鱼皮AI导航
鱼皮AI导航
  • 主页
  • 社区
  • AI工具
  • AI知识库
  • AI提示词
  • MCP
  • Skills
  • AI学习资源
  • AI资讯
  • GitHub开源
登录/注册
站长:程序员鱼皮 老鱼简历 商务合作 增值电信业务经营许可证
2026 鱼皮AI导航 | 沪ICP备19026706号-6
40
9
21
精选

作为JAVA后端,聊聊我的困境

彭必成
彭必成
2026-10-25 18:28
阅读 3631
彭必成
2026-10-25 18:28
阅读 3631

在分享个人困境之前,作为一个芸芸大众,说说本人的一些履历吧,看看大家是否也有类似的经历,每个人的来时路也是困住自己的一把枷锁。

1、2015-2018 大学前三年,普通本科,基本都是沉迷游戏。 2、2019年 大学同学被学校安排去培训机构学校,我选择留校考研。同年考研330+分数,报考的一所普通一本学校,初试分数比录取分数高了一截,复试今年额外加了一个机试算法,被刷(打了游戏三年,会个鬼的敲代码) 3、2020年,第一年考的还可以,只是复试被刷了,太可惜了,考研二战,这次我要冲更好的学校。考408,第二年备考在外租房,压力暴涨,没顶住。考了310+,初试都没有进,万念俱灰,准备调剂。 4、看调剂院校发现只有类似边远地区大学,或者地方性学院有调剂名额,最后一点希望破灭,当时还是填了一些地方性学院的调剂,有被安排复试,但是去之前思考未来,觉得就算录取了,好像毕业了也比并不会比直接参加工作好。决定去社会上闯闯了。 5、2020下半年,自学了一个月之后,决定报培训班了。自己一个人踏上了去报名培训班的路上,当时培训费用2W,对于一个从来没有上过班的人来说,可以说是很难顶了,同龄人已经在拿着1W+的工资,而我还需要找家里要2W去学习这个未知的培训班,当时甚至都不知道是不是骗子公司。 6、好在培训机构还是比较正规的,2020下半年,系统的学习了半年的JAVA,当时在培训班里面也算是学的比较拔尖的一批了。一切充满了美好的愿景。 7、2020年底没多久就找到工作了,虽然学的不错,但是没有过度包装简历,想着后面凭着自己的技术一步步走上来。第一份工作,12K,在当时的环境不算高,很多培训班里面学的比我差的工资都比这个要高。但是没有气馁,因为觉得自己当时就值这么多。 8、2021年,工作很努力,很快就适应了工作节奏,上下班的地铁上也在学习之前不熟的技术,看看springcloud这些,当时spirngcloud还不是所有的公司都用。觉得一切都是未来可期,对比之前的同学,同事,觉得自己技术虽然不至于远高于他们,但是觉得比他们好,也在持续学习中。 9、2021年底,涨工资了,15K,并且开始负责整个小项目了,虽然项目不大,但是也算是名义上的小组长了,开始负责很多组长的工作,和产品对接,安排工作给底下的人。 10、2022年中,项目一期交付完了,这个时候想要去再去外面找找空间更广阔的平台了,当时公司比较小,主要团队也是销售,基本小组长就到头了,再上面有个架构师,但是这个基本爬不上去了,有个团队初创就在的大佬担任架构,技术也确实牛的。于是裸辞开始去面试,这个时候觉得自己当过小组长,技术也还不错,应该是比较有竞争力的。当时的行情也确定很好,很多面试机会。 11、2022下半年,19K,公司是一家大公司的子公司,当时觉得一下涨这么多,跳槽跳对了,也准备大展拳脚了。公司做的是ToB项目,用了很多很古老的技术,但是也有大公司总部在用新技术重构项目。组内人员大部分都不太懂springcloud+springboot这一套,后面子公司组织学习新项目,也是由我担任项目学习负责人。而且整的也挺不错,还是挺有憧憬的。 12、工作半年左右,组内离职了很多人,来了走,走了又招新人。8个人的小组,半年左右可能有10个人离职吧。原因是什么呢,组长嘴臭特别喜欢骂人,推锅,工作强度很高,经常性都是晚上10点下班,周六还经常要加班。996都算是比较好的。