消息提到，有用户在MacBook Air M2（16GB）上本地运行个人智能体，把MiniCPM5-2B接入Hermes Agent，具备96k上下文、20–24 tok/s，并能完成日常任务的工具调用。该用户同时表示，这不是要替代大型SaaS产品。这条动态本身没有给出招聘结论；我查到的招聘摘要里出现过端侧部署工程师这样的职位名称，但只是一条样例，不能代表全行业门槛或招聘规模。对想进入端侧/本地部署方向的程序员来说，值得看，但别把个人跑通直接当成岗位信号。

个人能跑通，和团队做产品，是两回事

个人跑通证明的是“这条路可行”：一台内存16GB的笔记本，接上小模型和现成框架，就能演示工具调用。但团队把它做成对外产品，要处理的是另一组问题：目标设备的内存和算力上限是多少，推理延迟波动时怎么兜底，工具调用失败是重试、降级还是提示用户，模型更新后谁来跑回归测试。交付物不同，岗位要求也不同。内部工具追求快速验证，对外产品追求资源约束下的稳定、兼容和可维护。面试时，先问清楚团队现在做的是demo、内部工具，还是已经对外交付，比问“你们用哪个模型”更能判断真实工作。

面试端侧方向，问清交付物和失败路径

素材里的96k上下文、20–24 tok/s和工具调用，可以当作追问的切入点，但别把它们当成行业标准。你可以问：

  • 推理实际跑在什么设备上？目标设备的内存和算力上限是多少？
  • 工具调用失败时，产品怎么处理？有没有降级路径？
  • 团队当前交付物是demo、内部工具，还是对外产品？
  • 模型更新后，谁负责回归测试？有没有固定的评测集？

如果对方只谈模型参数，不谈失败路径和评测方式，说明这个方向可能还在早期探索。这些是核查问题，不是面试官一定会问；模拟面试也不是断言真实面试内容。

该补可迁移的工程能力，别押具体小模型

素材强调“几乎能在任何设备上运行”，提示资源受限场景是这类工作的核心约束。你可以优先补推理优化、内存与延迟的权衡、在低算力设备上定位问题，以及云边端协同的基础。这些能力不依赖某一个具体小模型。不建议把职业规划押在某个模型上，因为模型会迭代，许可和可商用范围也需要你自己查证。

一个实际可做的小建议：找一份你感兴趣的端侧岗位描述，把“部署”“优化”“协同”这类词圈出来，逐条问自己有没有对应的真实经历；没有的，就把它变成接下来三个月要补的具体技能。面试被问到项目经历时，用[实际记录]这类占位描述你真正做过的部分，不要编造数字成果。 延伸阅读：程序员简历针对性制作指南：告别一稿多投，面试率提升300%