27四非本，字节后端实习OC

AI的世界正在日新月异的变化发展着，尤其是身处在互联网工作，感受更加明显；之前一直流行要怎么写Prompt，现在又新出了Skills，这两天Clowbot又刮起一阵热潮。。。。虽然各种在AI软件里，你可以通过自然语言得到自己想要的，但对于真正想要投身互联网科技相关工作的，Prompt能力在当下来说仍是重中之重为什么？因为在AI时代， 如果把AI比作一个拥有无限知识的“超级实习生”，那么Prompt就是你作为管理者下达的“工作简报”。一个含糊不清的指令，只会得到平庸的复读；而一个精准的Prompt，会放大AI的产能，而且现在很多实际工作中经常会需要涉及针对不同的业务场景来撰写相应的Prompt ...

不知道为什么会有这种雷霆惩罚

最终还是婉拒了小红书的offer，厚着脸皮回了字节。其实这次字节不管是组内的氛围、HR的沟通体验，都比之前好太多，开的薪资也还算过得去，这些都是让我下定决心的原因之一。但最核心的，还是抵不住对Agent的兴趣，选择了Ai Coding这么一个方向。因为很多大佬讲过，在未来比较火的还是属于那些更加垂类的Agent，而Ai Coding恰好是Coding Agent这么一个领域，本质上还是程序员群体和泛程序员群体这个圈子的。目前也已经在提前实习，也是全栈这么一个岗位。就像最近阿里P10针对前端后端等等不再那么区分，确实在Agent方向不太区分这个。尤其是我们自己做AI Coding的内容，基本上90%左右的内容都是AI生成的，AI代码仓库贡献率也是我们的指标之一。有人说他不好用，那肯定是用的姿态不太对。基本上用对Skill、Rules 加上比较好的大模型基本都能Cover你的大部分需求，更别说Claude、Cursor这种目前看来Top水准的Coding工具了（叠甲：起码在我看来是这样）。所以不太区分的主要原因，还是针对一些例如Claude Code、Cursor、Trae、Codex、CC等一大堆，他们有很多新的概念和架构提出，我们往往需要快速验证（MVP版本）来看效果。而全栈就是这么快速验证的一个手段，加上Ai Coding的辅助，目前看起来问题不大（仅仅针对Agent而言）。而且Coding的产品形态往往是一个Plugin、Cli之类的，本质还是属于大前端领域。不过针对业务后端来看，区分还是有必要的。大家很多人也说Agent不就是Prompt提示词工程么？是的没错，本质上还是提示词。不过现在也衍生出一个新的Context Eneering，抽象成一种架构思想（类比框架、或者你们业务架构，参考商品有商品发布架构来提效）。本质还是提示词，但是就是能否最大化利用整个上下文窗口来提升效果，这个还是有很多探索空间和玩法的，例如Cursor的思想：上下文万物皆文件， CoWork之类的。后续也有一些Ralph Loop啥的，还有Coding里面的Coding Act姿态。这种才是比较核心的点，而不是你让AI生成的那提示词，然后调用了一下大模型那么简单；也不是dify、LangGraph搭建了一套workflow，从一个node走到另外一个node那么简单。Agent和WorkFLow还是两回事，大部分人也没能很好的区分这一点。不过很多人说AI泡沫啥啥啥的，我们ld也常把这句话挂在嘴边：“说AI泡沫还是太大了”诸如此类。我觉得在AI的时代，懂一点还是会好一点，所以润去字节了。目前的实习生活呢，除了修一些Tools的问题，还包括对比Claude、Cursor、Trae在某些源码实现思想上的点，看看能不能迁移过来，感觉还是比较有意思。不过目前组内还是主要Follow比较多，希望下一个阶段就做一些更有创新的事情哈哈。这就是一个牛马大学生的最终牧场，希望能好好的吧。说不定下次发的时候，正式AI泡沫结束，然后我又回归传统后端这么一个结局了。欢迎交流👏，有不对的🙅不要骂博主（浅薄的认知），可以私聊交流

心态爆炸，二次面阿里，透心凉，发个面经攒人品说出你记得的排序算法快排、冒泡实现思路（当场就想起来这两）TCP为什么要四次挥手什么是进程？和线程的区别？并发进程会有什么问题？进程的通信方式有哪些？分别介绍一下什么是虚拟内存？除了内存扩展，虚拟内存其他的作用（这里没明白想考察什么）Linux常见的命令背一下Linux怎么实现批量替换文本？现在有一个程序部署在Linux上运行很慢，说一下排查思路（没明白和Linux有什么关系）Linux有什么检测死锁的工具？对volatile的理解对synchronized的理解synchronized在不同方法上的锁粒度？两个线程并发访问不同的方法锁会发生什么？J...