前端面筋---字节一二三面（1.12 hr面）

1.介绍另一个项目，还有围绕该项目的深挖比如多个大模型的统一适配是怎么做的？有限状态机的完善过程是什么样的？整个fsm通过几个模块来完成？2.主要考察业务场景问题：1.技术人员如何在模型生成结果中体现内容的创新性？2.想要让新用户在初次使用App时快速被吸引，你设计的模型需要注意哪些点？3.提到的收集时空两方面的数据，如何收集？收集后该如何分析处理？3.八股：1.了解过qwen、llava等大模型吗2.它们各自的核心特征是什么3.它们是怎么进行微调怎么去训练的4.手撕代码：两个升序序列的合并，询问思路和复杂度

快手Agent应用实习二面 好难啊字节大模型算法一面-日常实习快手实习Agent开发算法一面 1h小厂Java电话面试心识宇宙 AI Native 全栈实习生面经联想实习agent凉经 面没招了（无标题）无论文无实习勇闯春招 二战文远知行 感知算法工程师B站AIGC创作平台研发工程师一面挂经百度AI Agent一面凉经-日常实习差强人意的开局百川智能大模型实习一面 压力好大C++/CUDA/AI-infra面试经验总结字节懂车帝agent开发实习一面 1h推荐一个值得做的 AI 项目：本地运行的个人 AI 助手（OpenClaw/ClawdBot）推荐是 Java + Agent 项目字节抖音...

