第一类是 RAG知识库问答系统。自己找数据（比如课程资料、博客、论文），做清洗、切分、向量化、检索，再接大模型生成答案。重点是你能说清每一层在干嘛。第二类是 小型Agent工具。比如自动整理会议纪要、自动写周报、或者“搜索+总结+输出报告”的流程，把工具调用串起来。第三类是 垂直场景应用，比如面向某个领域（求职、学习、法律基础问答）的AI助手。关键是“有具体用户问题”，而不是纯demo。

职场从来都不存在什么公平，雇主通常都是优势方而雇员是弱势方（行业大神除外），再加上我们国家人口众多，所以很正常的，公司作为雇主在面试应聘者的时候都是趾高气昂、高高在上（面试过n家公司的在一旁泣血控诉）。人有三六九等，公司也有三六九等，而面试官也有，有不少渣渣公司在面试求职者的时候，往往瞅准了求职者急于找到工作的心理，用各种手段把求职者耍的团团转，最后求职者还得对他们说一句：谢谢！下面是几种求职者经常会遇到的坑:第一种：打着招人的幌子实际上是为了解决公司项目上遇到的技术难题在我们求职过程中，有的公司动机不纯，通过各种理由欺瞒，将求职者在面试时的经验成果据为己有。最常见的就是以笔试为名将项目里遇到...

我认为可以把小厂当作能力验证的临时阵地，先积累真实项目经验，再寻求更好的平台。我当时接受小厂后，虽然内心仍有不甘，但很快发现小公司能让人更快承担完整责任，这点是大厂早期难以提供的。后来即使有大厂机会，我也会优先评估当前环境的成长速度。这段经历告诉我，决策时要看长远能力曲线，而不是被一时平台光环所左右。

1. 实习经历与项目细节（工程实践）  背景调查： 你实习的公司是什么性质的机构？主要业务是什么？ 职责确认： 在行情订阅项目中，你是从头开发的还是在原有基础上修改的？ 量化指标考察：  你处理的“海量行情数据”具体的量化指标是多少？（如：每小时多少合约、数据频率是秒级还是毫秒级、CSV文件具体多大？） 行情订阅的性能你是如何评估的？有没有具体的判断标准？   优化意识：  在内存使用上你做了哪些优化？（如：对象池、减少内存申请销毁）。 当发现转换一个文件需要半小时时，你有没有分析过耗时分布？有没有尝试优化？ 写入文件时是一次写一列还是一个数？具体的写入逻辑是怎样的？    2. 技术测试与D...