大模型技术快速融入业务系统,纯 CRUD 能力已无法满足企业对复合型人才的需求。理解大模型的工作原理、掌握 RAG 检索增强生成、Agent 工具调用、Function Calling 等关键技术,并将它们与 JVM 调优、MySQL 索引设计、Spring 生态工程化实践相结合,已成为 Java 开发者提升竞争力的突破口。从基础概念到落地场景,从 Prompt 工程到向量数据库选型,系统构建“Java + 大模型”知识体系,才能在实际项目中完成模型接入、 阅读详情

聊《一份看似完整的程序员就业方案,为什么投递时没效果?》之前,先说一句实在的:别急着背概念,先看它在真实项目里到底解决什么问题。

摘要

摘要:在2026年,求职者面临的就业市场更加激烈,企业对于大模型应用的实际需求也在不断变化。本文将结合近期热点“大模型应用从 Demo 转向权限、日志和可观测”,探讨如何避免过度设计,从技能组合、简历展示和面试策略等多个角度为读者提供实用建议。

目录

  • 就业市场变化
  • 企业真实需求
  • 技能组合
  • 简历项目
  • 面试策略
  • 总结

就业市场变化

文章插图 1

2026年,就业市场的变化主要体现在企业对大模型应用的需求上。以前,企业更关注模型的性能和跑分,而现在,更看重实际应用中的权限管理、日志记录和可观测性。这种变化意味着,求职者需要不仅仅掌握模型的基本使用,还需要了解如何在实际项目中保证系统的稳定性和安全性。

过去几年,大模型领域的发展速度令人瞩目,从最初的简单问答系统到如今的复杂多模态应用,技术的进步推动了各行各业的数字化转型。然而,随着应用的深入,企业开始意识到,仅仅依靠模型的强大功能是不够的,更重要的是如何在实际场景中安全、稳定地运行这些模型。因此,权限管理和日志记录成为了新的关注点。

企业真实需求

文章插图 2

企业在招聘大模型工程师时,越来越重视工程化能力。具体来说,企业希望候选人能够:

  • 权限管理:确保模型在运行时不会越权操作,尤其是在涉及敏感数据时。例如,在一个医疗应用中,只有具备相应资质的医生才能访问患者的病历信息,而普通用户则被限制访问。
  • 日志记录:通过日志系统,实时监控模型的行为,便于排查问题和优化性能。例如,记录每次模型请求的输入输出、执行时间等信息,帮助开发人员快速定位问题。
  • 可观测性:通过全链路日志和监控,确保模型在实际运行中的透明度和可控性。例如,使用Prometheus等工具对模型的CPU、内存等资源进行实时监控,及时发现并处理异常情况。

这些需求表明,企业更倾向于招聘那些能够解决实际问题的工程师,而不是仅仅停留在理论或Demo阶段的人。一个能够设计出高效、安全、可维护的大模型系统的工程师,无疑会在求职市场上更具竞争力。

优快云资料领取方式

技能组合

为了应对这些需求,求职者需要构建一个全面的技能组合,包括以下几个方面:

1. 大模型基础:熟悉主流的大模型框架,如LangChain、LangGraph等,了解它们的基本使用和优化方法。这不仅是技术上的要求,更是理解模型工作原理的基础。
2. 权限控制:掌握权限管理的基本原理,能够设计合理的权限策略,防止模型越权操作。例如,基于角色的访问控制(RBAC)是一种常见的权限管理方式,可以根据用户的角色分配不同的权限。
3. 日志系统:了解常用的日志记录和监控工具,如ELK Stack、Prometheus等,能够构建完善的日志系统。这不仅有助于问题的排查,还能提升系统的可维护性。
4. 工程化能力:具备一定的软件工程经验,能够编写高质量、可维护的代码,并在实际项目中应用。这包括代码规范、版本控制、测试等方面的知识。

简历项目

在展示简历项目时,建议结合具体的实际案例,突出自己在权限管理、日志记录和可观测性方面的贡献。例如:

public class ModelManager {
    private final PermissionChecker permissionChecker;
    private final Logger logger;

    public ModelManager(PermissionChecker permissionChecker, Logger logger) {
        this.permissionChecker = permissionChecker;
        this.logger = logger;
    }

    public void executeModelRequest(User user, ModelRequest request) {
        if (!permissionChecker.checkPermission(user, request)) {
            logger.warn("Permission denied for user: " + user);
            throw new PermissionDeniedException("User does not have permission to execute this request.");
        }

        logger.info("Executing model request for user: " + user);
        // 执行模型请求的逻辑
        logger.info("Model request executed successfully for user: " + user);
    }
}