当时加班严重到身体也都有点不适了,没办法,下班了还得耍会儿手机打会儿游戏,加上这个强度,上班能不累吗。这个时候华为OD打电话说是要不要面试一下--这个时候没有投过任何简历,当时想着应该也过不了,就随便试试了。 13、华为OD招聘的原因说是之前机试的有效期快过了,要不要面试。因为之前入职之前有做过一下华为OD的机试,当时是想着如果没有找到好的,再考虑华为OD看看,因为有同学在里面,说待遇不错。后面机试考完了,但是因为找到了工作就没有去。当时机试考了满分,说是还是有不错的面试机会的。然后想着现在工作太累了,这要是没有过也无所谓,就去试试。 14、华为OD面试通过了,比较意外,因为完全没有准备面试,20K * 14,还有16薪资的机会,前一家试19 * 13,然后就去了华为OD,想着也是好起来了,可以见见华为里面的大佬了,因为一直有个憧憬,想看看大公司里面是个怎么样的氛围。这个时候20K,在同等学历+同等工作经历的人来说,算是比较高的那一批了。 15、华为工作一年,拿了绩效A,16薪,十分意外,团队内最佳新人。其实不算是团队内最刻苦的一位,但是负责的事情做的也确实还不错。这个时候壮志满怀,觉得自己算是未来可期。 16、工作一年半之后,团队部门重组--一些不可抗力吧,团队重组了。加上办公场地要从深圳搬迁到东莞,当时的想法是极度抗拒去东莞的。因为基本同学朋友都在深圳,去东莞基本就只有工作了。而且虽然待遇高,但是没有想过一直在华为OD,毕竟也是外包,这个时候还想要以后做架构师之类的呢。待遇好也就是底层,而且上限不行,因为项目负责人组长一定会是华为的人。OD转华为,那就不要想了,基本不可能。 17、2024年下半年,又是裸辞来杭州了,为什么选择来杭州呢,现实原因就是深圳买不起房子,要为以后开始考虑了,家里人有在杭州定居,加上杭州发展也不错。从深漂变成了杭漂了。 18、这个时候的行情其实已经在走下坡路了,但是想着自己的经历,好像还是不错的,第一家公司没多久就做到了开发小组长,第二家公司虽然没有待多久,也算是负责新项目新技术,也是核心。华为OD也获得了最好的绩效成绩,拿了团队内的最佳新人。正式信心满满的时候,预料的是20-22K得有吧(杭州的薪资比深圳低一点),跳槽再稍微涨一点。 19、碰壁开始,投了很多简历,发现面试机会少的可怜。最开始定向投一些想去的公司,然后是海投,然后是减少期望薪资。到后面才陆陆续续有几个面试机会,而去面试发现面的并不好,原来觉得自己基础还不错,发现好多都答不上来了,在华为OD工作1年半,里面用的全是内部封装的框架,工作内容很多时间是花费在流程上面,中间也没有再持续学习。整个就懈怠了,后面发现不行,痛定思痛,沉下心来看面试题,也是这个时候开始看到了面试鸭。这个时候的面试鸭上面还没有那么多的题目,然后那个时候花了3天3夜就把面试鸭上面的JAVA相关的题目大致看了一轮(一些完全没有听过的也有跳过)。然后开始面试就顺利多了,虽然也是有些没有面上,但是明显自己感觉把握也大些。当然也有可能是在面试后期疯狂投简历,还有外包公司有关吧,因为面试机会太少了,什么都投了。拿了几个offer了,虽然有几个是外包。只不过薪资都给的比较低,高的一个给了18K。 20、面临抉择,虽然有几个offer,但是其实都不想去。因为都没有达到自己的期望,而且都是外包。但这个时候已经空挡一段时间了。华为OD离职之后,玩了一段时间,然后来杭州又玩了一会儿,然后前面投简历接近一个月,要不就是没有下文,要不就是没有面过。这里已经心浮气躁了。这个时候一家自研公司+在自己行业领域内算做的比较好的公司给了16.5,当时其实没有想着去的,但是这个岗位是在公司的架构师手底下干活。 21、我决定去了,我要去赌一把,虽然现在的工资低,降薪了接近 1/3 去,但是我想要去学习新的东西,学习架构师在处理事情上的行为。而且当时想着做的好,能加薪的,毕竟之前几次做的一直都不错。 22、事实证明,算是赌输了吧,公司效益变差,行业开始持续低迷,涨工资就别想了,加上AI开始流行,然后社保补缴问题,变相减薪了,走了一大批员工,研发团队缩水大半。原来也想过在这个公司要是不好,就作为在杭州的第一家公司的跳板的。现在这个行情也不知道路要怎么走了。

