这段时间越来越强烈的一个感受是：现在不少人对 Agent 开发的理解，还停留在“接个大模型接口 + 配几个工具 + 跑个演示页面”这个阶段。但只要项目开始往真实场景走，问题立刻就会从“能不能跑起来”，变成“能不能稳定工作”。也就是说，Demo 阶段拼的是搭建速度，落地阶段拼的是系统能力。真正折磨人的，从来不是那几行 API 调用代码，而是后面一整串工程问题：工具该怎么组织，模型才能正确选用？检索链路怎么设计，召回效果才足够稳定？上下文越来越长时，记忆如何管理？模型一本正经胡说八道时，系统如何收口？想让体验更自然，流式输出该怎么处理？这些才是 Agent 开发真正开始“见水平”的地方。先说一个现...

大四上学期在某厂实习了三个月，说说真实感受吧。进去之前幻想的是参与核心项目、接触前沿技术。实际上每天就是写一些边角需求，改改前人的代码，开不完的会。mentor人挺好但也很忙，大部分时间还是自己摸索。最大的感触是：大厂没有想象中那么光鲜。工位很挤，实习生能接触到的东西真的有限，很多核心代码权限都没有。现在春招我反而没那么执着大厂了，更看重具体做什么、团队氛围怎么样。实习过一次之后你就会发现，公司名字真的只是个壳子，每天干的活才是实实在在的。

经历了一年多的简历修改，现在还没有尝试海投，八股文感觉还没有准备好，就背了Java jvm啊 MySQL spring 那些，上半年光去实习了，没有背全忘了，最近又开始八股，感觉很没有底气去投。第一次小厂面试一下就过了，就演示了下自己可以运行的项目，好像还问了索引 aop 这些，所以现在很没勇气再去尝试。想请教下现金三银四是说现在投递找什么实习？面试是都有有笔试还是特定大公司才有，还有现在投递的是日常实习吗还是暑假实习呀，或者有没有大佬再帮我看下简历提点意见，就压力很大啊

1. 你做过大模型数据处理的话，预训练数据清洗一般怎么做，去重、去噪、质量过滤分别解决什么问题？预训练数据清洗本质上是在控制“数据量”和“数据质量”之间的平衡。去重主要解决模型反复记忆同一批内容，避免浪费训练 token，也减少 benchmark 污染。去噪主要是过滤乱码、模板页、广告页、低信息密度文本、机器生成垃圾内容，不然模型会学到很差的语言模式。质量过滤更偏向保留高价值内容，比如结构完整、语义通顺、知识密度高、代码块规范或者问答对明确的数据。实际工程里一般不会只靠一个规则，而是多阶段处理：先做规则清洗，再做语言识别、长度过滤、内容打分，最后再结合 dedup 和采样策略。因为预训练效果...