AI了，我在打一种很新的工

1.项目真实性与“含 AI 量” (最坑的一道题)面试官： “你简历里的这几个项目，哪些是完全靠 AI 生成的？哪些是你自己写的？AI 帮你解决了什么具体问题？”面试核心： 考察你对项目的控制力。如果你说“全是 AI 写的”，面试官会认为你缺乏解决复杂工程问题的能力。高分策略： 诚实交代 AI 的参与度（比如：AI 辅助生成了 70% 的样板代码、Mock 数据或单元测试），但核心的架构设计、数据库状态机切换、分布式锁的竞争边界处理必须强调是你的思考。2. AI 代码的“排毒”能力面试官： “如果 AI 给你的业务逻辑代码（比如一个复杂的 SQL 优化建议）看起来能跑，但潜伏着死锁风险，你通过什么手段识别出来？”面试核心： 考察后端基本功。AI 会写代码，但它不一定懂你的线上数据库隔离级别。考核点： 慢查询分析、事务传播机制、索引失效场景的预判。3. AI 驱动的自动化测试面试官： “你会如何利用 AI 来提升单元测试的覆盖率？你是怎么设计 Prompt（或 Skill 规范）来确保生成的测试用例覆盖了所有的边界条件（Edge Cases）？”面试核心： 考查工程素养。进阶： 谈谈你如何定义一套 Markdown 格式的 Agent Skill，让 AI 能够针对 Git Diff 自动生成高质量的 Test Case。4. 生产环境中的 AI 风险控制面试官： “如果我们在后端引入大模型做自动化审核，模型‘幻觉’（Hallucination）导致误删了用户数据，你在系统架构上会设计什么样的‘熔断’或‘人工回滚’机制？”面试核心： 容错设计。后端的核心任务永远是确定性，而 AI 是概率性的，如何用确定性的架构去包裹概率性的输出。5. AI 时代的“防御性编程”面试官： “在接入 GitHub Copilot 或 Cursor 开发时，你是否遇到过 AI 生成的代码逻辑在并发场景下失效（比如忽略了单例模式的线程安全）？你是如何发现并修复这些‘高智商垃圾’代码的？”考察点： 考察你是否具备代码审计能力，而非盲目信任 AI。------------------------------🚀 写在最后：加入我们，定义未来的后端我们正在寻找那些对底层技术有敬畏心，对前沿工具更有好奇心的同学。我们需要你：扎实的后端功底（Java/Go/C++ 任一）。对系统架构有热情，理解分布式一致性和容错处理。能熟练使用 AI 工具，并对如何提升 AI 产出质量有自己的见解。🔗 快速通道（HR 每日清筛）别让你的才华埋没在简历池里，点击下方链接直接触达核心技术团队：【PDD实习生招聘】🔗 内推链接：https://careers.pddglobalhr.com/campus/intern?t=IU9k50iFrF🎫 内推码：IU9k50iFrF⭐ 为什么说PDD暑期实习“性价比很高”① 实习满2个月即可申请转正相比很多公司需要 3-6个月实习，PDD暑期实习满2个月即可发起转正流程。② 实习转正薪资通常高于校招入职通过 实习转正入职的薪资一般更有优势。③ 免费三餐 + 高薪实习公司提供 免费三餐 + 有竞争力的实习薪资。(有任何问题欢迎找我私聊沟通，帮看面试进度)通过这个链接投递会进入内推池，简历会优先筛选。祝大家都能拿满意的 Offer，我们在 AI 时代的后端浪潮里见！

虽然知道这肯定是发展的方向，但今天听说，隔壁科室的领导要求所有人都安装上OpenClaw并使用，可有的人接触的AI只有豆包而已，很多人的工作还是不能被AI取代的，像这样火热甚至一刀切的拥抱AI，真的完全正确吗？