2026年下半年,也算是在这家公司待了2年了,真是计划赶不上变化。回想来时路,如果留在华为OD继续拿着高薪是不是就不会又现在得这么纠结呢。但是有舍就有得吧,因为在杭州公司虽然低薪了,但是确实也没有那么卷了,基本都能正常下班,一直在安慰自己从时间上来看,也没有少很多工资,但是自己也知道,这其实是自己得不甘吧。不过也是因祸得福,因为没有那么忙了,找到女朋友了,要是还和之前在深圳一样得忙得话,是真没有时间聊天。这也是在这家公司有待两年得一个原因吧。

上面说了一大堆,主要也是借由我自己的一个经历描绘了一下java的末法时代的投影吧,经历过人生低谷,然后java算是给了我人生崛起的资本,而在java本身就没落的年代,过往的一切就开始变的唏嘘。最近也是有在不断的学习,但是尝试了很多,始终也放不下决心去具体做什么。我来说说我的困境吧,看看大家是否也有类似的情况: 1、现在想要去找一份高薪资的工作,JAVA还有没有必要了。是直接Agent开发工程师,直接转python语言?还是用JAVA AI方向。直接转,那原来的刻苦学习了那么久的JAVA就没有作用了吗,那对比其它人的优势在哪里呢,直接转的成本会不会太高了?如果是JAVA + AI,这个不会被替代吗,毕竟主流来说还是python才是主流。 2、作为一个双非本科,转AI应用开发,会不会很难找到工作,因为现在做AI产品落地的很多还都是大公司,这些对学历要求都比较高吧 3、JAVA要不要完全转AI应用开发,还是考虑先考虑学习一下AI的基础,知道怎么调用API,知道一些基础概念就行。还是需要知道那些AI编排,微调,RAG设计这些实际落地呢。更深一步,了解机器学习,卷积神经网络这些。学习深度要如何,当然知道学的越多越好,但是这个实际学习起来确实是比较耗时间的,而且普通双非本科面试用的深度有到这些吗?因为在我理解看来,只要那些大厂里面,研究大模型本身的才需要学习这些机器学习之类的。普通公司,基本就到前一步使用就行。而普通本科,基本还是不会去对标自己能进大厂的。 4、我应该ALL in AI吗,都知道现在AI是风口,但是现在的工作里面其实并没有那么多AI应用,虽然是使用codex这种去编码,但是我感觉和AI就也不是很搭边,是下了班之后空闲时间学习AI,还是甚至可以考虑辞职去ALL in AI。毕竟按我理解如果是边上班边学习,那么想要学习都一整套完整的可以落地通过面试的话,起码半年起步了,甚至不止。那个时候是否已经落后很多了。 5、我的java技术是否还需要进步,即使是java + AI的方向。我自己就在面试鸭上面看java的面试题目,想要为下一份工作做准备,但是java的面试题目太多了,基础题,场景题目,各种框架,中间件。深度和广度都比较大,我现在下班时间都在看这些,有些不了解的,还需要边查资料边看,一道题目有些都是20分钟才能看完。学习完这些的话,还要系统的学AI,时间线是不是拉的特别长。如果AI还需要自学学习的话,又得半年了。现在这个java的这些是否还有学的这么深的必要呢,技术栈真的是很多啊,很多虽然知道,看了也会忘记。

我是以一个普通人的视角列举了我的一些个人困境,现在我自己也在学习AI,学习JAVA,但是没有一个准绳,有时候选择是真的远远大于努力的,从我个人的人生经历来说,考研的时候,如果没有好高报了一个普通学校,可能就是一个研究生了,但是又如果当时选择去了一个普通高校读研究生,可能就错过了互联网的最后的余晖,而没有选择跳槽的话,可能我在之前的公司已经做为一个核心骨干拿着高薪了。现在面临着AI的这个大家都知道的风口,又该作出什么样的抉择呢。比不了那些动不动就面试阿里,字节这些大厂,校招就是拿30w+,40w+的人物,他们可以做到持之以恒的努力,作为一个普通的大众,有生活的羁绊,有自己的颓废懒惰,但是也有自己向上的愿景,希望不被这个时代给淘汰,也是为家庭和自己拼搏一下。