在这个示例中,ModelManager类展示了如何在执行模型请求前进行权限检查,并通过日志记录整个过程。这样的展示不仅体现了你的技术能力,还展示了你对工程化实践的理解。此外,你还可以进一步扩展这个例子,加入更多的权限检查和日志记录逻辑,以展示你在实际项目中的经验和能力。

面试策略

在面试中,除了展示你的技术能力,还需要能够讲述具体的项目经历,说明你是如何解决实际问题的。例如,可以讲述你如何在某个项目中设计权限策略,或者如何构建日志系统来监控模型的行为。这些实际案例不仅能够增强你的说服力,还能让面试官看到你的实际应用能力。

在准备面试时,建议你提前梳理自己的项目经历,尤其是那些与权限管理、日志记录和可观测性相关的部分。你可以准备一些具体的案例,描述你在项目中遇到的挑战、采取的措施以及最终的结果。这样,在面试中你就能够更加自信地展示自己的能力和经验。

总结

2026年,大模型工程师的求职竞争将更加激烈,企业对于工程化能力的要求也越来越高。通过构建全面的技能组合,展示具体的项目经历,并在面试中讲述实际案例,你将能够更好地应对就业市场的挑战。记住,权限管理和日志记录不仅是技术要求,更是实际项目中不可或缺的保障。只有真正掌握了这些技能,才能在激烈的竞争中脱颖而出,成为一名优秀的大模型工程师。

资料展示

下面是我整理的AI大模型学习资料和工具包预览,适合收藏后按主题逐步学习。

AI大模型资料展示 1

AI大模型资料展示 2

AI大模型资料展示 3

AI大模型资料展示 4

AI大模型资料展示 5

如果你想看完整资料目录,可以在评论区留言「资料」;也欢迎告诉我你更关注AI大模型里的哪类内容。

优快云官方大礼包

2026年AI Agent开发者保姆级学习路线:从大模型到实战系统构建 这次我们来看一个面向2026年转行AI Agent开发者的保姆级学习路线。如果你正考虑从其他技术领域转向AI Agent,或者想系统性地掌握AI Agent开发,这篇文章可以直接收藏。AI Agent不是单一技术,而是一个结合了大模型、工具调用、工作流编排和任务自动化的综合领域,它的核心价值在于让AI能理解复杂指令、使用工具、规划步骤并完成实际任务。 最值得关注的是,这条路线不是空谈概念,而是直接告诉你每个阶段要学什么、用什么工具、达到什么目标,并且考虑了从2024年到2026年的技术演进。硬件门槛上,初期 阅读详情

相关推荐

K-means算法代码实现(python)

K-means算法代码实现以及解决质心选择问题 计算距离 距离通常使用欧几里得距离来衡量 def euclDistance(vector1, vector2): return np.sqrt(sum((vector2 - vector1) ** 2)) 初始化质心 def initCentroids(data, k): numSamples, dim = data.shape ...

江南小帅瓜的博客 1万+

2026 年拿 Offer 别只卷 Prompt,权限与日志才是真门槛

2026 年的求职大环境变了。大厂不再只看你能跑通一个 Demo,更关注你能把系统稳稳落地。权限控制、日志追踪、可观测性,这些看似“枯燥”的工程细节,正在成为区分“调包侠”与“靠谱工程师”的分水岭。本文结合真实面试反馈与落地踩坑经验,告诉你如何在 2026 年用硬实力拿到 Offer。---2026 年,大模型就业已经进入“深水区”。你能跑通 Demo 只是入门,真正能让你拿到 Offer 的,是你能把系统做“稳”、做“安全”、做“可追踪”。别再把精力全花在 Prompt 调优上。

m0_62051288的博客 210

深度学习中的注意力机制

最近两年,注意力模型(Attention Model)被广泛使用在自然语言处理、图像识别及语音识别等各种不同类型的深度学习任务中,是深度学习技术中最值得关注与深入了解的核心技术之一。本文以机器翻译为例,深入浅出地介绍了深度学习中注意力机制的原理及关键计算机制,同时也抽象出其本质思想,并介绍了注意力模型在图像及语音等领域的典型应用场景。