谁能帮我部署OpenClaw啊，部署完了，一直在报错阶段，已经和ai对话一万遍了，还是一直报错。。。真的需要帮助

大家好，我是一名28届的前端开发，最近团队需要启动一个Agent（智能体）项目，但我对这个领域还很陌生，想请教大家几个问题，希望能得到一些工程实践上的指点。1. 我的背景和困惑我只知道“Agent”这个概念和一些名词，但没有深入学习过。以前在学校学的AI课程（深度学习、CV、搜索算法）感觉偏科研理论，和实际工程开发好像不太一样。我看到现在很多招聘要求“开发+Agent赋能”，感觉这已经是一个普遍趋势了。看到有牛油评论说：“现在大厂就很迷，感觉要么就是算法+agent，要么就是开发+agent。还是招和原来一样的岗位，只是都要求赋能agent了   ”。真正的工程化Agent开发到底该怎么做？2. 我的具体疑问a.技术栈疑问：我粗略了解到后端好像用Spring AI比较多？想请问在真实的产业项目里：后端主力语言是Java还是Python？各自的常见技术栈和框架是怎样的？b.开发流程疑问：我之前的理解实在太少了，以为就是“接入大模型API + 优化Prompt”。真实的Agent工程开发，到底包含哪些核心环节和模块？（比如除了调用模型，是不是还要做任务规划、工具调用、记忆管理这些？这些要怎么深入学习呢？要和科研深度学习一样跑“炼丹”项目读论文吗？）3. 我的角色定位：我本身是前端开发，自己写的toy是用Node.js 还有 express 框架做全栈项目。像我这样的背景，在一个Agent项目中：具体能从哪些方面入手去“赋能”？除了做个展示界面，在Node.js这一层能做哪些有意义的AI集成或能力封装？4. 求分享、指路我现在的认知太少了，非常需要一个从工程视角出发的学习路线和方向指引。希望大家能分享一下：我应该按什么步骤去学习？重点要掌握哪些工具和框架？作为前端/全栈，在实际业务里面怎么赋能agent？当前我的学习突破口在哪里？----------先谢谢各位大佬了！

五道视频面试题+四道选择题选择题（每道题限时1分钟左右）1. 是否使用过AI基座模型？2. 是否使用过cursor, winsurf等AI编程工具？3. 是否调用过AI模型api ？4. 是否有AI产品/功能的独立开发经历？视频面试题（每道题十几秒思考，5分钟作答时间）1. 使用过的AI基座模型有什么？2. 使用cursor，winsurf 的使用场景和使用情况如何？3. 近一年读过什么AI论文/技术报告两次以上？对你有什么帮助？4. 调用过最好用的AI模型API是哪个？5. 请说说开发过的AI产品/功能是什么？用户需求？最终结果？（最后还会要求上传作品链接，如果有的话）

去年入职后，每个新员工都有一个导师，导师们对我们的工作也确实很上心，组织了关于产品研发的一系列课程给我们，其中就涉及如何写市场调研报告、产品功能描述以及如何Axure做原型图。和大学上课一样，“导师们”也给我们布置了任务，让我们在工作之余自己动手做一个demo出来。当时我为了偷懒，直接去找了Claude，把我的需求讲给它，它直接完成了一整套网页的html代码，然后再把html导入墨刀，形成了原型图，再自己做修改。当时我把这个操作归类为投机取巧，觉得并不能从这个路径上学到核心技能。直到前段时间刷公众号，发现有个帖子写的就是《用 Claude写PRD，产品经理从此告别手画原型图》，通读了一遍，发现...

简介/背景 最近我在做一个改简历的智能体。一开始用的是 Spring-AI-Alibaba（SAA），但实践下来迭代慢、效果也不稳定。后来我用 Codex 写 Skills，很快就把流程打通了，效果明显好很多。这件事让我坚定一个想法：生活里 90% 的事情都应该用 AI 来提效。   核心要点  绝大多数日常事务其实是 SOP，AI 比人更擅长稳定执行 人的价值更在“判断与目标”，而不是重复性动作 Skills 是把经验变成可复用流程的最好方式之一 不要只看模型强不强，关键是“能不能落地成流程”   对程序员和学生的具体用法 程序员：把“需求拆解、方案对比、接口文档、单测补全、发布检查”变成 ...

在 Claude Code、Cursor 等 AI Agent 工具的使用过程中，MCP（Model Context Protocol）与 Skill（Agent Skill）是两个高频出现的能力扩展概念。二者看似都是为了增强 AI 的能力边界，但在设计哲学、技术架构和适用场景上有着本质区别。本文将从这三个维度，彻底厘清两者的核心差异、存在价值及选型原则。一、一句话核心区分MCP 和 Skill 是 AI Agent 能力扩展的两大核心支柱，定位截然不同：MCP 解决「连接」问题：让 AI 突破自身数据局限，访问外部世界的工具、数据源与服务。Skill 解决「方法论」问题：为 AI 注入专业的...