相信如果可以做到持之以恒的努力,日复一日的学习,下班之后还能花绝大多数时间去学习的人其实反而可能没有那么纠结。但是我承认人是有惰性又急于求成的,不奢望能够一蹴而就,但是希望有一条路可以往前走,牛逼的人一天走10KM,安于现状的人,每天原地踏步。做不到那么牛逼,但是也是愿意往前走的,每天也会花个1-2小时学习,周末也是有个半天到一天可以沉下心来学习,但就怕走的太慢,又走错了,既没有走远,又让自己走的累。

求职
自我介绍
40
21
分享
操作
评论
相关内容
0个评论
全部评论
点击登录,快来和大家讨论吧~
表情
图片
🔥热门工具
朱雀AI检测朱雀AI检测
朱雀AI检测助手朱雀AI检测助手
LovartLovart
老鱼简历老鱼简历
WritePass官网WritePass官网
面多多面多多
CursorCursor
星月写作星月写作
零感AI零感AI
墨得问题墨得问题
🔥 热门文章
1
手把手教你设计一个成熟的 Agent Harness
2490
2
我用 REA 逆向了付费颜色 APP,结果很意外!
570
3
离谱,DeepSeek 崩了 5 小时,大家却喊:梁圣恩情还不完??
420
4
DeepSeek 全新模型发布,性价比最高的一集!
380
5
B 站上 DeepSeek 闹鱼灾了,我发起《大肥鱼清除计划》!
370
6
自己学习ai,直接买cursor 的套餐,还是买gpt 或者claude 的套餐?
360
7
又一个国产版 Codex 神器,也来卷办公了!
330
8
AI 越强,被它拒绝的代价就越大 我有时候会想:AI 越来越厉害之后,有些事情,会不会反而越来越难做? 这个想法看起来有点矛盾。AI 明明在降低门槛,让不会写代码的人做出软件,让不会画画的人生成图片,让一个人完成过去需要整支团队才能完成的工作。但今天用 Codex 的时候,AI 拒绝帮我编写 SQL 注入的请求体,而那还是我有源码、在本地跑测试的情况。那么,往后是否只会更难? 我们假设某一天,AI 说:「这个请求违规,我不能帮助你。」到那个时候,你还有多少能力,能绕过它,把事情做完? 这里的「违规」需要打个引号。平台的规则、模型的判断、法律的要求,以及一件事实际有没有造成伤害,彼此之间并不总是画得上等号。一个请求可能确实危险,也可能只是缺少上下文被误判,或者恰好落在某家公司的限制范围里。 无论是哪种情况,随着我们越来越依赖 AI,这句拒绝都可能变得越来越贵。 今天,一个程序员让 AI 帮忙写代码,AI 拒绝了,他大概率还有别的办法:查文档、找开源项目、问同行,或者自己写。麻烦一点,慢一点,但路还在。 可如果十年之后,大部分程序都由 AI 完成,情况就不一样了。 很多人从接触编程的第一天起,就习惯了描述需求、等待生成、运行结果、继续迭代。他们能做出相当复杂的产品,却未必经历过独立处理底层问题的训练。平时,这种能力结构完全够用,效率甚至更高。只有 AI 拒绝的时候,他们才会发现:平常被省掉的那段学习过程,恰好是此刻最需要的东西。 到那时,一次拒绝的成本,可能就从「今晚多花两个小时」,变成「先花半年学会这门技术」。 拿 SQL 注入举个稍显极端的例子:往后,连真正理解这类攻击如何发生、能够独立构造测试的人,会不会也越来越少? 这里也包括那些有正当需求的人。一个开发者想检查自己的旧系统,一个经过授权的安全研究员想复现漏洞,假如 AI 识别到危险模式就拒绝,而使用者又只熟悉「让 AI 帮我检查」,这项原本可以独立完成的工作,就这样卡住了。 但是安全专家不会因此消失,但这类技能可能越来越集中在少数人手里。你仍然可以找专家,只是要付出更多的钱、更多的时间,以及更高的沟通成本。 类似的困境,未必只发生在网络安全领域。 你想从一个停止维护的软件里取回自己的数据,需要解析它的旧文件格式。AI 判断这涉及规避保护措施,拒绝继续。你拥有这些数据,却没有能力把它们读出来。 你买了一台设备,厂商停止提供服务。