Offer选择求帮助

刷到这个话题真的太有发言权了，作为计算机专业的后端开发，我先在杭州某大厂实习了半年，秋招失利后又去了一家本地小厂实习了 3 个月，两段经历天差地别，今天就跟牛友们唠唠最真实的体感，没有半句虚话。先说说大厂实习的日子，我去的是字节杭州的商业化部门，做后端开发。刚进去的时候，真的被大厂的规范震撼到了。入职第一天，就有完整的新人手册，从代码规范、开发流程、权限申请，到上线规范、故障处理，全给你安排得明明白白。有一对一的 mentor，还有专属的新人培养计划，前两周不用写业务代码，就是熟悉架构、跑通流程，mentor 会耐心给你讲每一个环节，连 Git 提交规范都会一点点教你。但大厂实习最真实的感受，就是极致的规范，和极致的螺丝钉感。我在大厂待了半年，写的最多的就是 CRUD 接口，负责的永远是一个大项目里的某一个小模块的某一个小功能，连整个项目的完整架构都很难接触到。所有的流程都卡得死死的，需求评审、技术评审、开发、code review、测试、灰度、上线，每一步都要走流程，一个需求从评审到上线，快则两周，慢则一个月。你不用考虑太多业务逻辑，不用操心架构设计，甚至不用想代码怎么优化，因为所有的规范都给你定好了，你只需要当好一颗螺丝钉，把分给你的那一小块活干好就行。当然，大厂的好处也显而易见。食堂免费、房补每月 1500、下午茶、健身房应有尽有，实习薪资也比小厂高了快一倍。更重要的是，这段经历写在简历里，秋招投任何一家公司，基本都能过简历关，这是小厂实习比不了的。再说说小厂实习的经历，是杭州一家不到 100 人的创业公司，做企业级 AI 应用的，我去了之后直接进了核心研发组。和大厂完全相反，这里没有那么多繁文缛节，没有层层审批的流程，甚至连严格的 code review 都没有。入职第二天，leader 就把一个完整的 RAG 优化需求交给了我，从需求对接、技术方案设计、开发测试，到上线运维，全让我一个人负责。在小厂的 3 个月，我接触到的东西，比在大厂半年都多。在大厂我连数据库权限都只有只读，在小厂我能直接接触核心业务库，能参与整个产品的架构设计，甚至能跟老板直接聊产品的迭代方向。但小厂的问题也同样突出。没有规范的培养体系，没人带你，所有东西都要自己摸、自己踩坑。写的代码没人 review，上线出了问题全要自己扛，有次我写的接口上线后出了性能问题，凌晨两点被喊起来回滚，连个帮忙的人都没有。福利更是没法比，没有房补、没有食堂，实习薪资只有大厂的一半，连五险一金都是按最低基数交的。更重要的是，这段实习经历，在秋招里的含金量，和大厂完全不是一个量级的。很多人问我，大厂实习和小厂实习最大的区别到底是什么？我觉得，大厂给你的是下限，小厂给你的是上限。大厂会用成熟的体系，帮你建立规范的职业习惯，让你知道正规军是怎么打仗的，给你的简历镀上一层金，哪怕你只是个螺丝钉，也能拿到行业的基础入场券。但你很容易被困在自己的小模块里，看不到全局，成长全靠自己主动。小厂不会给你兜底，没有规范的体系，你要自己摸爬滚打，踩很多坑，但你能接触到完整的业务闭环，能亲手把一个需求从 0 到 1 落地，你的成长速度和上限，完全取决于你自己。最后给牛友们一句真心话：如果你是为了秋招简历镀金、想学习正规的研发流程、求稳，那闭着眼选大厂；如果你已经有了基础的项目经验，想快速练手、接触核心业务、提升全栈能力，那靠谱的小厂，也是很好的选择。没有绝对的好坏，只有适不适合自己

体验最差的一次。🕐面试时间：40min❓面试问题：自我介绍拷打实习，实习是一个偏运维的活，但我面的是后台开发，然后问两个k8s生命周期的问题，一点没准备（这个问题没回答出来，就已经不想要了感觉）让我自由发挥，讲一些能体现自己技术能力的经历（不应该是看简历，挑自己感兴趣的聊吗？）随便扯几个八股糊弄时间（如何保证幂等性，volatile和synchronize）使用vibe coding的心得（中间要引入一个新需求，改好了以后引发后续问题怎么办）🙌面试感想：中间夹杂着两次网络波动（感觉不是我的问题，其他面试都没这样过），感觉整个过程很不耐烦，最后出去秒挂

请大家帮忙看看简历，之前在一家小厂实习过，我现在在纠结要不要把这段经历放在简历上。之前的一版是没有这个实习，还放了一个黑马点评上去（在boss上打招呼700+无面试，大厂只投了携程和PDD，等待笔试中）。问问大家是要原来那版三个项目的，还是这一版，或者是只放两个项目？以及有没有哪些需要修改的地方。谢谢大家

发一下问题给大家参考，攒攒人品！1.项目拷打2.做这件事的过程中具体使用了哪些方案或者手段去达成目标?3.这个项目做完之后的最终效果是什么样的?4.整个系统的技术链路是怎样的?5.整个系统存储数据用的是什么?存在什么地方?采用了什么记录方案?6.query做了什么处理7.你自己做了一些模型的微调训练，请问这些训练数据是从哪里来的?8.当时微调选用的模型是什么，选的是什么尺寸(参数量)?9.你自己觉得这个项目最终做完之后，还存在哪些问题或不足?10.传统n!p做分类场景训练的时候，最后的损失函数一般是什么?11.除了交叉熵，还有没有其他可以衡量两个分布之间差异的方式?12.KL散度和交叉熵有什么区别?13.评估指标中的召回率(Recall)是怎么计算的?14.最近有使用AI Coding工具吗?具体使用的是什么工具?15.在使用AICoding工具的过程中，你觉得有什么问题或体验不够好的地方?16.最近主要用AICoding工具帮你做哪方面的事情?17.有没有自己沉淀下来一些提示词技巧?手撕，一道逻辑题，一道简单二分