组内直招算法实习生，有任何问题欢迎私信，评论或邮件沟通招聘公司：中兴通讯股份有限公司实习地点：中兴通讯上海研发中心，碧波路889号招聘岗位：具身智能算法实习生实习内容：负责大模型在具身智能的落地应用，包括 但不限于VLA 模型、运动控制强化学习算法、动力学建模、视觉模型、3DGS 场景建模和 SLAM 等算法设计与融合应用；任职要求：计算机、人工智能、计算机网络、机械、微电子、通信或电子相关专业（同样欢迎有转AI且意愿强烈、实习时间宽裕的同学）；熟悉python和神经网络算法者优先；985，211学校相关专业背景优先～实习时间：3-6个月；

客户端社招跳槽基本不可能了你们自己想想看，你平常用的 app 是不是都是中大厂的？所以现在很多中小公司基本不搞客户端开发的了，但是如果一定会有后端，后端是业务实现的核心，具体给用户的展现方式不一定是要用手机 app，也可以是 web 前端之类的形式。之前也有一些大厂客户端社招同学跟我反馈，在大厂卷累了， 想回二三线城市，可是发现客户端岗很少，都想转后端去求职了。客户端不可能有前途了测试点点点也比客户端强一百倍以上好自为之

先给大家说清楚：AI 幻觉 = AI 看起来很专业，其实全是瞎编。放别的地方顶多尴尬，放简历上，直接影响面试、offer、背调。我先说我自己最社死的一次。当时秋招急着改简历，我把一段很普通的校园活动经历丢给 AI，让它帮我润色。AI 输出的那叫一个高级：“统筹活动全流程，通过渠道优化提升参与率 47%，搭建用户触达体系……”我一看，哇，这么厉害，直接用了。结果面试时，面试官盯着那行字问我：“你说的 47% 提升，是怎么统计的？用了什么方法？”我当场僵住。因为我真实干的事，就是发了朋友圈、统计了签到、整理了表格。什么 47%、什么体系、什么优化，全是 AI凭空编出来的。那场面，我这辈子都忘不了。支支吾吾半天，面试官只轻轻说了一句：“同学，简历可以优化，但不能虚构。”那面试直接黄了。后来我做了一段招聘相关的工作，看过几千份简历，发现被 AI 坑的人真的一抓一大把。我总结了三类最常见、最容易翻车的「简历 AI 幻觉」，你们看完一定会有共鸣。一、最常见的 3 种简历 AI 幻觉，每一种都能让你面试凉凉1. 凭空捏造数据、转化率、成果，精确到小数点，全是假的这是 AI 最爱干的事。你写：协助整理资料。AI 给你改成：完成数据整理与流程优化，提升效率 210%。你写：参与社团活动。AI 给你改成：负责线下推广，引流 320 人，转化率 18.7%。数字越精确，看起来越权威，但全是编的。HR 和面试官一眼就能看穿：短期实习、校园经历，根本不可能有这种标准化数据。一追问，你答不上来，直接判定不诚实。2. 乱加职责，把实习生写成负责人，把助理写成经理AI 特别喜欢 “越级包装”。你只是协助，它给你写 “主导”；你只是执行，它给你写 “制定策略”；你只是打杂，它给你写 “全链路负责”。看起来很厉害，实际上漏洞百出。一个大三学生，怎么可能独立负责业务、制定策略？HR 看了只会觉得：这人简历造假。3. 虚构技能、项目、经历，你不会的它敢乱写更可怕的是无中生有。你没写的技能，AI 给你加上；你没做过的项目，AI 给你补全；你没拿过的奖，AI 都敢给你编出来。最恐怖的是，很多同学不检查，直接投递。结果面试一问：“你熟练用 Python？做过什么分析？”人直接傻了：“我根本不会啊。”这就是 AI 幻觉最可怕的地方：它不负责真实，只负责好看。二、为什么 AI 特别容易在简历上胡说八道？原因其实很简单：AI 没有你的真实记忆，不知道你到底做过什么AI 的目标是 “写得像优质简历”，而不是 “写你真实的经历”你输入的信息太少，AI 为了凑内容，只能脑补、编造它以为是帮你变强，实际上是把你往火坑里推。我见过太多人：真实经历明明够用，被 AI 一加工，变得浮夸、虚假、经不起问，反而连面试机会都拿不到。三、AI 简历到底能不能用？能用，但要选对工具我不是反对用 AI 做简历。相反，AI 能极大提高效率，关键是：这个 AI 不能编故事，不能有幻觉，必须忠于你的真实经历。我踩过无数坑之后，现在只敢用一款真正靠谱的工具：泡泡小程序 AiCV 简历王。它和那些会瞎编数据、虚构经历的 AI 完全不一样：只在你原有经历上优化表达，不凭空造经历不乱编数据、不编成果、不编奖项帮你把口语化内容，改成 HR 爱看的专业表述对标 JD 做匹配度分析，补关键词，而不是编关键词所有内容都真实、可复述、经得起面试追问它不会把你吹成大神，但能把你真实的能力，干净、专业、安全地展示出来。对我们学生来说，这才是最稳、最不翻车的选择。四、给所有人的 4 条「AI 简历防坑铁律」不管你用什么工具，这 4 条一定要记住：任何数据、成果，你必须能讲得清清楚楚讲不出来，一律删掉。不写自己没做过的事，不担自己没负过的责参与就是参与，协助就是协助，别乱写 “主导”“负责”。不让 AI 替你创造经历，只让 AI 优化表达多一行没做过的内容，都是隐患。AI 改完，你必须逐字读一遍你自己都不熟的内容，面试一定会崩。简历的第一原则是真实，第二是匹配，第三才是好看。AI 能帮你搞定 2 和 3，但第 1 条，必须你自己守住。五、最后想说我经历过最离谱、代价最大的 AI 幻觉，就是AI 在简历上一本正经地胡说八道。它差点让我以为，简历必须造假才有人看。但后来我才明白：真实、干净、匹配岗位的简历，永远比虚假华丽的简历更值钱。AI 是工具，不是替你撒谎的帮手。别让 AI 的幻觉，毁掉你本来能拿到的机会。如果你也被 AI 改简历坑过，或者正在担心简历太普通、又怕被 AI 瞎改，真心建议你避开那些会编故事的工具，用更稳、更安全的方式打磨简历。

