佬们好，想找大模型算法，ai应用开发方面的工作，介绍一下个人背景：现在在研二，研一期间主要在参与科研和竞赛，项目经历比较薄弱，现在正在找开源项目进行学习，同时正在刷hot100，现在有点迷茫，是找日常实习还是全力备战暑期实习呢，简历方面需要哪些改动的地方，希望大佬们给些建议😭

前言这是我的agent系列文章的第2篇，该系列分为三部分：AI认知篇：详细讲解相关基础概念AI实践篇：分享诸如skills怎么写、怎么ai coding、怎么写好prompt等的最佳实践AI八股篇：分享我自己整理的应付大模型应用开发岗位必备的八股笔记如果觉得有帮助，欢迎关注我并期待后续文章！预期是日更哦！当天没更可能是因为太累了，周末会弥补的。传统编程与 Workflow 是 “人提前定好所有逻辑”，Agent 是 “AI 自主做决策”—— 这一本质差异，让它能解决前者搞不定的问题，成为更具差异化的新交互范式。一、三者核心对比表开发技能需掌握编程语言、算法等专业知识理解编程原理 + 图形化工具...

很多人问我如何准备大模型的面试，分享下我的经验，针对两种情况：1. 有大模型实习2. 无大模型实习针对无大模型实习的情况，我建议先找一段中厂实习为主，比如 zhipu、Minimax （当然有大厂进大厂）这些，相对容易进，尽量积累大模型实习经历。针对有大模型实习的情况，复习内容为：1. 常规八股（transformer、bert 等）2. 最新八股（GQA 等）3. 技术报告（一定要自己看原PDF，目前推荐 DeepSeekV3, R1, kimi1.5, Minimax-01, Qwen2.5, Qwen2.5-VL）4. 手撕 Leetcode：Hot1005. 手撕模型，比如 MHA 这些首先是常规八股和最新八股，这一部分可以自己找找网上资料，整理好的，背。然后是技术报告，目前推荐的内容有：1. DeepSeekV3：必读2. DeepSeekR1：必读3. Kimi1.5：选读4. Minimax-01：选读，据我所知最长上下文模型（外推到 4M，不过好像被 LLama4 的 10M 超过了）5. Qwen2.5：必读6. LLama3.1：必读7. Qwen2.5-VL（如果简历有多模态内容）：选读重点关注：1. 阶段训练（预训练几段、Post-training 几段？上下文用了多少？数据配比是什么？）2. 模型创新点（MHA 创新是什么？作用是什么？）3. 上下文优化创新点（一般是优化显存和阶段训练）4. 多模态优化创新点（简历有多模态内容）5. 几个模型不同之处（比如 Qwen2 和 Qwen2.5 的不同之处）最后是手撕，Leetcode 只刷 Hot100 够了，模型手撕建议关注（我目前会的）：1. MHA2. LayerNorm3. Transformer Encoder (MHA+LayerNorm+FFN)4. PE（绝对位置编码）5. ROPE6. SwiGLU7. RmsNorm每次面试前快速过一遍就 ok 了。

一天一个AI岗位介绍，今天要解读的JD岗位是——AI应用研发（直播类）。在所有 AI 应用场景里，直播可能是最“极端”的一个：高并发、强实时、强互动、强转化。如果一个 AI Agent 能在直播场景稳定跑起来，那基本说明——工程能力是过关的。一句话概括它的核心工作：在高并发直播场景里，把 AI Agent 从“概念”变成可规模化运行的系统。不是做 Demo，不是写论文，而是——让 Agent 真正在流量洪峰里活下来。一、这个岗位到底在做什么？它可以拆成两条主线：基建 + 应用落地。1️⃣ AI Agent 框架基建（偏工程核心）JD里提到 MCP 标准、微服务集成、低延迟、安全集成。翻译一下就...