为了校招，准备换一台笔记本，各位有什么推荐的么

在这个AI无处不在的时代，我逐渐意识到：AI可以帮助我，但不能替代我思考。它的回答往往很自信、很完整，但并不一定完全正确。所以，我始终提醒自己，把AI当作参考，而不是答案本身。我习惯先自己思考，再去看AI的建议；遇到重要信息，也会多查几个来源进行验证。这样既能利用AI的效率，又不会轻易被单一观点影响。对我来说，真正不被AI带偏的方法，就是保持独立判断。方向由我决定，AI只是工具，而不是替我做选择的人。

最终还是婉拒了小红书的offer，厚着脸皮回了字节。其实这次字节不管是组内的氛围、HR的沟通体验，都比之前好太多，开的薪资也还算过得去，这些都是让我下定决心的原因之一。但最核心的，还是抵不住对Agent的兴趣，选择了Ai Coding这么一个方向。因为很多大佬讲过，在未来比较火的还是属于那些更加垂类的Agent，而Ai Coding恰好是Coding Agent这么一个领域，本质上还是程序员群体和泛程序员群体这个圈子的。目前也已经在提前实习，也是全栈这么一个岗位。就像最近阿里P10针对前端后端等等不再那么区分，确实在Agent方向不太区分这个。尤其是我们自己做AI Coding的内容，基本上90%左右的内容都是AI生成的，AI代码仓库贡献率也是我们的指标之一。有人说他不好用，那肯定是用的姿态不太对。基本上用对Skill、Rules 加上比较好的大模型基本都能Cover你的大部分需求，更别说Claude、Cursor这种目前看来Top水准的Coding工具了（叠甲：起码在我看来是这样）。所以不太区分的主要原因，还是针对一些例如Claude Code、Cursor、Trae、Codex、CC等一大堆，他们有很多新的概念和架构提出，我们往往需要快速验证（MVP版本）来看效果。而全栈就是这么快速验证的一个手段，加上Ai Coding的辅助，目前看起来问题不大（仅仅针对Agent而言）。而且Coding的产品形态往往是一个Plugin、Cli之类的，本质还是属于大前端领域。不过针对业务后端来看，区分还是有必要的。大家很多人也说Agent不就是Prompt提示词工程么？是的没错，本质上还是提示词。不过现在也衍生出一个新的Context Eneering，抽象成一种架构思想（类比框架、或者你们业务架构，参考商品有商品发布架构来提效）。本质还是提示词，但是就是能否最大化利用整个上下文窗口来提升效果，这个还是有很多探索空间和玩法的，例如Cursor的思想：上下文万物皆文件， CoWork之类的。后续也有一些Ralph Loop啥的，还有Coding里面的Coding Act姿态。这种才是比较核心的点，而不是你让AI生成的那提示词，然后调用了一下大模型那么简单；也不是dify、LangGraph搭建了一套workflow，从一个node走到另外一个node那么简单。Agent和WorkFLow还是两回事，大部分人也没能很好的区分这一点。不过很多人说AI泡沫啥啥啥的，我们ld也常把这句话挂在嘴边：“说AI泡沫还是太大了”诸如此类。我觉得在AI的时代，懂一点还是会好一点，所以润去字节了。目前的实习生活呢，除了修一些Tools的问题，还包括对比Claude、Cursor、Trae在某些源码实现思想上的点，看看能不能迁移过来，感觉还是比较有意思。不过目前组内还是主要Follow比较多，希望下一个阶段就做一些更有创新的事情哈哈。这就是一个牛马大学生的最终牧场，希望能好好的吧。说不定下次发的时候，正式AI泡沫结束，然后我又回归传统后端这么一个结局了。欢迎交流👏，有不对的🙅不要骂博主（浅薄的认知），可以私聊交流

目前 八股第二遍过完了，在过第二遍hot100 打算弄完投大厂的寒假实习佬们有什么建议吗

先说说个人的刷的题量截图如下：原则就是：在理解题解的之后，多多益善。做题主要学的是一种思想，学习做题的思路。参加OJ题目类型有：双指针滑动窗口二分前缀和模拟分治链表哈希表字符串栈队列 + 宽搜优先级队列BFS 解决 FloodFill 算法BFS 解决最短路问题多源 BFSBFS 解决拓扑排序递归回溯搜索递归算法搜索算法（主要是深搜）回溯与剪枝floodfill 算法记忆化搜索动态规划斐波那契数列模型路径问题简单多状态 dp 问题子数组系列子序列问题回文串问题两个数组的 dp 问题01 背包问题完全背包问题二维费用的背包问题似包非包卡特兰数贪心#程序员找工作至少要刷多少题？#