听说部分互联网厂的员工在工位上猝死可得5倍年薪赔偿？ 我发现互联网还有献祭流这种玩法啊。假如生命只剩5小时，我建议4个小陪伴父母，半小时自己去买点好吃的，剩下半小时直接打开mac开始办公。来吧，互联网职业生涯的最后一舞！ 互联网这个版本的强度还是太超标了啊！ 至于为什么会猝死你别管。#牛客AI配图神器#

投了一大堆的日常，全都在初筛😢😢😡😡😡😡

三月初面了自己玩一个岗位感觉不太好，一直到现在都没有约面，中途官网投过一批一直卡在简历筛选，中途问了问之前的hr说已经在其他流程中了，最近官网又投了一个第二天流程终止，看起来像是锁流程了但官网状态又能更新，又像是没人捞，这是咋回事😂

春招约不到面试，太难受了

卑微的算法打工人，现在手里剩下两个 Offer 实在不知道怎么选了。下面是 offer 情况，求各位路过的大佬给点建议 1. 乐动机器人 🤖️（主攻割草机方向） 💰 待遇：n*12 + 绩效/项目奖金（年终1-4个月），五险基数按5000，一金按底薪为基数80%（比例5%） 业务：割草机器人 ✅ 优势：1. 业务方向好，做割草机器人、家用机器人等业务，发展前景好，后续跳槽面广；2. 薪资略高，社保基数小，每月到手薪资高 💣 劣势：1. 风评差，听说强度很大；2. 人员流动性大，怕进去待不久；3. 机器人赛道竞争大 2. 晶泰科技 🧬（AI for Science独角兽） 💰 待遇：(...

但是事业顺利了😎

1. 日常是怎么使用 AI 的答案：我日常使用 AI 更多是把它当成辅助工具，而不是直接替我完成开发。比如看不熟悉的库时，我会让它先帮我梳理接口使用方式；写代码前，也会让它给一个大致思路或伪代码，然后我自己再结合项目约束重写。如果是 C++ 代码，我会特别注意生命周期、边界条件、线程安全、异常路径这些问题，因为 AI 生成的代码经常在这些地方比较粗糙。所以我更倾向于用 AI 提高检索和理解效率，但最终代码还是要自己 review、编译、测试和压测。2. 你认为 AI 目前有什么问题答案：AI 最大的问题是它经常给出“看起来很合理”的答案，但不一定真的正确。尤其是 C++、操作系统、网络编程这类...

已拉黑：美团，百度，米哈游已点赞：快手，网易，众安，字节跳动，蚂蚁ttl：3.16投递-3.25 一面-3.30 二面-3.31 hr面-4.2 oc

AI发展的太快了，软件又多，该选哪一个，做什么，给大家一些启发，选择你认为合适的～  场景 1：写课程设计/小项目（从 0 到 1） 最优解：Cursor 单飞 为什么：  课设规模小（500-3000 行），Cursor Composer 一次性生成多文件，效率最高 VS Code 生态熟悉，没学习成本 学生免费的 Pro 福利薅一下  实操：  在 .cursorrules 写需求 + 技术栈 Composer 生成项目骨架 Agent mode 跑通  我前几天用这个组合 4 小时写完一个 Web 课设（前后端 + 数据库），全程不用切窗口。 场景 2：刷 ******** / 算法学习...

前端面试问题：1. 自我介绍2. 低代码平台Blocksuit方案，这个技术选型的逻辑3. 物料和数据源连接是用什么样的解决方案，还追了一下数据源的获取4. 团队规模，负责的具体内容，职责之类的5. 你认为前端工程化包括哪些方面？你具体做过哪些6. Git提交，你们有引入什么工具，检测方式来控制不规范提交7. 前端监控埋点方面有做过哪些吗8. 后面的职业规划9. 离职原因10. 排期和人手不够的情况，假设你作为leader，你怎么处理冲突？反问：1. 项目情况，技术栈2. 面试流程叠纸游戏26届春招+27届nova训练营3.4启动！叠纸游戏成立于2013年8月，是一家专注于内容创作的游戏公司。...

所以这种问题（问在不在xxx）到底应该怎么回答啊

5.1 一到，很多同学会明显感觉到一件事：春招在“形式上”差不多收尾了。群里不再那么热闹，招聘软件上的新岗位变少了，面试通知也没有前一阵密集。尤其是投嵌入式软件开发岗位的同学，如果到现在还没有拿到满意的 offer，焦虑、怀疑、自我否定，几乎都会一起冒出来。但我想先说一句最重要的话：春招收尾，不等于机会消失；暂时没上岸，也不等于你不适合做嵌入式。嵌入式这个方向，本来就不是那种“海投马上有回音”的赛道。它比纯应用层开发更看重项目真实性、底层理解、硬件结合能力，也更吃岗位匹配。很多时候，不是你不行，而是你的能力还没有被招聘方“看明白”。如果你现在还没找到嵌入式软件开发工作，接下来最重要的不是继续慌...

菜鸟想找实习，这个简历能找到吗😅

1. 怎么把 RAG 接入到你的 Agent 执行链路里的？是在调用工具之前先检索，还是在生成结果之后再做校验？我们的 RAG 是通过 Spring AI 的 Advisor 接入到 ChatClient 的：模型调用前在 before() 做向量检索，把命中文档拼成上下文注入 prompt；模型生成后在 after() 把命中文档回写到响应 metadata 便于追踪。当前是“先检索再生成”的 pre-RAG，并没有单独做生成后的事实校验，后续可以增加 verifier 节点来做 post-check。2. MCP 是完全自研的吗？和市面上成熟的 Agent 框架相比，你的方案在扩展性上有什...

遇到一个民科乐子，最难绷的一集。