优快云人工智能 4万+

Demo能跑就敢写简历?权限日志才是大模型求职分水岭

去年我面过一个求职者,简历上写着"基于LangGraph搭建多Agent系统,实现跨文档问答",演示视频流畅得挑不出毛病。我问了一个问题:系统上线后,用户权限是怎么控制的?他愣了三秒,说"目前只是Demo,还没考虑这个"。结果你们猜到了。今年大模型应用的风向变了。Demo能跑已经不够了,面试官开始问权限、问日志、问可观测性。这不是刁难,是市场在用脚投票。---2026年的大模型就业市场,正在经历一次洗牌。会调API的人,不再是稀缺资源。能写出生产级Agent系统的人,才是。

2601_96120158的博客 326

2026.2.23:AgentScope框架实战<一>:安装并使用agentscope

本文介绍了AgentScope框架的安装与使用实践。通过PyPI安装agentscope[full]后,演示了如何创建ReActAgent代理:1)配置DashScope聊天模型;2)注册自定义工具函数(查询位置和天气);3)初始化代理并处理用户请求。示例展示了代理如何响应复合查询(如同时获取北京位置和天气信息),输出结果显示代理成功执行了工具调用并返回结构化响应。该框架支持Python 3.13环境,提供内存管理、工具集成等功能,适用于构建智能代理系统。

拥抱具身智能,昇腾Ascend C 511

2025年06月中国电子学会青少年软件编程(Python)等级考试试卷(二级)答案 + 解析

2025年06月中国电子学会青少年软件编程(Python)等级考试试卷(二级)答案 + 解析

伶俐角少儿编程 459

Demo 跑通却拿不到 Offer:2026 年大模型工程师的生死线在权限与日志

去年这个时候,我还在面试那些拿着 LangChain 或 LlamaIndex 基础教程 demo 来求职的同学。那时候,只要能把 RAG 链条跑通,能生成一段像样的代码,甚至 Agent 能自己调几个 API,Offer 就能拿到手。今年情况变了。不是技术变难了,而是企业变“老练”了。最近我在复盘自己带的一个小型 AI 内部工具项目时,发现了一个尴尬的事实:我们花了一周时间让 Agent “自主执行”任务,结果上线第一天就崩了。不是因为模型智商不够,而是因为权限管理缺失和可观测性为零。

2601_96120158的博客 165

STM32G4 电机外设篇(三) TIM1 发波 和 ADC COMP DAC级联

STM32G4电机控制外设应用笔记摘要:本文详细介绍了TIM1高级定时器生成三对互补PWM波的配置方法(预分频器PSC=30000,重装载值ARR=10000),重点说明需断开电机连线避免干扰。通过STM32CubeMX配置TIM1通道4触发ADC采样,设置RCR分频参数,并给出Keil代码修改要点。第二部分探讨了TIM1、ADC、比较器和DAC的级联应用,包括电流采样触发时序(在PWM波峰值前采样)和过流保护机制。配置步骤包含DAC3作为比较器负输入端、设置Break触发封波保护,并附关键代码段实现外设联

qq_43091070的博客 1102

2026 年拿 Offer 的硬通货:别秀 Prompt 调优,去讲权限与日志的边界

摘要:2026 年的招聘市场已经变了。企业不再为“能跑通的 Demo”支付溢价,而是为“能在生产环境存活的应用”买单。本文复盘一个从 LangGraph 开发到生产上线的真实踩坑过程,揭示为什么权限隔离、审计日志和可观测性成为了大模型工程师的新护城河,并给出针对求职者的具体技能补全建议。2026 年,程序员就业的逻辑已经从“谁能更快地做出 Demo”转变为“谁能更安全、更稳定地交付价值”。大模型正在从“炫技品”变成“基础设施”。

