一些个人见解，主要是记录下找暑期的感受，希望下面的建议能帮到别人。如果你是顶2/末9以下，现在还是0实习的话，我认为可以准备考研或先投投小厂等秋招再战。1.海投，在暑期投了大概20多家吧，对于我0实习末9本的bg，简历不过筛是常有的事，所以最重要的就是得海投。2.项目，我最后简历上写的是点评+外卖和AI对话两个项目，实际面试中感觉对项目的提问占比非常大，所以一定要把项目摸透。另外最好还是得有个和AI相关的项目，最好知道评价项目的量化指标（比如RAG召回率、准确率，响应时间之类的），让你跟面试官有的聊。强烈建议去看看讲解Claude Code泄露的讲解视频，我现在的公式吟唱就是“我现在的某个模块...

所以这种问题（问在不在xxx）到底应该怎么回答啊

一直觉得自己的样貌介于“路人”和“不算很丑”之间，也没有捣鼓自己脸和穿搭的习惯，无论面试或路演还是旅游又或者现在的上班，除了见客户会比较正式，其他时间都收拾收拾像个人算了…最近一次也是最为震撼的一次关于容貌颜值的点评，是在去年的培训；HR老大严肃地说，因为业务岗位的特殊性，他们确实会筛选掉不好看的人，商务的形象非常重要…我大为震撼，环顾一圈看着那些高学历的俊男靓女，彻底红温几乎想要原地逃跑看来面试时展现出的能力确实能弥补颜值上的不足回到正题，所以客观来说，长得好看确实能在一定程度上提高面试的通过率，因为长相过于抽象大概率一开始就被筛掉了。但是美貌+任何牌都是王炸，只有单出是死局，能力不足再好看也没用哦～提升自己长相的加分点操作有很多，不一定纯吃天赋建模，大部分人保持干净卫生就已经能拿好及格分了嗯我大学时曾经想健身变成肌肉女来加分，于是美美爽吃一学期变成死肥宅后，发现工作后完全没时间健身撸铁…

1.问实习2. 项目拷打3. LLM 落地部署有什么好用的 trick？答案：现在 LLM 落地里，很多时候改模型不如先改数据和链路。第一步是把线上 badcase 分桶，区分是检索错、提示词错、模型能力不足、工具返回错还是数据源脏；第二步是做数据闭环，把高频错误变成 SFT、偏好对、规则样本或者评测集；第三步是做推理侧优化，比如 KV Cache、continuous batching、量化、prefix cache 和路由小模型。比较实用的 trick 是不要盲目微调整个模型。很多业务问题是知识更新、格式不稳、证据引用错，这些更适合通过 RAG、结构化输出、后校验和数据清洗解决。只有当错误...