半年左右准备秋招求解惑

三月找了一家小厂（制造业上市公司）做内部AI提效Agent skill，需求做的比较简单，感觉马上要错过金三银四🥺🥺赐我一份暑期实习吧 全国可飞

1. 自我介绍2. 项目拷打3. 你怎么理解现在的大语言模型，它和传统 NLP 系统最大的分水岭是什么现在的大语言模型本质上不只是一个“更大的文本分类器”或者“更强的生成器”，而是把表征学习、任务迁移和自然语言接口统一到了一个模型里。传统 NLP 往往是一任务一模型，文本分类、命名实体识别、问答、摘要各做各的，大模型则是在大规模预训练后，通过提示、工具调用、少样本样例甚至简单微调完成大量任务迁移。真正的分水岭不在参数量，而在它具备了统一接口、上下文学习和任务泛化能力，所以很多原来需要显式建模的流程，现在可以交给模型做一层高层抽象，但代价是可控性和确定性下降。4. 如果要让模型真正“理解”你的业...

面试流程速览- 形式：视频面试- 时长：60分钟左右- 轮次：春招前端（业务+算法+手写实战）- 特点：重项目深挖+高频手写+现场手撕算法，节奏非常快---一、面试真题（完整回忆版）1. 开场必问- 自我介绍（1分钟以内，突出项目与技术栈）- 实习期间做过的核心业务、遇到的**重难点**- 项目卡顿问题排查：你是怎么定位、怎么优化的？（面试官重点追问）2. 项目深挖（AI相关）- AI项目具体做了什么功能？- 用了哪些AI SDK？整体架构怎么设计？- 有没有用到LangChain？为什么没用？- 理论掌握程度 vs 工程落地能力（面试官明确看重**实战落地**）3. 手撕代码环节（高频原题！）1）**算法题**LeetCode 寻找峰值（二分查找）- 要求：不能本地测试，直接写思路+代码- 注意：边界条件、mid计算、左右判断- 踩坑：面试官会逐行挑错，哪怕逻辑对也会抠细节2）**前端手写组件****倒计时组件（大厂超高频）**- 用 requestAnimationFrame 实现- 追问：**60帧下raf间隔多少ms？**- 标准：16ms 左右- 面试官提示：可按 30ms 理解作答4. 反问环节（超有用干货）我问了两个问题，面试官直接给了学习路线：1）前端+AI 学习建议- 看 Claude Code 源码，学习 Agent 设计- TS 是 AI 前端开发主流语言，必须吃透- 动手做：构建 Agent，集成 Skills、MCP、Tools- 练手：用 VibeCoding 写一个浏览器插件2）业务方向PDD 前端业务覆盖广泛，侧重**性能优化、复杂交互、稳定性、高并发场景**---二、二面核心考点总结1. **项目真实度**：必须讲清楚难点、卡点、解决方案，不要虚2. **性能优化**：卡顿、渲染、长任务是必考点3. **算法**：二分查找是高频简单题，一定要熟练4. **前端实战**：倒计时、懒加载、防抖节流、SSE 这类组件必考5. **技术视野**：前端+AI 是现在 PDD 重点关注方向---三、给后续同学的避坑建议1. 算法题哪怕写对，也要**讲清思路**，不然容易被判定背题2. raf、定时器、渲染机制这类基础要牢，别临场卡壳3. AI 项目不要只说概念，**一定要有落地代码/架构**4. 实习经历重点突出：**问题→方案→效果**，逻辑清晰5. 反问环节多问学习&业务，能大幅加分---

一、基础打底（所有人必学） 1. 编程基础（核心：Python） Python语法、函数、类、文件IO、异常处理 常用库：requests、json、pydantic、asyncio 数据结构：列表、字典、队列、栈、图（基础） Git基础：代码管理、分支、提交 2. AI与大模型基础 LLM原理：Transformer、上下文、token、幻觉、温度 主流模型：GPT4o、Claude 3、Qwen、Llama 3、DeepSeek 模型调用：API密钥、请求格式、流式输出、错误处理 基础NLP：意图识别、实体抽取、文本分类、摘要 3. 提示工程（Agent灵魂） 基础：角色设定、清晰指令、格...