给后端找不到实习的各位一个小建议

https://github.com/affaan-m/everything-claude-code这个项目叫everything-claude-code，目前已经有13万星，是Anthropic的黑客松冠军用了10个月打磨出来的。你可以理解为给Claude Code、Codex这类AI编程工具装了一整套现成的经验包。越来越多的人开始vibe coding了，真正麻烦的往往不是第一下能不能跑起来，而是后面怎么记住上下文、怎么自动检查、怎么把任务分开做......这个仓库基本就是在补这些东西。比如：token优化，讲的是怎么少占上下文；内存持久化，讲的是这次聊完的东西下次还能接着用；持续学习，讲...

继上次三方毁约后，又拿到了腾讯社招offer

为什么面了八次次次都是一面挂，次次都不说原因，问了面试官就是插科打诨，为什么别人一面就过呢，真的没有缘分呀。不考编程就是脑筋急转弯的概率题，考了编程a了也不过没a也不过 总之就是不过，没一次二面，深深的怨念。觉得我不够资格就直接拉黑简历呗，每次都捞起来重新拷打一顿什么意思呢。

1. 你做过的后训练项目里，最难解决的问题是什么2. SFT 数据你怎么构造，怎样避免模型被训练“油了”SFT 最大的问题不是量不够，而是数据风格太单一，最后把模型训成一种固定腔调：很会说、很圆滑、但信息密度低。构造数据时我一般会先按任务拆层，比如信息抽取、工具调用、复杂问答、拒答、安全、长文总结、结构化输出，每一层的目标都不一样。然后再做难度分桶，避免模型只见过简单样本。另一个关键点是负面风格清理。很多数据表面上没错，但非常模板化，比如“这是一个非常好的问题，让我们一步一步分析”，这类东西在少量数据里没问题，规模一大就会把模型带偏。所以我会专门清掉这种“高礼貌、低信息”的样本，保留更接近真实...