投春招这段时间，最深的感受就是：差距从有没有笔试就开始了。我是景德镇陶瓷大学计算机专业，没有大厂实习，项目也是学校里跟着做的普通项目。从三月开始陆陆续续投了几十家，有互联网中小厂、制造业信息化岗、本地企业、银行科技子公司、国企IT类。牛客首页一刷，全是美团、字节、腾讯、华为笔试晒图，说不羡慕是假的，更多的是无奈。我也投过大厂，但基本都是石沉大海，简历状态停留在“已筛选”就再也不动了。我很清楚，学校背景不占优势，简历也不够亮眼，很难挤进大厂笔试池。目前真正收到笔试的，都是一些对学校比较友好、偏向实用型的公司：几家本地制造业、区域互联网、银行科技岗、国企信息化岗。不多，但每一场我都很珍惜，都会提前...

大家都在说今年找实习难，但是字节跳动招7000+，腾讯招10000+，合计1.7万个实习生岗位。这规模都快赶上某些985大学一届本科生的总数了。但是具体细节确别有洞天，字节7000个坑，研发类占了4800；腾讯更夸张，技术产品岗直接扩招39%，潜台词：能熟练使用AI工具的复合型人才实习生越多，正式工越少，与其说是实习生不如说是临时工。国家应该限制实习，每个人实习有上限，另一个不允许企业大规模招超长期实习生

什么年代了，还有地主

1.多轮对话中，如果不同轮次的记忆发生冲突，你如何处理？这个问题本质上不是“删哪条、留哪条”，而是做记忆的版本管理。实际处理时一般会同时看三个维度：时间、来源、置信度。时间上通常新信息优先，但前提是它来自更可信的输入；来源上，用户当前轮明确表达、工具查询结果、系统写入，优先级通常高于模型从历史里自己总结出来的内容；置信度上，如果只是一次低置信抽取，不会直接覆盖长期稳定画像。工程上我会把记忆拆成两层，一层是 event log，完整保留用户每次表达过什么；另一层是 materialized profile，也就是给模型使用的当前画像。冲突发生时，不是直接物理覆盖，而是先记事件，再按规则刷新画像。...