1.why hsbc2.what is ur hobby3.how do u walk out of ur comfort zone还有一些不记得了，反正英语说得一坨技术面：1.写了一道列表左右比大小的算法题2.vibe coding要怎么做

笔试做了不少，约面率几乎为0。后来才知道很多公司都是海笔，笔试完之后再筛简历，如果你的简历不过关，那么笔试成绩再高也没用，要么就是一直在筛选中，要么就是笔试完直接就挂，哪一种都很难受，所以还是希望少一些海笔，多一些面试。

最近好多人问我这个问题，我自己也是纠结过很久，现在秋招春招走下来，多少有点感触了，写出来给大家参考参考。先说结论：没有绝对的好坏，取决于你处在哪个阶段、手里有什么牌、以及你缺什么。📌大厂实习优点很明显，大厂的title确实好用，简历关会好过很多，面试的时候面试官也更容易认可你的经历，毕竟流程规范、业务体量大，哪怕你干的活再边缘，说出去也是有背书效果的。而且大厂的实习流程相对成熟，mentor制度、内部文档这些都比较全，对第一次实习的人来说，能快速建立对流程工作的认识。不过缺点也存在，很多时候大厂实习生干的活真的很碎，可能会在大厂实习三个月，每天就是导数据、做周报、跟会议纪要，项目都没摸全。还有就是转正这件事，现在大厂hc锁得厉害，暑期实习转正都不一定稳，更别说日常实习了~📌小厂实习小厂的好处是你能接触到的东西更杂更全，我有一段中厂的经历，虽然公司不大，但因为人手少，我从运营到产品甚至商务都掺和过，面试的时候聊起来反而有很多可以讲的，因为真的亲手做了落地的东西。而且小厂的氛围通常更灵活，mentor可能就是直接带你的人，关系更近，学东西也更直接。缺点就是title确实吃亏，我投简历的时候明显感觉到，有些大厂筛简历就是看学校+实习公司名字，小厂经历有时候直接被忽略。还有就是小厂的流程不规范，有的公司去了就是自己摸索，没人带，成长全靠自己踩坑，体验差别很大。📌我自己的感受我三段实习里，有大厂也有中小厂，现在回头看，这样安排还不错：第一段实习可以去小厂，快速上手、积累能落地的项目经验；第二段争取去大厂，拿个title，看看规范化的工作流程；第三段，那就看自己缺什么，想转正就找有hc的，想刷简历就继续冲大厂。我发现面试官其实更在意的是你在实习里到底做了什么、有没有自己的思考，而不是单纯看公司名字。大厂经历是敲门砖，但聊得深了，还是看你有没有真东西。小厂经历只要你能讲清楚做了什么、解决了什么问题、有什么复盘，反而更容易出彩。最后想说，不管大厂小厂，能让你有成长、能给你空间去试错、能让你在面试时有东西可讲的，就是好厂。别太纠结，有offer先接着，实在不满意再骑驴找马，总比干等着强！

Claude Code 51 万行源码泄露，是一场低级失误引发的行业地震，更是一次免费的技术普惠。它证明：顶级 AI 编程助手≠大模型堆参数，而是架构设计 + 工具编排 + 上下文管理 + 安全机制的综合工程。从六层架构到 Multi-Agent、智能压缩，这套设计已经成为 AI Coding Agent 的事实标准。1.用户交互层：终端 UI，自研引擎不卡技术：React + 自研 Ink 渲染引擎（重写 Reconciler，80 + 文件）。核心：解决 AI 流式输出（每秒几十次更新）的卡顿问题，用双缓冲渲染实现 16ms 级流畅刷新。形态：CLI 命令行、支持彩色 / 滚动 / 实时编辑、多面板布局。2. 命令与技能层：100 + 斜杠命令，降低门槛作用：把复杂 Agent 能力包装成/commit、/diff、/tasks、/agents等Slash 命令，开发者不用记复杂语法。能力：覆盖 Git 工作流、多 Agent 管理、任务调度、外部工具接入（MCP 协议）。3. 核心引擎层（大脑）：QueryEngine + 工具 + 权限三驾马车这是 Claude Code 的灵魂，4.6 万行代码的 QueryEngine 是绝对核心。QueryEngine：对话编排中枢，负责任务拆解、思维链、工具选择、循环重试、结果汇总，把自然语言转成可执行步骤。工具系统：定义 40 + 标准工具（文件、Bash、Git、搜索、子 Agent），支持动态扩展、并行调用。权限框架：细粒度工具审批（自动 / 手动确认）、危险命令黑名单（rm -rf）、沙箱降权、审计日志。4. 服务层：对接大模型与外部能力核心服务：claude.ts封装所有 Anthropic API 通信，管理请求 / 响应 / 长连接、流式输出。外部集成：MCP 协议（Model Context Protocol）接入第三方工具、Git/GitHub API、文件系统、终端命令。5. 上下文与记忆层：解决 AI “失忆”，长对话不崩Claude Code 最惊艳的设计之一 ——四层记忆 + 智能压缩，支持超长会话、项目级理解。系统提示（claude.md）：项目级规则（技术栈、规范、风格）。目录状态：代码树结构、关键文件、依赖关系。对话摘要：历史压缩，保留关键信息、剔除冗余。实时上下文：工具调用最新结果、当前编辑内容。压缩机制：上下文用到 75%~92% 时自动触发，按信息密度（代码占比）优先压缩低价值内容，避免 Token 爆炸。6. 基础设施层：运行底座运行时：Bun（非 Node.js）—— 更快启动、更低内存、原生 TS 支持。状态管理：React Hooks 全局状态、文件持久化、跨会话记忆。安全沙箱：本地权限隔离、命令白名单、操作审计。三、藏在代码里的 5 大黑科技：为什么 Claude Code 比普通 AI 助手强？1. Multi-Agent 蜂群协作：一个需求，一群 AI 干活泄露代码曝光了未发布的多 Agent 系统—— 彻底告别 “单个 AI 串行干活”。主 Agent（协调器）：拆解任务、分发、汇总结果。子 Agent（分工）：前端、后端、测试、文档各守一职，独立上下文、并行执行。通信：共享消息总线，直接对话、无需人工中转。效果：200k Token 任务拆成 3 个 70k 并行，速度 ×3、质量更高、不丢上下文。2. 双模式推理引擎：快任务秒回，复杂任务深度啃快速路径：轻量子模型，延迟 < 50ms，处理简单查询（解释代码、查函数）。深度路径：全模型 + 多阶段推理 + 工具循环，支持7 小时 + 无中断代码重构。3. Hook 自动化：开发流程 “自动驾驶”事件驱动触发器，7 类核心 Hook（文件编辑、消息、工具 / 任务前后），改 JSON 就能配置自动化：改测试→自动跑 Lint；提交前→自动跑测试；写入文件→自动规范校验。4. 代理式搜索（Agentic Search）：不上传代码库，更安全传统助手（Copilot）要把整个代码库上传云端索引，隐私风险大。Claude Code：按需调用工具，只读需要的文件、本地处理，不把全库发云端。5. 反竞争防御：偷偷塞 “假工具”源码曝光：每次 API 调用会混入几个假工具—— 专门污染偷数据训练竞品的人，属于 Anthropic 的 “商业防御黑科技”。