2601_96189167的博客 363

DICOM医学影像开发者必备工具清单

PyDicom 是一个纯 Python 实现的 DICOM 文件解析库,允许开发者读取、修改和写入 DICOM 文件。它无需依赖外部库,易于集成到现有的 Python 项目中,非常适合快速开发和原型设计。DCMTK(DICOM Toolkit)是一个由OFFIS开发的开源C++库,提供了一整套DICOM标准的实现,包括文件操作、网络通信和图像处理等功能。它是开发高性能DICOM应用的理想选择。MicroDICOM 是一款免费的DICOM查看器,适用于Windows平台。

编程技术探索者,分享C/C++、C#、Java、数据库等开发经验,聚焦实战技巧与AI兴趣,助力编程爱好者成长。 577

ABAP 7.40 新语法介绍系列之二 - ABAP 类型转换操作符 CONV

这个lv_input_s变量的唯一使命,就是接收来自 char10 类型的 lv_input_c 变量的值,然后传递到 print 方法里去。

2007 年 ~ 2025 年,深耕 SAP 技术 18 年 1421

个人Demo能跑通,团队上线却集体翻车:2026年大模型求职的硬通货不是调参

上周二,我面试了一个面试者,简历很漂亮:LangChain熟练,RAG流程搭得溜,本地跑通了一个问答助手,还附了GitHub链接。代码写得挺整洁,一气呵成。但我问了他一个问题:“如果这个助手接入了公司的内网知识库,用户问‘我的报销单状态’,你怎么保证它不会把张三的报销单推给李四看?他愣了一下,说:“这个……一般用权限中间件吧?“具体怎么实现?日志怎么审计?Token消耗超标了怎么熔断?他没答上来。最后我婉拒了他。这不是他一个人的问题,是这一批想转大模型开发的程序员的通病:都在做Demo,没人做生产。

2601_96189167的博客 347

Python爬虫实战:基于Scrapy与Playwright的搜狐新闻高效爬取

在当今信息爆炸的时代,网络爬虫技术已成为数据获取和分析的重要工具。作为国内领先的新闻门户网站,搜狐新闻包含了大量有价值的新闻数据,这些数据对于舆情分析、市场研究等领域具有重要意义。本文将详细介绍如何使用Python最新的爬虫技术栈(Scrapy框架结合Playwright浏览器自动化工具)来高效爬取搜狐新闻数据。pythontitle = scrapy.Field() # 新闻标题url = scrapy.Field() # 新闻链接。

2201_76125261的博客 1553

删掉 Prompt 调优,我靠权限与日志拿下了大模型 Offer

前阵子面试了几个转做大模型应用的同行,简历上清一色的 LangChain 熟练、Prompt 工程专家、RAG 检索准确率提升 5%。问得深一点,全卡在同一个地方:“你的 Agent 在并发高时,怎么保证不会误删用户数据?”或者“如果 LLM 幻觉输出了非法 SQL,线上怎么拦截?说实话,我很头疼。2026 年的今天,还在卷 Prompt 技巧,就像 2015 年还在卷 HTML 标签的写法一样。对于普通程序员来说,AI 大模型就业的真正分水岭,不是你能写出多优雅的提示词,而是你是否有工程化兜底的思维。

2601_96189167的博客 255

霍尼韦尔SoftMaster使用说明

霍尼韦尔SoftMaster使用说明

Outlook Express 6 (OE6) for Win7/Win8/Win10

英文版 Outlook Express6.0, 兼容Win7/Win10/WinXP,解压就可用。

Demo 秒响应,上线即崩?大模型工程师的生死线不在 Prompt,而在权限与日志

前阵子面试了几个转行做大模型应用的候选人,简历漂亮得让人怀疑:LangChain、RAG、Agent 全都有,GitHub 上还有几个 Star 过千的 Demo 项目。但聊到一半我就发现,他们眼中的“大模型工程”,基本等于“把 Prompt 调优到极致,让 LLM 在 Jupyter Notebook 里跑得飞快”。直到上周,我亲眼看着一个同事负责的项目在生产环境翻车。

2601_96189167的博客 336

C# WinForm 基于DirectShow.dll编写的程序,可边预览边保存视频,音频和图片

基于微软的DirectShow.dll的二次开发1.自动识别连接的摄像头跟麦克风且可以对其进行选择(默认选中第一个)2.可录制wmv和avi两种格式的视频并且都带有音频,avi可以录制的分辨率和帧数进行选择,wmv默认进行了淸晰度优化如不喜欢可去除代码中有相关提示3.可在预览点开之后进行拍照,也可边录制视频边拍照4.添加了视频和音频的压缩功能(酌情使用)这次二次开发发现C#对DirectShow的相关信息太少,这次做完也不敢藏私共享出来,还望大家指正

