那天我出门在外，刚结束一段外地的事情，匆忙赶去面试。到达地点时发现时间紧迫，周围又没有合适的咖啡馆或休息处，只能站在马路边等候。面试官打电话确认后，我就在路边站着，周围是来来往往的车辆和行人。风一阵一阵吹过，手机信号也忽好忽坏。尽管环境嘈杂，但我还是尽量调整状态：深呼吸、整理思路、把自己当成正常的面试场景。电话那头的面试官声音很专业，我也尽量用清晰的语言回答问题。中间有几次被路过的车声打断，但我都稳住情绪，继续把问题讲完。那一刻我才意识到，真正的面试不是看你在哪，而是看你能不能在任何环境下保持冷静、把事情做完。面试结束后，我站在路边松了一口气，也更明白：出门在外，真正能靠的，是自己的准备和心态...

面了5个实习生了，技术好的base不是特别考虑，base满足的技术又不太行，真难呀，各位优秀的学弟学妹们毛遂自荐呀【岗位职责】1. 算法优化与落地：重点参与图像编辑（Image Editing）领域的算法研究，特别是针对图像消除（Object Removal/Inpainting）任务的效果优化。2. 核心技术攻关：模型蒸馏：参与大规模生成模型的蒸馏工作，在保证生成质量的前提下，优化模型推理速度与显存占用。RLHF 对齐：探索并应用 RLHF（Reinforcement Learning from Human Feedback）技术，利用人类反馈数据优化生成模型的逻辑一致性与视觉美感。1. 实验与数据管理：负责相关算法实验的配置、运行与结果分析；协助进行高质量训练数据的清洗、整理与构建，建立更高效的数据 pipeline。2. 前沿探索：阅读最新顶会论文，复现并改进 SOTA 算法，探索提升消除任务鲁棒性的新方法。base：深圳薪资：200-400公司：传音邮箱：xin.wang4@transsion.com

在 Claude Code、Cursor 等 AI Agent 工具的使用过程中，MCP（Model Context Protocol）与 Skill（Agent Skill）是两个高频出现的能力扩展概念。二者看似都是为了增强 AI 的能力边界，但在设计哲学、技术架构和适用场景上有着本质区别。本文将从这三个维度，彻底厘清两者的核心差异、存在价值及选型原则。一、一句话核心区分MCP 和 Skill 是 AI Agent 能力扩展的两大核心支柱，定位截然不同：MCP 解决「连接」问题：让 AI 突破自身数据局限，访问外部世界的工具、数据源与服务。Skill 解决「方法论」问题：为 AI 注入专业的...