致命的回车

提到算法工程师面试，第一反应就是“头疼”——不仅要懂模型架构、推导数学公式，还要和开发岗一样手撕代码。面对题海战术，很多人看到 LeetCode 上两三千道题就发怵，其实大可不必。面试官让你手撕代码，核心是考察你的逻辑思维、代码规范、边界条件处理以及沟通能力，而不是看你是不是个无情的背题机器。首先，必须夯实基础。对初学者来说，树、链表、双指针， 永远的神，虽然有些老，但里面的考察非常经典，是国内大厂面试的基石。重点就是 链表反转（各种变体）、二叉树遍历、栈与队列的相互实现。中阶就是Hot 100，哈希表、双指针、滑动窗口、动态规划（背包问题、打家劫舍系列）、回溯算法（排列组合问题），这其中难免...

山东过年的灵魂：保皇 + 聚餐，两件套直接拉满年味。从小年前就开始局不断，晚上不是在保皇，就是在去保皇的路上。别人过年是休息，山东人过年是：练牌技、续感情，主打一个热热闹闹、人仰马翻。

每日有7亿人次骑电动两轮车出行，这是中国城镇化发展最有力的注脚，也是绿色出行潮流的形象体现，可你有没有发觉，身边“电驴子”的样子，早已和当年不一样？当售价从一千多大幅涨至四千元甚至更高，当扫码开启车辆、用手机控车、自动泊车成了新车标配，中国两轮电瓶车行业，正经历一场过去不曾有的结构性变革。这场变革的要点，是新国标全部落地跟智能化浪潮的双向叠加，曾经被雅迪、爱玛等传统巨头紧紧把控的以渠道和价格为王的时期正渐渐退去；而以九号、小牛为代表的智能新起之秀，正携着全新的产品思路，加快夺取市场主导权。这向来不是简易的新旧替换，而是一回从交通工具到智能终端的认知重建，一场着眼行业未来的新崛起力量与旧王者之战...

我本科一直做 Web 相关开发，技术栈主要是 React / Node / TypeScript / Python。一开始接触大模型，其实和很多人一样：写 prompt、接 API、做点 demo。但很快我就发现，如果只是“调 API + 写 prompt”，其实很难真正做出复杂的 AI 应用。这篇文章主要分享一下：从前端工程师转向 Agent 开发，我的一些经验和踩过的坑。一、很多人刚接触大模型时，会觉得 AI 应用开发就是：写 Prompt调 OpenAI API输出结果但实际上，如果要做复杂应用，真正的问题通常是：上下文管理（Context Engineering）工具调用（Tool Use）任务轨迹设计（Agent Trajectory）状态管理（Memory / State）成本与延迟控制这些其实更接近 系统工程问题，而不仅仅是 prompt 的问题。二、前端背景有几个优势1 状态管理经验前端：state → viewagent：state → reasoning → action本质类似。2 工程能力前端工程师通常很熟悉：模块化API 设计工程结构渐进式披露（很重要）这些在 Agent 框架设计里很重要。3.相关技术栈openclaw，cluade code和opencode均使用typescript作为其主要开发语言，ts在agent项目里的使用比重很高。三、Agent 的核心其实是“轨迹”很多人以为：prompt → answer但 code agent 实际是：thought→ tool call→ observation→ thought→ tool call→ ...所以关键问题变成：如何设计agent loop如何设计 tool如何设计 observation如何管理上下文四、最近面试和做项目的过程中，我也有一些反思：1 多复盘，而不仅仅是做项目很多时候不是做得不够多，而是复盘不够。2 定量大于定性不要只说“优化了性能”，而是尽量给出指标：- latency ↓- token cost ↓- success rate ↑3 多方案 trade-off工程问题通常没有唯一答案，关键是：- 方案 A- 方案 B- 为什么选 B4 技术要服务业务不仅要看技术指标，还要看：- 用户体验- 成本- 整体业务效果5 尽量 close ticket，而不是一直做 demoAI 领域很容易陷入“做很多酷的 demo”但真正的工程能力是：解决具体问题并落地。五、如果你也是 Web 开发背景，其实完全不用焦虑“AI 门槛很高”。很多 AI 应用开发，本质上还是工程问题：系统设计状态管理工程架构只是多了一个新的组件：LLM。如果你已经有扎实的工程基础，再补充一些：LLM 基础Agent 设计Context Engineering其实是可以很自然地转过来的。