AI求职实录

每一次AI工具的更新，市场上都说不需要前端了，然而事实真的如此吗？互联网本身就是新兴技术，因此互联网的各种工种也是受AI影响最深最快的前端不会消失，只是可能会HC减少，并以另一种形态存在，说说我当前的工作状态吧👇去年下半年到现在，工作80%都是AI相关，工作边界变得更加广阔：1）技能结构：从“前端单点”升级为“产品+内容+技术”的复合型以前更像是典型的前端工程师：把需求实现出来、把页面做出来、把交互写出来。现在更接近“能把想法从 0 推到 1”的复合角色——既要会产品设计，也要能用 AI 批量生产内容，还要具备把功能快速落地的代码能力。2）协作方式：从“对接上下游”变成“AI 协同 + 跨部门整合”过去协作更多是：跟产品确认需求、跟后端对接口、跟测试走流程。现在更常见的模式是：我直接参与需求设计，用 AI 快速做 demo 或原型，先上线验证方案是否可行，再根据数据/反馈迭代。3）交付目标：从“交付代码”变成“交付解决方案”以前衡量产出最直接的方式就是：写了多少功能、交付了多少代码。现在更像在交付“产品 + 技术”的整体结果：不仅把功能做出来，还要解决业务问题。工作的时间配比也发生了些变化👇20%：手写代码（更多是修 bug、处理边界问题、关键逻辑兜底）30%：指挥 AI 写代码（生成、review、accept/undo，然后 commit & push）30%：调提示词/调产出质量（让 AI 更稳定、更贴合业务）20%：和 AI 一起想点子、做方案迭代（找方向、试路径、优化体验）在我这些项目里，几乎没有“前端/后端”的明确分界：很多时候是我跟业务把需求聊清楚、方案定下来，就直接开发上线；有些需求甚至是我在 AI 的帮助下自己做方案、自己验证、自己推进落地；AI 带来的不是“写代码更快”这么简单，而是让一个人具备了更强的端到端能力：从需求到方案、从验证到上线，都能更轻、更快地跑起来。那么有人就要问了：你涨薪了吗？你涨薪了吗？你涨薪了吗？😊😊😊先说结论：那肯定是没有的但是你不适应时代的变化，你就会被时代所淘汰，AI时代除了传统技能以外，更多的还是拼你对业务 、对市场的理解，过去程序员很多只停留在代码跑起来的逻辑上，但忽视了很多代码背后的业务情况，AI时代帮你节省了写代码时间，给了你更多的思考时间——你对于业务是否有更好的解决实现方案，是最重要的能力实习的时候不要总是低头看代码，更要横向看看业务目标

感觉在牛客已经潜水好长时间了，我也看到有不少牛友想要投AI大模型产品岗位。正好，我作为业务面试官，可以跟大家一起复盘下前一阵部门的三轮面试流程。其实全程面试考察的重点，还是候选人的项目扎实程度、结构化思维和AI产品基础素养。第一轮面试：45分钟1、系统介绍一下你第一个AI实习项目这种宏观问题，建议使用STAR法则或者为什么做、怎么做、做完之后的效果三段论来回答。我不仅听故事，更通过你的叙述结构，评估你的结构化思维和项目全貌掌控力。2、sd项目中的提示词是如何编写的？我会遵循“角色定义-任务清晰-格式约束-示例引导”的原则。一个完整的提示词模板应是一个“工程系统”。3、提示词模板你会怎么来写？你...

40min 自我介绍面试官询问项目细节介绍langgraph具体编写智能体的方法介绍上一段实习中遇到的困难问了一个查找topk个数的算法 我答的用快排加二分问MySQL除了b+还有什么索引详细介绍全文索引topk个数 回答了快排划分hash表用什么哈西函数 冲突怎么解决介绍mvcc讲一下jvm内存模型（我不会Java）如何实现长链接系统（链接太长url怎么跳）手撕 旋转有序数组查找元素面试完半个小时HR打电话通过

一面 40分钟  ai相关的工具和相关的知识是从哪获取的 解释ai中的token token还有哪些用处吗 上下文是什么，上下文的大小决定了什么指标 在上下文窗口大小限制的情况下，如何更合理的处理上下文 向量数据库你了解的有哪些 向量数据库和传统数据库的区别 向量数据库的匹配相似度的方法  余弦相似度 面试官补充：欧氏距离（L2）   对余弦相似度的理解，是如何计算的 mcp解决什么问题，为什么模型会引入mcp概念 mcp由几部分组成 如何使用mcp的方法 electron主进程是如何处理mcp连接的安全性的  没太明白，问了面试官后，说的是zod校验   function calling是什...