最近DS概念很火。对于这种高（lan）新（ren）科（fu）技（yin）的新东西，作为一个六年的理财up自然是闻风而动。新年第一天的交易日。我灵机一动：DeepSeek不是据说很牛逼吗。那能不能用来判断短期内股票的涨跌概率呢？假如涨的概率很高，我就买入。那我岂不是立于不败之地，从此迎娶白富美，实现财富自由，走上人生巅峰。想着想着我就口水直流。于是我火速打开的DS，美滋滋的问他：当时我就怒了，人类还在上班，AI岂能摆烂？！快快起床干活！！！我就拼命的刷新经过锲而不舍的坚持询问，最终DS狠心的拒绝了我！冷静下来之后，我在想是不是我打开的方式不太对，问的有点太粗糙了？DS表示臣妾做不到啊。好歹喂它一...

25年AI年，今年肯定还是AI作为前端开发者，从最开始接触字节青训项目LLM对话框记得当时要求就是刷算法题当时还是MarsCode（或许是现Trae初版）辅助刷题编码到后续LLM对话框项目用Coze平台搭建了简单的Agent，了解了AI基本的概念当时受限于API免费次数和找工作时间原因后续没更多学习AI内容了解的就是后来用Trae搭建个人网站从原始HTML三件套迁移到ReactAI辅助下z五一假期花了点时间就做好了现在想当时难点还是第三方如百度API的嵌入AI好像还没这么智能，能先去搜并学习API不同版本可能也会不一样当时的Trae还没能做到还要人机协同去编码到后来Trae SOLO、Claude、Gemini Nano banana 等2026，希望Jinger能系统学一下理清知识框架

作为机械结构工程师，在设计和优化产品结构时，AI已经成为不可或缺的工具。举个例子，在项目初期的概念设计阶段，以前我们需要花费大量时间进行手动计算和模拟，以确保设计的可行性。然而现在，通过AI技术，我们可以大幅缩短这个过程。具体来说，做项目时的拓扑优化工具能够在设定的边界条件和目标函数下，自动生成最优的结构形态。通过这种方式，我们在短时间内就找到了一个不仅满足强度要求，还能够显著减重的设计方案。这在传统方法下可能需要反复试验和大量的迭代。

想问一下这两年，也就是差不多 2024 年后毕业的计算机类应届生，你们是怎么和 AI 相处的，从一个初级工程师成长为能独当一面的、负责某一个项目或一个小业务线的中级或高级工程师的，想看看现在的年轻人是怎么成长前进的，谢谢。（本人已经不干研发工作了，现在就是提需求让一帮子硕博给我打工的，很久没有见过新的工程师了）

一开始是接到说，用vscode去实现一个多视频图片对比插件， 这下把我整懵了， 不过需求是很简单，但是缺少对这门语言的掌握，很难说去从0到1去写， 不过还好有gpt，需求已给到，，那么整体的实现细节就有了， 通过不断的去描述情况， 加上自己去debug，很快就做出来了。如果像以前一样， 那我觉得，开发效率绝对会慢的很多，这是b站录制的工具详情。https://www.bilibili.com/video/BV1Si4y1W7im/