你想修改程序让它继续运转,过程中需要处理某种访问限制。AI 不愿协助,而你所掌握的维修方式,早已只剩下「把报错发给 AI」。 你想给常用的网站写一个辅助工具,减少重复操作。平台将此归入自动化限制,AI 也据此拒绝。过去会写脚本的人可以自己判断、自己处理;未来的使用者,可能连从哪里开始都不知道。 这些例子有一个共同点:当工具同时承担了「执行工作」和「传授知识」的角色,它的拒绝就不只是挡住了一次任务,也挡住了获得这种能力的机会。 更麻烦的是,这种依赖往往是我们主动选择的,而且每一步都很合理。 既然 AI 几秒钟就能做好,为什么还要花几个月学习?既然公司可以采购成熟的 AI 服务,为什么还要养一支负责基础工作的团队?既然市场上已经很少有人手写这些东西,学校为什么还要花大量时间教? 对个人、公司和学校来说,这些选择都有现实依据。但叠加起来,整个社会保留的独立能力就可能越来越少。等到某项能力突然受到限制,我们才发现,备用方案早已在追求效率的过程中被一点点削掉了。 所以,「AI 越强,做事越便宜」可能只描述了未来的一半。 另一半是:被允许的事情越来越便宜,被拒绝的事情依然需要人工完成,却要面对更少的人才、更高的报价,以及越来越难获得的知识。两边的成本差距,会越拉越大。 有人会说,可以换一个模型,或者用本地模型。这确实是重要的选项。只要工具之间还有充分竞争,开放模型还足够可用,限制就未必能形成真正的门槛。 但备用方案也需要维护。它需要硬件、知识、软件生态,以及一群仍然理解这些系统的人。如果大多数人已经习惯了最方便的商业服务,那么「理论上还有别的办法」和「普通人实际用得起、用得明白」,之间仍然可能隔着很远。 我担心的,正是这段距离。 我不指望 AI 对任何请求都照单全收。对明显会伤害他人的行为设置限制,有充分的理由。但我们也需要关心:限制由谁定义,误判有没有申诉渠道,用户能不能换工具,以及脱离这个工具之后,还剩下多少独立行动的能力。 保留这些能力,平时看起来甚至有点低效,明明可以自动生成,还要理解原理;明明可以一键完成,还要知道手动怎么做。 但这些看似多余的知识,会在工具拒绝、失效、涨价或改变规则的那一刻,成为真正的选择权。 AI 越强,我们可能越需要留意它说「不」的那一刻。 因为那句话的分量,最终取决于:它拒绝之后,我们还能做什么。
310
9
day3-如何写出一个高质量的 Skill(组内分享) 高质量 Skill 不是“一个调得很顺的巨型 Prompt”,而是一个可验证、可回归、可维护的能力包。 先定义“什么算好”,再实现“怎么做好”。评估体系先于 Skill 本身成型。 下面用“故障诊断 Markdown 转 YAML”作为例子,但方法是通用的。 --- 一、先想清楚:Skill 到底是什么 一个 Skill 至少包含四部分: 部分 作用 接口 输入什么、输出什么、边界在哪 流程 分几步做,每步的产物是什么 规则 硬约束、经验规则、失败模式 降级策略 不确定时怎么办,而不是硬编一个看似合理的结果 高质量 Skill 的共同点:职责单一、接口清晰、规则可定位、输出可验证。 反例:把几十条经验全塞进一个主 Prompt,改一条规则要重调整个 Prompt,评估时也不知道是哪条规则退化。 --- 二、核心方法:先建评估,再写 Skill 不要先写转换器再补测试。正确顺序是: 1. 定义输出契约:什么算合法、什么算合格; 2. 建金标准集:一小批人工认可“可放行”的样本; 3. 先写评估 Skill:让它在金标准集上跑出基线; 4. 再迭代生成 Skill:每次修改跑同一套评估,无退化且目标维度提升才算正向。 这就是评估驱动开发:评估是 Skill 的单元测试,金标准集是回归锚点。 --- 三、评估 Skill:三层门禁,逐层递进 前一层不过,后一层不跑。每层留可追溯证据。 第 1 层:确定性硬门禁 用解析器、Schema、校验器完成,不消耗模型成本。 · 输出可解析; · 必填字段齐全,类型/枚举合法; · 引用目标存在,无悬空引用、无不可达节点; · 关键路径至少有一条能到达预期出口。 