大家好，我是程序员花海，今天周末，恰好有时间来和大家聊一下校招和实习的底层知识！友情提示：这边文章干货很多，建议收藏，也欢迎你的小花~我讲结合自己担任校招面试官多年的经验，从校招笔试、校招面试、选择Offer、提前入职、实习转正、试用期Landing等众多角度来一一为大家拆解校招的底层逻辑，话不多说，现在开讲！在准备校招面试的时候，大家可能会参考很多学长学姐的建议，但是你听到的的建议五花八门，比如有鹅选鹅、无鹅延毕，但是大家仔细想想，这句话真的对吗？首先无可厚非，鹅的福利真的很好，但是这个是从公司角度来说，这个公司整体氛围不错，但是你入职之后，是要分到某一个业务部门下的某一个组的，你的Offer上面只会写你属于哪个部门，当然也不排除部分会写你是哪个组的，但是作为一名校招生，没有真实工作经验，进入之后一切工具和开发流程都要重新学，这个时候，组内各部门的对于校招的重视程度和培养计划就相当重要了，所以切记，无脑冲字节、有鹅选鹅只是个梗，不要当真哇！那么如何全方面的了解校招呢？我想从以下几个方面来和大家探讨一下，仅代表我个人观点，有不同意见的同学也可以在评论区留言，我都会一一看的。首先，你要了解校招是干什么的。首先，学长学姐的经验主要是适合他自己，比如有的同学本科研究生都是9，你的学历是双非，他说我没有实习经历一样进大厂，你就轻视了实习经历的重要性，到最后发现没实习连简历都过不了，这里面就忽视了一个重要的问题，第一，你需要有机会进入这样的实习平台去获得实习产出，这样才会在你的简历上写出很多不一样的东西。第二，实习期间确有高质量产出，且能够自圆其说。第三，面试官恰好认可这段经历足以弥补其他方面的短板。这就像问“如何考上顶尖大学”，得到的回答是“拿到学科竞赛金牌就可以了”虽然真实，却未必是普遍路径。当然也有的同学会说现在行情太差，不是竞赛选手笔试都过不了，不如早点转行。这就像劝退高考生：大学生这么多，不如读专科早早学技术。一旦我们把这些例子放到你熟悉的语境中，就能看出其局限性。因此，构建属于自己的、符合招聘现实的认知至关重要。针对自己的情况，建力一个对于校招清晰的认知，是非常关键的，同时也能够让你针对自己的情况，做一个清晰的学习规划，不至于闷头学，发现自己准备的东西和面试要求的相差甚远。第二，认清楚校招的全方面流程。校招的完整流程：简历投递->笔试->技术一面->技术二面->技术三面->主管面->HR面->谈薪资->录用审批->签三方->提前实习->正式入职。1.简历筛选：背景是第一道门槛筛选过程通常快速直接，主要看你的背景包括你的学校背景(清北+985+211+双非)过往实习、项目。这类似于初次见面时对方会先留意你的外在条件与履历，至于内在能力，那是后续环节才展开的话题。简历的书写方式我已经讲过很多次了，也会在一些评论区提供一些建议，可以参考这篇文章。2.技术面试（技术一面->技术二面->技术三面->主管面）不少同学认为一面考八股，二三面问项目，HR面聊人生。这种模式虽然说比较常见，但大多数情况下是你的项目或实习经历缺乏深入探讨的空间，面试官只能转向八股文的考察。如果你的实习经历扎实、有真实产出，那么每一轮都可能围绕这段经历展开追问。所以说，一面考八股，二三面问项目，HR面聊人生只适用于部分同学。对于开发岗的同学来说，决定你能否进面试的因素主要还是：学历背景+实习+项目+算法，其中从重要程度来说，学历背景>实习>项目+算法，为什么把实习放到项目前面呢？主要是瑞吉外卖、苍穹外卖、黑马头条这种项目已经烂大街了，面试官看到早就审美疲劳了，但是实习不一样，实习是经过真实上线的，且有流量，能够带来一些收益的项目。为什么我不建议写谷粒商城，我的这篇文章也写过了。对于算法，一般来说会氛围笔试和面试，面试比较简单，绝大多数情况下，Hot100都会够用，除此之外，设计模式、数据结构设计、多线程代码题也会涉及到一些。另外提一嘴，面试是ACM模式，很多同学都不知道，要么是构造输入输出，要么是硬编码。但是笔试难度同面试来说就高很多了，我之前还看过部分公司的笔试题难度甚至可以颦美icpc金牌题的难度，对于没咋刷过算法题的同学来说，看到这种题目刷不出来就太正常了。关于笔试题大概的范围，可以参考这篇文章。最终是否通过某轮面试，还要看同批候选人的整体表现。即使你发挥出色，也可能因存在更匹配的人选而排序靠后。但长期来看，扎实的准备终会体现价值，其实本质就是面试评价了，关于面试评价的考核标准，恰好我也写过了，大家可以参考下。3.HR面试HR面一般我们可以理解为意向与价值观的双重确认，HR面通常是终面，也有少数公司将其放在第一轮。不少同学认为这一环只是走流程，很少刷人。实际上，HR面同样具有筛选作用——进入此轮的人数通常多于最终录用名额，且公司不会在无意义的环节上浪费资源。HR的问题大多可归为两类：求职意向确认：你拿到offer后是否会入职？是否同时投递了其他公司？价值观匹配度：你如何看待挑战？如何与团队协作？同学或同事如何评价你？所以只要回答的不要太离谱，基本都没有啥大问题。校招的考察重点始终在动态变化，19年左右卷八股，后来卷算法，如今笔试难度已接近天花板，实习与业务匹配度的权重正持续上升。随着AI技术渗透，未来笔面试形式也可能出现新形态，从去年美团等互联网大厂就开始AI面试了，尤其是大模型发展越来越迅猛的前提下，为了防止AI辅助，双机位等笔试面试方式会层出不穷的，奉劝部分同学，不要抱侥幸心理，一旦发现真的会拉黑的！好了，今天就分享这些，希望这篇分析能为你带来启发。如果有具体问题，欢迎在评论区提出！祝大家准备顺利，收获理想 offer！

前言 当我们尝试将网上开源的大模型部使用Ollama的方式署在本地，就会发现，呈现给我们的只有一个黑色对话框。 想要提供给他人使用，最佳方式还是提供一个网页或者API接口。对于后者，Ollama已经实现，你可以使用下面的地址  http://localhost:11434  假设你继续跟着官方教程，使用python或者其他语言，就可以制作一个简单的聊天助手，恭喜你完成了一个 Agent 的开发。 但是距离企业中落地的 Agent 还有一点距离，接下来，我将带你逐步补齐。  AI 核心概念 从机器学习（Machine Learning），自然语言处理（NLP）开始说起，对于作为后端的我，有点难为...