在AI大爆发的时代，除了卷算法模型，AI Infra正成为各大厂争夺的“算力底座”。但这个领域庞大而且比较复杂，究竟包含哪些技术栈？不同岗位又有哪些侧重？给大家简单介绍一下（这个也属于新兴岗位了，所以现在入局也不算晚欢迎大家在评论区发表看法，我们一起讨论👇有用的话请在文章底部给我送朵花吧🙇‍♂️🙇‍♀️

在牛客运营同学的热情邀约下，接着写下一篇分享 深度拆解：如何系统介绍你的第一个AI实习项目？这是所有面试的开场白，也是决定“生死”的45分钟里最关键的前10分钟。很多同学讲得口干舌燥，但我听完却是一头雾水。作为面试官，我问这个问题到底想看什么？业务Sense： 你知不知道为什么要写这个Prompt/做这个Agent？是为了解决什么业务痛点？技术理解力： 你对大模型的边界清不清楚？是盲目调用API，还是懂一点RAG、微调的底层逻辑？产品闭环思维： 做了之后效果如何？你怎么衡量好坏？避坑指南：千万不要只说“我写了多少条提示词”、“我搭建了几个工作流”。这叫“劳动力输出”，不叫“产品思考”。推荐回答...

在我眼里八股不会消失，只会减弱面试时的比例。举一个例子，假如自己在工作时突然出现了一个sql超时的问题该如何排查？这个时候可以用ai吗？ai此时给出的最理想的回复也只能可能是从业务超时分析到可能某条sql超时了。那么具体是因为什么超时呢？那ai是没法去查的，毕竟公司里数据库可不是自己想去直接访问就能访问的。如果这是一个线上问题那是不是就抓瞎了。要明确的一个道理是在AI时代，AI只能是我们的员工或同事，在这个角色定位下，我们作为AI的“领导”，必须比他懂得多，能在设计架构或者查错时为他兜底。如果面试时连八股这种最基本的反映技术沉淀的东西都不考察，那该怎么相信你指挥AI写出来的东西不出错。难道到时候出了线上bug的时候领导让排查一下，咱们回一句“我不知道啊，AI写的”当然现在能够合理地使用AI，是绝对能大大提高我们的效率的，因此面试考察时这部分的占比会增加，但绝不会是把基础知识都挤占完了。想起来自己25年面美团暑期实习的时候，我问面试官问了很多开放性问题，这些都是他们遇到的问题吗？面试官说不那么爱一直考八股，不过八股肯定要考一部分，这起码证明了你用心准备，是个态度问题。这也证明了八股在某种程度上是评估候选人的必修项，可以不多，但不能没有。领导和你说“设计一下这块系统的日志系统和埋点”，或是和你说“把这块的协议设计一下”，那么我们是用消息队列还是用缓存，或是用本地内存，怎么选呢？这些东西我们能让AI做，但自己必须得很清楚各种方案的优劣，结合业务场景哪种方案最优。上面这问题不就是面试中的八股以及对应的一些设计题嘛~所以说，八股（基础知识）不会消失，但会降低考察的频度。除非真的有一天AI可以完全自我迭代，那样才完全不需要我们再去学习底层的八股知识

还记得 2022 年，正好是我研究生入学的年份。那一年有几件事，后来回头看，全是时代拐点：疫情突然放开，所有人几乎在同一时间“阳”了一遍；ChatGPT发布，我想注册个账号，官网排队、封号、收不到验证码，最后还是去闲鱼花钱找人代注册；GitHub、微软和OpenAI一起推了个叫Copilot的玩意，定价10美元一个月，说是能“辅助写代码”，我心想ntnd能写代码，那我以后干啥，至少在我身边，没有一个人真的在用。那会儿的大模型，更像是个玩具，你能感觉到它很聪明，但没人真的相信它能走进实际开发。大家的共识很简单：写代码这事儿，还是得靠咱老百姓。到了 2023 年，气氛开始有点不一样了。我几个师兄在...

看到过一个说法：八股文没有用，工作里也很难用到，学那些东西干什么，AI都出来了，谁还需要自己写代码？ 曾经有段时间，段段深感认同，不过后来想了想，如果面试不问八股，不问算法，不问项目，不问这些基础知识，那么我们也就不需要学习，不需要会。那么这种情况下，会导致什么问题呢？——除了写提示词，你什么都不会，甚至你提示词都不会写。 所以人均AI Coding后，程序员面试还有必要问八股吗？我的意见是，还是得会，至于原因，别着急，段段来带你分析。 （结论AI写在最后一段了）一、如果什么都不需要会，我怎么知道你会开发？ 从企业筛选人的角度讲，如果我是面试官，如果你只会写AI提示词，基本的增删改查，Java...

