腾讯音乐前端一面

目前学了html，css，目前在学JavaScrip，我现在二本大三还要继续学前端吗我是数据科学与大数据技术的，我现在的继续学前端还是学自己专业的我现在非常迷茫学过一段前端正如上面所说，我想知道我现在算什么阶段还要继续学吗还是放弃专注自己专业知识算了

自我介绍与经历请做简单的自我介绍介绍三段实习经历及主要工作内容上一段实习结束/未转正的原因是什么JavaScript 基础for(var i=0; i<<5; i++) { setTimeout(() => console.log(i), 1000) } 输出什么？为什么？严格模式下使用未声明的变量会怎样？解释闭包及其常见陷阱事件冒泡与事件捕获的区别及执行顺序stopPropagation 与 preventDefault 的作用与区别ReactuseState 在定时器中出现闭包问题的原因是什么？如何修复？useRef 与 useState 的区别？使用 ref 为什么不会触发重新渲染？useEffect 依赖数组的作用及空数组的陷阱函数式更新 setState(prev => prev + 1) 的优势手写代码实现 delay(ms) 睡眠函数实现并发控制：限制同时发起的异步请求数量（如图片预加载限制并发数为5）使用 Promise 实现异步任务的调度与队列管理项目深挖（组件库/工程化）组件库如何做到逻辑层与 UI 层分离？双端（PC/移动端）复用的方案是什么？如何在不破坏 PC 端的情况下为移动端扩展特定逻辑？组件库 AI 集成（MCP/Skills）解决了什么痛点？具体架构是怎样的？如何处理组件库多版本文档的匹配问题？性能优化代码分割（Code Splitting）的原理及实现方式ESM 与 CJS 的区别？为什么 Tree Shaking 依赖 ESM？图片懒加载的实现方案（IntersectionObserver / scroll 监听）WebP 格式的优势及兼容性降级方案预加载（preload/prefetch）与懒加载的区别核心性能指标：FCP、LCP、CLS、FID 的含义及优秀阈值网络与浏览器HTTP/1.1、HTTP/2、HTTP/3 的核心区别与优化点HTTP/2 的多路复用解决了什么问题？如何根据 User-Agent 判断浏览器/WebView 版本及特性支持？

求求各位大佬指点我一下，投了半个多月，好多是已读不回的，有一个工作环境堪比缅北而且有白嫖嫌疑的我拒了，我要怎么提升，而且这个项目还有什么推荐的吗 ，真的是没招了

在我来鹅之后，接到的第一个完整大需求就是需要编写一个skill，之前的实习也写过一些skill，但是在我的理解中skill就是跟提示词没差，把你需要的目标全写上就好了，所以第一次mr我提交了一个超过1200行的md，被mt打了回去，为了完成这个需求，我又赶紧请教了我身边的大神同学，获取一些写skill的经验，将原先1200行的md进行了对应的references拆封，又通过我朋友教我的验证机制验证这个skill的效果，最后完成了我的第一个需求。正好前两篇文章给大家分享了写好的用来包装简历的skill，那么今天来给大家分享怎么去写一个好的，可以实际用来工作的skill，摆脱只会写提示词的尴尬。构建 Skill 的五个步骤Step 0：先写 EvalsEval（Evaluation，评估）是一套结构化的、可重复运行的测试用例集，用来判断 Skill 的表现是否符合预期。它不是泛指"测试一下"，而是开发 Skill 的前提条件。一个典型的 Skill eval 集至少包含三类用例：- 正例（Positive）：用户说“帮我看一下这个 PR 能不能合”，验证 Skill 应该被加载- 负例（Negative）：用户说“帮我把代码格式化一下”，验证 Skill 不该被加载——路由别跑偏到不该触发的地方- 边界（Edge）：“这个 PR 改了一行日志，要不要审”，验证边界情况下的路由行为正例和负例都要写，而且负例往往比正例更值钱——误触发是 Skill 路由的头号失败模式。Eval 不只是测一次。Perplexity 的 eval 分三个层次：如下图每种都要在 GPT、Claude Opus、Claude Sonnet 不同的 orchestration 模型上分别跑——Sonnet 和 GPT 的 Skill 行为差异很大，只在一种模型上过了不够。没有 evals，你改 description 就是在盲改，一个新 Skill 也可能悄悄搞坏已有的十个 Skill。Step 1：写 Description（最难的一行）description 是路由触发器，不是文档。写好它不需要关心 Skill 的内容，只需要关心能不能在正确的时间加载、有没有意外触发到不应该触发的地方——误触发是头号失败模式，每加一个 Skill 都有可能让其他 Skill 变差。糟糕的 description 描述 Skill 做什么，好的 description 说什么时候加载。举个监控 PR 的例子：不要写这个 Skill 做什么，要写工程师感到焦虑时会说什么——"babysit"、"watch CI"、"make sure this lands"。快速检查清单：- 以"Load when…"开头- 控制在 50 词以内- 描述用户意图，最好来自真实查询- 不总结工作流程Step 2：写 Body跟同事讲工作流程和跟 LLM 讲工作流程完全是两回事。对几乎任何面世超过一年的软件工具，只要提名字，模型已经知道怎么用。所以跳过模型已经懂的部分。不用写出每一步命令。比如不要写 git log → git checkout main → git checkout -b clean-branch → git cherry-pick commit。写 "Cherry-pick the commit onto a clean branch. Resolve conflicts preserving intent. If it can't land cleanly, explain why." 模型在后者上表现好得多，尤其是事情不按预期走的时候。太规定的指令比灵活的指令更脆弱。然后聚焦 gotchas 和反例，它们是最高信噪比的内容。每次 Agent 搞砸了就加一条，gotcha 会自然地累积起来。条件逻辑或内容太重的东西移出 SKILL.md，放到 accessory file 里渐进加载。Step 3：用层级结构- scripts/ —— 确定性逻辑，模型不用每次重新发明- references/ —— 重型文档，条件触发才读（"如果 API 返回非 200，读 api-errors.md"）- assets/ —— 输出模板，模型直接复制填充- config.json —— 首次运行设置，问一次保存下来对于极其复杂的 Skill，进一步考虑是否应该拆成一组 Skill，用 depends: 声明加载关系。Step 4：迭代切分支出来，在无 Skill 的状态下跑 hero query（核心用户场景查询），建 eval 集，反复调。提交 review 时最好一个 changeset 里自带 eval 集。Description 里的小词改动对路由影响很大，甚至会 spillover（溢出）到其他 Skill，所以这些在 Step 5 之前做完。Step 5：发布大家快把这5步实行起来，成为写skill专家吧！