27届双非前端想找第一次实习

各位佬,帮忙看看这份简历还有什么问题,目前大三想找三月份的前端开发实习,能帮忙看看有什么可以修改的,还在背八股😭
全部评论
感觉问题不是很大,准备好就可以投了
1 回复 分享
发布于 03-09 09:28 广东
兄弟一个项目哪里找的啊
点赞 回复 分享
发布于 03-07 20:49 重庆
好好准备下项目的重难点,有时间可以了解一些ai知识~准备完后可以看下米哈游哦,有前端实习岗位~欢迎随时私聊
点赞 回复 分享
发布于 03-06 21:29 上海
隔壁学校的,考虑来pdd实习吗,部门hc充足
点赞 回复 分享
发布于 03-06 20:04 上海

相关推荐

一、个人技能:AI 工程化能力矩阵见下图⬇️------二、项目难点深度阐述(STAR 话术参考)2.1 模型选型:不只是“会用”,而是“会选”技术要点:• 文生图/视频:SDXL(开源可控)、Midjourney(艺术质感)、Sora(长视频逻辑)。选型关键看 Latency(延迟) 与 Cost(成本)。• 多模态:GPT-4V(强推理)、Gemini Pro Vision(性价比)。难点在于视觉问答(VQA)的 prompt 构造。• 编码模型:DeepSeek-Coder(开源首选)、Claude 3.5 Sonnet(代码解释强)。选型依据是 Context Length(上下文长度) 和 Repo 理解能力。2.2 规划:ReAct 编排机制技术原理:ReAct = Thought (推理) → Act (行动) → Observe (观察)。它通过显式生成推理链(“我需要先查A,再查B”),解决了 LLM 的“黑箱决策”问题,让 Agent 具备可解释性 。落地难点:• 循环失控:Agent 容易陷入死循环(如一直搜索不到结果)。• 解决策略:设置 Max Iteration(最大步数) 和 Self-Correction(自我修正) 机制。例如,在 Thought 步骤强制要求“如果失败,下一步策略是什么”。2.3 记忆:从“聊天记录”到“工作记忆”架构设计:• 短期记忆:存储在内存或 Redis 中,仅保留最近 3-5 轮对话,用于维持会话连贯性。• 长期记忆:基于 RAG + 向量数据库(如 Chroma, Milvus),存储项目文档、用户画像,实现跨会话的知识复用 。Agentic RAG 实战难点:1. 上下文过长:采用 “渐进式加载”(Progressive Loading)。先检索摘要,Agent 判断需要详情时再拉取全文,而非一次性灌入所有内容。2. 噪音控制:严禁将工具调用的中间结果(如 raw JSON)直接塞入上下文。必须经过 Extract-Transform 步骤,只保留关键字段,避免干扰 LLM 的注意力 。2.4 工具调用:MCP 底层原理与实战MCP 核心流程:MCP 通过 JSON-RPC 2.0 协议,在 Client(模型端) 和 Server(工具端) 间建立标准化通信 。1. 初始化:Client 向 Server 发送 initialize,协商能力(Tools/Resources)。2. 调用:Client 发送 callTool 请求,Server 执行并返回结构化结果。3. 传输:本地用 stdio(低延迟),云端用 SSE/HTTP(分布式)。自定义 Skills 技巧:• Skill 封装:将“查数据库”封装为 query_database(sql),而非直接让 LLM 拼接 SQL 字符串。• 权限与安全:在 MCP Server 层做参数校验和权限拦截,防止 LLM 生成恶意指令。—————————1. MCP 是未来:它解决了工具生态碎片化问题。以前每个模型都要写一套插件,现在工具只需实现一次 MCP Server,即可被所有客户端(Claude, Cursor)复用 。2. Agentic RAG > 传统 RAG:传统 RAG 是“检索→回答”的管道,而 Agentic RAG 是“观察→决策→检索→反思→行动”的闭环,具备自主决策能力 。最后建议:在介绍项目时,务必强调你如何解决“Token 成本”和“幻觉控制”这两个工程核心痛点,这比单纯罗列技术栈更有说服力。
简历上如何体现你的“AI...
点赞 评论 收藏
分享
记录一场特别的面试,这是我求职以来面得最差的一次,却也是收获最多、成长最大的一次,来牛客记录感悟,分享给正在求职的小伙伴。这段时间我一直以积累面试经验为主,前几次自我感觉良好,摸索出了面试逻辑,还误以为自己已摆脱学生思维,能从容应对各类提问。但今天的面试官跳出传统框架,先介绍企业情况,再从全新角度探讨我简历上的内容,到后期几乎全程是我向他提问,他耐心解答并引导我思考。最触动我的是,我答不上问题时他会主动指导,还会提前说明可能超出我认知的问题“不答也没关系”,这份包容让我彻底放松。他问我“人生中的成功是什么”,我思索良久后回答,过往经历塑造了我,我也能主动塑造未来。他接着围绕“主动”追问事例,让我更清晰地剖析自己。这次面试最大的收获,是学会了问自己“为什么是我”——无论面对岗位竞争还是工作任务,多问一句,才能明确自身优势与不足。他还和我聊了职场真相,那些我已知的道理,经他一说变得无比真切,他笑着提及职场的冷酷与个人的微小,让我对职场有了更清醒的认知。以前我十分抵触dirty work,觉得繁杂且无价值。他用桌子的例子点醒我:社会分工本就是各司其职,重复做好小事才能提升效率;职场中,把小事做精,才能让领导看到价值,获得更多机会。他还分享了实用职场思维:学校里我们答问答题,工作中要给领导提选择题。他问的刁钻问题贴合职场实际,还纠正了我处理部门利益冲突的固有思路。虽然大概率拿不到这个岗位,但我毫无遗憾。他的指导让我实现了思维提升,坚定了自身想法,这场面试超值又有意义。我也清醒认识到自己仍有较重的学生思维,成长之路还很长。很庆幸遇到这样真诚专业的面试官,这份收获远比一个offer更珍贵❤️
点赞 评论 收藏
分享
评论
3
7
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务