上班是一件消耗人的事情，尤其是对于校招生，我能过很明显的意识到，虽然我都快要毕业一年了，而且自己也不是能力不足的拿这人，但因为沿用了在学生阶段形成的一套行为逻辑，经常还是会导致自己内耗。想到哪说到哪，其中比较典型的两点，过度听从指令和过度强调礼貌与配合。这两种特征在学校环境中通常是正向激励的结果：规则明确、评价标准清晰，个体只需要按照既定路径完成任务，就可以获得认可。但在更复杂的现实环境中，这套逻辑往往不再适用，甚至会带来效率和发展上的限制。一、从“服从指令”到“参与判断”学生思维的一个核心表现，是默认“答案在他人手中”。说人话就是，当面对任务或决策时，习惯先等待更高位置的人给出明确指示，再执...

暑期实习从2月开始投，面了两个月，流程该挂的都挂完了，腾讯字节一共号称是1.7w个hc，不知道都发给谁了，估计今年秋招要难顶。Timeline米哈游、美团、蚂蚁、微软等公司直接简历挂穿，没进面。携程：3.3 投递、测评3.12 笔试3.18 一面3.25 二面4.13 ai面（hr面）4.14 英语测评4.23 offer（已拒）腾讯：2.6 测评2.28 wxg一面3.5 wxg二面（挂）3.11 teg一面3.21 teg二面（取消）3.31 teg一面4.10 teg二面（挂）4.21 wxg一面4.24 wxg二面（挂）字节：1.28 aml约面（取消）3.17 火山一面（挂）4.8 aml一面（挂）4.20 抖音data一面（挂）阿里：3.23 投递、测评3.28 笔试3.31 淘天一面4.8 钉钉一面4.9 淘天二面4.10 阿里控股一面4.12 钉钉二面（取消）4.15 淘天hr面4.16 淘天offer（已接）4.21 高德一面（取消）4.22 淘宝闪购一面（取消）面试最大的感触是，现在撞上ai转型，一堆老业务急着转向，新业务非常不成熟，研究型的组bar非常高根本进不去，业务侧挂着算法的岗位干的都是工程活，面试却又要问算法，另外agent的落地也远没有那么广，绝大多数还是那套写死的系统调一下llm api或者做做rag，其余少部分真的在搭agent的，基本不能在线上服务用什么很智能的模型，现阶段成本太高，进去大概率就是给垃圾模型从工程方面兜底，除了业务场景的应用和数据经验以外，技术方面很难有什么提升。算法岗做不了基模的还是去搜广推好，之前判断失误了完全没投，秋招不知道还进不进得去。

1. 自我介绍2. 介绍一下你的项目3. MCP 和 Skill 的区别是什么MCP 更像标准化的能力接入协议，解决的是“模型怎么发现、描述和调用外部工具”的问题；Skill 更像高层动作抽象，解决的是“把多个工具和步骤封装成一个可复用能力”的问题。MCP 关注接口层和通信层，Skill 关注语义层和任务层。一个 Skill 可以内部调用多个 MCP 工具，但对上层 Agent 来说它仍然是一个原子动作。生产里如果把两者混为一谈，最后会变成工具越接越乱，Agent 决策空间越来越大，稳定性越来越差。4. 你怎么理解上下文窗口，哪个部分最占用 token上下文窗口不是“能塞多少文本”的问题，而是...