为什么你的 Agent 上线就崩?权限与日志才是大模型工程师的护城河

先把这篇文章的目标说清楚:看完之后,你应该能判断这件事值不值得做,以及从哪里动手。摘要:很多初级开发者以为大模型求职的核心是 Prompt 技巧或复杂的 RAG 架构,但在实际生产环境中,Demo 能跑通只是起点。本文通过复盘一个典型的“幻觉失控”案例,指出 2026 年的大模型工程化核心在于权限隔离、操作审计与可观测性。对于普通程序员而言,掌握这些“枯燥”的基础设施能力,远比堆砌模型参数更能体现工程价值,也是从 Demo 走向 Production 的真正门槛。---

2601_96120158的博客 292

ET2012新版免狗免安装绿色软件

ET2012新版免狗免安祖昂绿色软件。,新界面,新视觉,

为什么我的Agent上线就崩?权限日志比调API更重要

很多人以为大模型就业就是会调API、会写Prompt就能搞定,但真实企业环境里,一个Demo跑通的Agent上线时,最先崩的往往不是模型推理,而是权限混乱和日志缺失。本文从一个真实的踩坑经历出发,拆解权限控制、日志追踪和可观测性为什么是大模型工程师真正的硬门槛,并给出具体的技能学习顺序和求职建议。大模型就业确实有机会,但机会不在"会调API"的人手里,而在能把Demo变成生产级系统的工程师手里。权限、日志、可观测性,这些听起来不性感,但却是企业真正在意的能力。

资料免费分享,点击名片 350

Demo 跑通不敢上线?权限与日志才是大模型工程师的护城河

先把这篇文章的目标说清楚:看完之后,你应该能判断这件事值不值得做,以及从哪里动手。摘要:很多计算机专业的同学在准备大模型就业时,陷入了一种“Demo 幻觉”:能用 LangChain 或 LlamaIndex 跑通一个检索问答,就觉得拿到了 Offer。但真正的生产环境筛选逻辑完全不同。本文复盘从学生项目到企业级应用的关键跨越,重点剖析为什么“权限控制”、“日志追踪”和“可观测性”才是目前团队接手成本的硬指标,并给出具体的实战改进建议和简历优化方向。---

m0_62051288的博客 239

2026年求职:为什么你的Agent Demo能跑,却拿不到Offer?

摘要:2026年的大模型工程师招聘已经变了。面试官不再关心你能不能跑通一个级的 RAG Demo,而是盯着你如何处理权限隔离、日志审计和可观测性。本文复盘了从“写 Prompt”到“做工程”的转变过程,结合真实项目中的踩坑经历,给出了一份针对企业级 AI 应用开发的实战指南。---就业市场变化:从“算法岗”到“AI 工程岗”企业真实需求:Demo 与生产的鸿沟技能组合:别只卷 Prompt,要懂边界控制简历项目:如何展示“不敢上线”的痛点面试策略:应对那些刁钻的生产环境问题总结。

LLM_9528的博客 335

跑通 Demo 只是热身:为什么权限与日志才是你进大模型产线的生死线?

摘要很多初级和大模型方向求职者在面试中最大的误区,是把“能运行”等同于“能上线”。本文复盘我从 Demo 开发转向工程化落地的真实踩坑经历,深度解析为何权限隔离、操作日志和可观测性(Observability)成为了 2026 年企业招聘 AI 工程师的隐形门槛。通过对比传统 CRUD 与 Agent 开发的差异,提供一套可复用的技能栈升级方案和简历优化建议,帮助普通程序员避开“只会调 API”的陷阱,抓住下一轮就业红利。---

