前端实习如何包装产出到简历上
零、写在前面
- 网上各种前端技术教程很多，但针对应届生来讲，关于实习经历产出怎么写的教程非常少，大部分简历包装很多是基于社招的。
- 虽然实习经历因人而异，公司层次也有区别，但前端开发仍然有相当一部分技术是共通的
- 适用人群：主要是第一次实习的同学吧，感觉你写过一次下次就知道怎么写啦~
一、有哪些内容可以包装
简单来讲，产出的内容可以从业务开发、工程建设、团队贡献三个方面展开
- 业务开发（写1-2点）：完成常规的b端/ c端需求
- 工程建设（写1-2点）：协助团队完成项目工程化建设，提高稳定性、开发效率等
- 团队贡献（看情况补充）：一些杂活
业务开发
这个部分指的就是我们平时写的需求，大致分为b端和c端，主要聚焦于你开发的部分，但涉及的范围可以涵盖仓库的整个工程，找到你能驾驭的点写上去。
b端项目技术点
- 各种类型文件的处理
- 多种格式文档的上传，下载，打印，预览等。
- 复杂表单的逻辑控制
- 嵌套树形菜单，字段的关联，回显等
- 特殊的业务需求
- 多语言国际化i18n，无障碍设计
- 各种第三方SDK(地图，语音服务等)接入
- 富文本编辑器，拖拽排序，低代码平台，数据的图表可视化等。
- 大数据量的性能优化
- 列表的分页加载，虚拟滚动，大数据图表的渲染优化等。
- 常见业务组件及逻辑封装
- 按钮，模态框或者特殊业务组件等的封装(一般是基于第三方组件库的二次封装)；
- 通用逻辑比如日期货币的格式化，倒计时的处理等等。
- llm大模型的使用和接入
- 比如接入ai智能客服，ai自动翻译，自动提取文档内容等，前端其实就是调用llm接口而已，后端可能会使用langchain这种框架去调大模型，这个逻辑相对来讲比较简单，很多ai项目说起来很唬人实际上调用接口没有任何难度的，但由于ai-first的理念写上去也可以算一个亮点。
c端项目技术点
c端项目相对来讲可以写的会多一点
- 性能优化
- 图片，视频等的体积压缩，webp格式兼容预加载和预请求，缓存策略seo优化(官网居多)
- 跨端适配
- jsb，iframe通信，响应式布局方案，各种特性的兼容性处理
- 前端监控体系
- 用户行为记录的埋点上报，漏斗分析
- 错误捕获，性能指标监控
- 复杂功能及业务
- 常见的各种支付链路，价格体系，充值逻辑的梳理商品订单的状态管理
- 复杂动画或者交互
- 有亮点的交互，或者图片音视频的展示效果，等等。
其他的和b端项目一样的也可以写进去，由于c端技术点和项目关联比较大能写的很多，这里就不都列举啦。总之c端的核心就是引导用户从打开页面到成功下单，这个链路里面前端能做的东西还是很多的。
工程建设
架构的优化与建设
这个主要是中大厂用的比较多，所以最好确保你真的用过才写进去，模板话术就是“参与团队xxxx架构下的工程建设/优化”
- Monorepo架构
- SSR/CSR同构渲染
- 微前端
- Node全栈或者BFF中间层
公共库的开发建设
第一点提到的项目组件与通用逻辑，如果重要性强、使用范围很广，需要跨工程复用并且迭代频繁，则团队大概率会选择升级为公共的npm包（如果没有你也可以自己做一个），这个过程会考虑到非常多的东西（图里只是举例）相比于项目级的组件，其复杂度和开发成本都会显著增加。
- 技术选型
一般来讲开发页面我们都会用vite或者webpack作为构建打包工具，但如果你要开发一个公共库，其实rollup会是更好的选择。除此之外，有些轻量的旧项目可能会用到tsup，面向未来的工具还包括tsdown、Oxc等，需要结合实际情况做出选择。
- 构建配置
为了让团队成员更好的使用你的公共库，需要在打包构建的时候考虑TS类型处理、chunk拆分、依赖排除、模块化的兼容（ESM、CJS、UMD等模式）等等。
- 样式处理
- 样式方案的选择
- 样式隔离
- css文件的自动注入（使用者可能忘记引入style文件）
- 自动化测试
- 测试框架的使用（jest，test-library，vitest）
- 迭代与维护
- 发布流程
- npm包的版本管理
- bugfix和功能迭代
推动项目提效和稳定性保障
- 项目提效 引入或者开发自动化的某些插件（比如自动导入第三方库，自动导入语法）
- 稳定性和安全性
- 自动化测试：集成测试，E2E，单元测试
- eslint，git husky配置等
- 代码插桩，istanbul自动化覆盖率统计
团队贡献
如果实习中有价值的内容比较少的话，可以考虑多写一点自己对团队的贡献（也就是一些和开发无关的工作），常见的比如：
业务或者项目的梳理
- 梳理一些复杂项目的逻辑，产出阅读性强的文档，减少团队沟通协调成本
- 制作新人landing指南，帮助其他新同学快速熟悉工作，融入团队
- 组织技术分享/ 沉淀踩坑经历，等等
AI-coding相关
- 调研了大模型的相关能力，服务于团队的选型
- 封装了业务skills或者编写了某些rules便于团队复用
- 统计ai工具的提效指标（比如使用率、代码采纳率、工时节省率等）
不过有一说一，现在搞的这些ai相关的工作大部分都是帮助领导完成他的OKR罢了，即使根本没有提效你也要说出花来，只能说别人在搞的，你最好也搞一下吧。。
二、如何获取有价值的内容
- 实习之前尽可能获取岗位的信息，最重要的就是负责的业务和技术栈，可以在面试的反问环节多向面试官了解，避免踩坑。
- 有机会的话每天尽可能记录工作内容，虽然看起来是很多琐碎的杂活，但最后把所有东西发给ai能够激发它的灵感，让它产出更有条理性的表达。
- 项目开发文档或者产品需求的prd上一般会写项目要达成的目标，可以把数据指标包装进简历，最好了解清楚那些指标怎么算的。
- 多面试和复盘，面试过一两次之后会知道面试官怎么问实习经历，然后整理出一套自己的答案。
总之，平时多记录自己和团队的工作内容，快的话其实1-2个月就能写完实习产出了（很多时候内容都是重复的），剩下的时间可以跑路或者摸鱼（bushi），然后就是面试中迭代复盘了。
#你都用AI做什么#
