26届美团暑期实习TimeLine

去年秋招的时候看到有牛友分享可以用ai模拟面试就去试了试，大致就是把自己的简历发给ai让它以面试官的视角提问简历问题，尤其在项目那里确实会问一些很经典的问题，有些是后面面试官真的遇到了，而且当不知道怎么回答的时候还可以让ai帮你回答，自己整理一下，再复盘很有帮助其次也可以根据牛友分享的面经去提问ai，参考ai的回答自己参考

这两天跟网友聊天，是一个研一的学弟，他坦言自己读研只是为了提升学历，对代码编程没有任何天赋和兴趣，但是学长学姐们都去了研发岗位，他现在很纠结自己后面是不是也必须从中选择一个方向然后奔着研发岗去努力。然后我就意识到，读研期间，我们对研发岗是有很浓的滤镜的，本身就是工科专业，与计算机相关，所以实验室里前些年几乎所有人都是奔着软件开发或者机器人算法，反正只要不是继续读博，高低是个工程师。我问“那考公考编的多吗”，得到的回答基本上就是“万般皆下品，惟有研发高”。其实也好理解，往前倒推几年，研发岗位门槛低，赚钱多，都不用双九学历，只要是个单九硕，实验室那些师兄师姐随随便便进去就是总包四五十万，所以很多人...

✅ 大模型应用开发岗的技术栈=后端开发技术栈+AI落地相关技术栈。🌟后端技术栈后端技术栈已经有很多公开透明的学习路径这里就不展开来阐述了，无非就是编程语言基础、数据库（Mysql，Redis）、中间件等内容。🌟 AI应用相关技术栈AI应用相关技术栈需要考虑具体落地场景，大模型应用的落地目前主要有两个方向，一个是RAG，一个是Agent。1️⃣ Rag(检索增强生成)先看概览课，再看优化课，这里推荐langchain官方课程。并没有写详细的技术栈，是因为不建议单独的学每一个模块。而是先学整体应用，再去看每一个具体的技术栈实现。先会用，再研究。其实rag整个应用涉及到的技术栈基本有：开发框架（langchain，llamaIndex等），Embedding模型，大模型API，向量数据库（faiss，weaviate等），排序模型，prompts优化等，其中涉及到模型的不需要进入研究，了解大概特性既可，模型底层是算法岗职责。2️⃣ Agent(智能体)注意观看运行公开课，加深理解。基本技术栈也是开发框架（langchain，llamaindex，autogpt等），数据库（这里有向量数据库，有普通的关系型数据库和缓存数据库），function call（或者新出的mcp），prompts优化等。📳对于想求职算法岗的同学，如果想参加高质量项目辅导，提升面试能力，欢迎后台联系。

为什么面试问的越详细反而没有后文了？作为一名摸爬滚打了八年的Java开发者，经历了无数次面试与被面试，我观察到一个令人费解的现象：有时面试官问得越深入、越细致，仿佛对你的技术了如指掌，最终却石沉大海，再无回音。 这背后并非偶然，而是不同规模公司对人才需求的底层逻辑差异所致。结合我的亲身经历和思考，我认为核心在于：大厂赌的是你的“潜力”，而中小厂要的是你“立刻能干活”。🧠 大厂视角：深挖是为了验证潜力与深度思考能力在大厂的面试经历中（无论是作为候选人还是面试官），我深刻体会到他们对“问得深”有着不同的目标：“剥洋葱式”提问不是为了刁难，而是考察思维深度： 当面试官不断追问“这个方案为什么最优？...