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！

Claude Code 安装指南一、基础准备1. 先准备一个科学的网络环境。2. 到这里安装最新版本的 Node.js ，地址：https://nodejs.org/en/download/3. WIndows 用户还需要额外安装 Git for Windows，地址： https://git-scm.com/install/windows二、正式开始安装  1. 1. 在你的电脑上，搜索「终端」，打开它，是这样的，不用害怕，你就把它理解成一个界面很酷的 AI 对话框。2. 在终端里，粘贴下面的命令，然后回车。npm install -g @anthropic-ai/claude-code这里...

之前的面试，有的忘了，但是面试体验很好。一面：实习，项目。公司主业相关：了解算子 gpu和cpu吗普通日常：什么时候到岗等无手撕反馈很快，第二天就有了结果。二面前一天因“面试官临时出差”取消，理由有些拙劣。更新：应该是真的出差

26 届 llm 算法 er，准备找实习，在春招的时候多个背书。目前正在某节实习，入职天数个位数，组内做 llm 比较少，跟着 mt 一起做的项目比较大（在推荐场景去做特异性画像，然后用到推荐中），但还处于起步阶段，整体的框架大概知道咋做，也就是说春招补补细节也能有用（学到老偷到老）。最近来了个 wxg 的实习机会，基础架构部门，做翻译、纠错的，在用大模型去做，但不知道进展如何，组内技术沉淀如何（均未知），唯一可知的就是强度肯定会降下来，然后轻轻松松搞毕设。两者都明确说了不分留用和日常，有成果就能转正！想请万能的 uu 们来归个票，让我们投一投，帮帮无助的 26 届算法 er 吧。

AI的世界正在日新月异的变化发展着，尤其是身处在互联网工作，感受更加明显；之前一直流行要怎么写Prompt，现在又新出了Skills，这两天Clowbot又刮起一阵热潮。。。。虽然各种在AI软件里，你可以通过自然语言得到自己想要的，但对于真正想要投身互联网科技相关工作的，Prompt能力在当下来说仍是重中之重为什么？因为在AI时代， 如果把AI比作一个拥有无限知识的“超级实习生”，那么Prompt就是你作为管理者下达的“工作简报”。一个含糊不清的指令，只会得到平庸的复读；而一个精准的Prompt，会放大AI的产能，而且现在很多实际工作中经常会需要涉及针对不同的业务场景来撰写相应的Prompt ...

兄弟们给点建议，有点迷茫了，双非本科，进了个小厂嵌入式测试实习，但是想做开发，培训机构出来的，真心求点建议！

春招在即，无论是26届，还是即将找实习的27、28届。都会面临一个问题：去网上看了很多公司面经，面试时一个都想不起来。今天我教你用Notion建立面经管理系统，再配合AI做分析，让你从从容容，游刃有余。减少求职的压力。 1.在Notion中新建表格用来记录面试进度和刷题进展。如下图：这样可以清楚的展示你的面试进度以及你今天要复习什么，打开后面的面经链接就可以了。附上表格模板： 面经数据库（主表格） ├─ 基础信息 │ ├─ 公司 │ ├─ 岗位 │ └─ 面试日期 ├─ 技术考察 │ ├─ 高频题 │ ├─ 考察重点 │ └─ 难度评级（1-5星） └─ 我的准备 ├─ 准备状态 ├─ 复习次...

这是当下时代我们学生和打工人的一个困境，悄悄分享一下自己的一些些心得。相比于自己去浩如烟海的文章中找资料，不如他们精准的推送，因此我所做的第一点就是通过关注的公众号来了解。他们做自媒体的为了时刻保持流量，必然要发文介绍最新最火的项目（哪怕一些可能有标题党的性质），我们刷到了就进去看看，成本很低，收益很大。下面还会有相关的推荐文章，都可以顺便康康。另一个就是B站，B站很多人会发视频介绍热门技术，关注一些知识区up，新视频发出来后我们刷一刷就能在主页看到，通常介绍新东西的视频也就10分钟左右，可以二倍速快速了解。再有就是自己的圈子，要积极和身边的大佬交友学习，当他们聊到一些自己没听过的东西时，积极凑过去学习一下然后自己去搜搜，甚至上手操作一下。最后如果在互联网领域，选一个有创新、学习氛围好的组，处于这种氛围中，自然能够受到熏陶。再提一点，如果有条件有时间可以去外网关注科技大佬他们会发文的。我由于比较忙暂时还没培养这个习惯。以上几点基本上就是我作为应届生目前尽量跟上时代的一些做法了。其实有点像在做学术，时刻关心最新的业界能力，然后考虑是否能落地。不过事实就是如此，在这行最好保持着热情和动力，才能长久的待下去。欢迎大家交流学习，分享更多了解最新技术的渠道和心得