不通过直接打回。 第 2 层:语义断言 用脚本 + 结构遍历检查“逻辑对不对”,仍然保持确定性。 通用检查项: · 覆盖率:源材料里的关键步骤、分支、条件,输出里是否都有对应? · 完整性:每个判断节点是否都有明确出口?有没有死胡同? · 可达性:每条路径是否都能到达预期终点?有没有无出口循环? · 顺序与依赖:有先后依赖的操作,是否保留了顺序?有没有被拍平成无序列表? 例子:故障诊断转换中,检查“每个判断项是否有是/否/异常出口”“每条路径是否能到根因”。 第 3 层:LLM-as-Judge 只处理解析器表达不了的维度:忠实度、完整性、可执行性。 但 Judge 会漂移,不能单独放行,必须建立在第 1、2 层之上。Judge 的 Prompt、rubric、模型版本都要版本化,换模型必须用金标准集重新校准。 通用 Judge 维度: 维度 问什么 忠实度 输出是否忠实源材料意图?有没有自行发明内容? 完整性 关键步骤、条件、证据是否保留?隐式知识有没有被压成空话? 收敛性 输出是否仍指向原目标,而不是发散? 可执行性 下游不依赖源材料能否直接使用? --- 四、金标准集:回归测试的锚点 不需要一开始就标注几百份。用已认可的样本当种子,扩到 15~30 份,覆盖失败模式而非随机抽样: · 完整正例:典型流程; · 边界/异常分支:异常路径、循环、前置失败回退; · 已知易错模式:实际踩过的坑; · 留出集:不参与调优,只用于最终验收,防过拟合。 金标准不需要完美,只需要当前标准下认可可放行。 回归指标:关键路径用 pass^k(k 次全过),稳定性用 pass@k。 --- 五、工程约束:让批量产出可重放 · 幂等:同输入 + 同 Skill 版本 + 同规则 → 输出一致,否则无法判断变好是 Skill 改了还是随机波动; · 隔离不阻断:单份失败进隔离队列,记录失败层和原因,不阻塞其余; · 版本绑定:规则、rubric、金标准集进 Git;每份报告绑定“源版本 + 生成 Skill 版本 + 评估 Skill 版本 + Judge 模型版本”; · 抽样人工复核:Judge 临界样本 + 易错模式,人工抽检结果反过来校准 rubric。 --- 六、Skill 本身怎么写 · SKILL.md 控制篇幅,写清:输入约定、输出契约、分步流程、硬规则、降级策略; · 经验规则放 references/ 或 rules/,按失败模式分类,不要全塞进主 Prompt; · 不确定时标 needs_review: true,不要硬编看似合理的结果; · 迭代由评估报告驱动:报告告诉你哪层挂了、哪类失败模式,你改对应规则文件,而不是漫无目的调 Prompt。 --- 七、落地顺序(不要反过来) 1. 固化输出契约:Schema + 结构约束; 2. 建金标准集:从已认可的 + 最易出错的样本开始; 3. 先写评估 Skill:跑出基线报告; 4. 再迭代生成 Skill:每次修改对比逐项通过率,无退化且目标提升才算正向; 5. 批量运行 + 隔离回放:失败进队列,结束后人工抽检; 6. 评估 Skill 自身版本化:换 Judge 模型必须重新校准。 --- 八、给组员的三条硬要求 1. 不许凭感觉说“变好了”:每次修改必须附评估报告对比,逐项通过率说话。 2. 不许跳过确定性门禁直接看 Judge 分数:前两层挂了,Judge 分数没有意义。 3. 不许把规则堆进主 Prompt:规则按失败模式分文件,评估报告要能定位到具体文件。 --- 一句话收尾 生成 Skill 决定“能不能做”,评估 Skill 决定“敢不敢用”。 先让评估体系站稳,再让生成器迭代。这样交付的不是一堆“看起来还行”的产出,而是一套可证明、可回归、可交接的 Skill 质量体系。
300
10
WorkBuddy 本地 API 桥 + dsh 插件:把你的 WorkBuddy 额度,变成手边随手可用的模型
290