大二软件工程实习选择前端还是后端呀

各位大佬好，我目前是双非大三，上学期学过后端但会的不太多，学的过程比较难绷现在考虑转前端或者测开能够暑期找到实习互联网天天给我推送计算机已死后端已死前端已死测开没前途ai干掉一半人，搞得人非常焦虑在此真诚地问我还有机会入行吗以及两种哪个更优

1. 自我介绍如果不会, 可以看看我这篇文章 : 记住这几个回答，起码面试不减分2. 针对之前的实习进行提问3. vector 的 push_back 和 emplace_back 有什么区别push_back：先创建临时对象，再拷贝/移动到容器，存在额外开销；emplace_back：直接在容器内存原地构造，无临时对象，效率更高；C++11 后优先使用 emplace_back。代码示例 #include <vector> #include <string> using namespace std; int main() { vector<string> ...

我本科一直做 Web 相关开发，技术栈主要是 React / Node / TypeScript / Python。一开始接触大模型，其实和很多人一样：写 prompt、接 API、做点 demo。但很快我就发现，如果只是“调 API + 写 prompt”，其实很难真正做出复杂的 AI 应用。这篇文章主要分享一下：从前端工程师转向 Agent 开发，我的一些经验和踩过的坑。一、很多人刚接触大模型时，会觉得 AI 应用开发就是：写 Prompt调 OpenAI API输出结果但实际上，如果要做复杂应用，真正的问题通常是：上下文管理（Context Engineering）工具调用（Tool Use）任务轨迹设计（Agent Trajectory）状态管理（Memory / State）成本与延迟控制这些其实更接近 系统工程问题，而不仅仅是 prompt 的问题。二、前端背景有几个优势1 状态管理经验前端：state → viewagent：state → reasoning → action本质类似。2 工程能力前端工程师通常很熟悉：模块化API 设计工程结构渐进式披露（很重要）这些在 Agent 框架设计里很重要。3.相关技术栈openclaw，cluade code和opencode均使用typescript作为其主要开发语言，ts在agent项目里的使用比重很高。三、Agent 的核心其实是“轨迹”很多人以为：prompt → answer但 code agent 实际是：thought→ tool call→ observation→ thought→ tool call→ ...所以关键问题变成：如何设计agent loop如何设计 tool如何设计 observation如何管理上下文四、最近面试和做项目的过程中，我也有一些反思：1 多复盘，而不仅仅是做项目很多时候不是做得不够多，而是复盘不够。2 定量大于定性不要只说“优化了性能”，而是尽量给出指标：- latency ↓- token cost ↓- success rate ↑3 多方案 trade-off工程问题通常没有唯一答案，关键是：- 方案 A- 方案 B- 为什么选 B4 技术要服务业务不仅要看技术指标，还要看：- 用户体验- 成本- 整体业务效果5 尽量 close ticket，而不是一直做 demoAI 领域很容易陷入“做很多酷的 demo”但真正的工程能力是：解决具体问题并落地。五、如果你也是 Web 开发背景，其实完全不用焦虑“AI 门槛很高”。很多 AI 应用开发，本质上还是工程问题：系统设计状态管理工程架构只是多了一个新的组件：LLM。如果你已经有扎实的工程基础，再补充一些：LLM 基础Agent 设计Context Engineering其实是可以很自然地转过来的。

写代码遇到bug时，你一般怎么排查？能举个最近解决的小例子吗？  “我遵循 ‘现象→定位→根因→修复→预防’ 五步法： 1️⃣ 复现与观察：明确触发条件（如‘仅iOS端提交订单失败’） 2️⃣ 日志追踪：查应用日志+链路ID（项目中集成SkyWalking） 3️⃣ 工具辅助：Arthas动态监控方法参数、Postman模拟请求 4️⃣ 最小化验证：写单元测试隔离问题模块 最近案例：  现象：测试反馈‘修改收货地址后，订单仍显示旧地址’ 排查： • 日志发现addressService.update()返回成功，但订单查询仍为旧值 • 用Arthas监控：watch com.service.A...