2601_96189255的博客 209

别只卷Prompt,你的Agent上线崩盘往往是因为没管住权限和日志

先把这篇文章的目标说清楚:看完之后,你应该能判断这件事值不值得做,以及从哪里动手。最近面试了几个想从传统后端转做大模型应用的候选人,大家手里的项目大同小异:LangChain + RAG,或者搞个简单的 Agent 做问答。Demo 跑起来确实漂亮,但在深入聊到“生产环境”时,基本全军覆没。很多人有个误区,觉得大模型工程师的核心竞争力是写出一手好 Prompt,或者是调通了某个复杂的 Chain。错得离谱。

m0_62051288的博客 149

Agent项目Demo能跑,为什么一上线就崩?权限日志才是就业分水岭

上周需求评审,产品经理抛出一个需求:做一个内部知识库问答Agent,能自动查文档、总结,还能调内部接口改工单状态。团队里两个候选人分别演示了自己的方案。A同学的项目在本地跑得飞起,RAG召回率看着不错,问答流畅,工具调用也配齐了。B同学的项目也跑通了,但代码里有一堆硬编码的判断,权限检查是写死的admin,日志只打印到控制台。我问了三个问题:这个Agent能处理并发吗?权限校验走的是硬编码还是动态策略?出问题时日志能定位到是哪个环节?A同学当场沉默。B同学说"线上再优化吧"。

2601_96120158的博客 234

AI大模型就业:把复杂问题拆小验证

先把这篇文章的目标说清楚:看完之后,你应该能判断这件事值不值得做,以及从哪里动手。最近面试了几个想转做大模型应用的同行,聊下来发现一个很扎心的现象:很多人简历上堆满了 LangChain、LlamaIndex 甚至自研 Agent 的 Demo,截图做得花团锦簇,Prompt 调得丝般顺滑。但一旦面试官问:“如果这个 Agent 连续调用错误 API 导致数据泄露怎么办?”或者“线上出问题时,你如何快速定位是模型幻觉还是下游服务超时?”对方基本就卡壳了。

2601_96120158的博客 380

别卷 Agent 智能了:2026 年拿到 Offer 的关键,是学会写“防呆”代码

先把这篇文章的目标说清楚:看完之后,你应该能判断这件事值不值得做,以及从哪里动手。摘要:2026 年的招聘市场,会写 Prompt 的人不再稀缺,稀缺的是能把 AI 生成的代码嵌入企业现有架构,并解决权限、日志和上下文隔离问题的工程师。本文复盘从个人 Demo 到团队协作的断点,指出“可观测性”与“工程规范”才是这一轮技术迭代中,普通程序员真正的护城河。2026 年的程序员就业市场,早已过了“会用 AI 就是赢家”的草莽阶段。现在的战场在深水区:权限、日志、可观测性、安全性。

资料免费分享,点击名片 165

前端转大模型Agent,小白也能轻松上手!

2026年技术圈的分化愈发明显:降薪裁员潮持续蔓延,传统开发、测试等岗位大批缩水,不少从业者陷入职业焦虑;与之形成鲜明对比的是,AI大模型相关岗位迎来疯狂扩招,薪资逆势飙升150%,大厂更是直接开出70-100W年薪,疯抢具备实战能力的大模型人才,甚至放宽年龄限制,只求能快速落地技术、创造价值!1、窗口期红利,入门门槛友好:不同于成熟赛道的“内卷式招聘”,2026年大模型人才缺口巨大,简历只要达标(掌握基础AI应用+具备简单项目经验),年龄、学历均非硬性要求,小白可快速入门,转行程序员也能无缝衔接;

大模型教程的博客 235

AI大模型就业:把关键能力落到项目里

先把这篇文章的目标说清楚:看完之后,你应该能判断这件事值不值得做,以及从哪里动手。摘要:很多求职者拿着 LangChain 或 LlamaIndex 写的 Demo 去面试,自信满满,结果一问企业级上线细节就露怯。本文复盘我最近几次参与大模型应用架构设计的经历,揭示从“能跑通”到“能稳定交付”之间那道看不见的鸿沟——权限隔离、全链路日志与可观测性。别再只盯着 Prompt 调优了,这才是 2026 年初级到大模型工程师的真实分水岭。大模型就业的红利期并没有结束,但门槛变了。

2601_96189167的博客 161
上一篇: 我用爬虫经验做了次 AI 项目,最先失效的是旧方法
下一篇: LangGraph 工作流:权限日志没搞定,Agent 上线就崩?
Java技术那些事儿
博客等级 码龄5年 2306粉丝 2584原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值