阿里24届暑期

1.包装/编写说明针对实习，大家应该都是聚焦于两个问题：（1）有实习经历，但是实习经历没做什么东西，简历不知道怎么写（2）没有实习经历，想包装一份实习经历，给简历加分（应届生没有背调，只要学历是真的，一切都是真的）针对没有实习经历，想包装实习的。我认为要包装直接就包装大厂、知名公司的。不要费劲把擦的包装了，还包装一个连名字都没听说过的公司，这样简历上也加不了多少分，还浪费很大的精力，不值得。（要不就不干，要干就干个大的）2.有实习经历，怎么包装的更有含金量一点要想知道怎么让包装让简历更加有含金量一点。我们首先就要思考下，通过这段实习我们获得了什么、能获得什么、应该获得什么？接下来可以从两个层面...

1. 做自我介绍，并确认两个项目是个人独立开发还是学校项目？2. 从产品视角说明旅行规划助手项目的定位、能力、技术方案及需求解决办法？3. 追问1：旅行规划助手项目是否经过体验，效果如何，存在哪些问题及后续改进方向？4. 追问2：以“深圳玩三天预算3500元”为例，智能体能否满足需求，如何控制价格及响应时间？5. 知识库答疑助手项目是否为比赛，介绍技术方案（如RAG、混合检索、微调等）？6. 追问1：知识库答疑助手项目微调数据集的设计方法及测试集情况？7. 追问2：知识库答疑助手项目最终准确率及采用混合检索的原因？8. 追问3：知识库答疑助手项目向量模型和微调模型的选择依据及部署方案？9. 是否使用过多模态处理方式，图片识别的准确性及实现方法？10. 追问1：是否使用过Coze、Dify、N8N等低代码平台及使用程度？11. 确认实习时间（一周5天、持续6个月、1月初到岗的具体日期）？反问1：具体产品实习生进去负责哪个模块答：智能体 Demo 搭建、测试打标反问2：车载主要是负责端侧还是云端答：团队主要是负责云端，不涉及端侧

最终还是婉拒了小红书的offer，厚着脸皮回了字节。其实这次字节不管是组内的氛围、HR的沟通体验，都比之前好太多，开的薪资也还算过得去，这些都是让我下定决心的原因之一。但最核心的，还是抵不住对Agent的兴趣，选择了Ai Coding这么一个方向。因为很多大佬讲过，在未来比较火的还是属于那些更加垂类的Agent，而Ai Coding恰好是Coding Agent这么一个领域，本质上还是程序员群体和泛程序员群体这个圈子的。目前也已经在提前实习，也是全栈这么一个岗位。就像最近阿里P10针对前端后端等等不再那么区分，确实在Agent方向不太区分这个。尤其是我们自己做AI Coding的内容，基本上90%左右的内容都是AI生成的，AI代码仓库贡献率也是我们的指标之一。有人说他不好用，那肯定是用的姿态不太对。基本上用对Skill、Rules 加上比较好的大模型基本都能Cover你的大部分需求，更别说Claude、Cursor这种目前看来Top水准的Coding工具了（叠甲：起码在我看来是这样）。所以不太区分的主要原因，还是针对一些例如Claude Code、Cursor、Trae、Codex、CC等一大堆，他们有很多新的概念和架构提出，我们往往需要快速验证（MVP版本）来看效果。而全栈就是这么快速验证的一个手段，加上Ai Coding的辅助，目前看起来问题不大（仅仅针对Agent而言）。而且Coding的产品形态往往是一个Plugin、Cli之类的，本质还是属于大前端领域。不过针对业务后端来看，区分还是有必要的。大家很多人也说Agent不就是Prompt提示词工程么？是的没错，本质上还是提示词。不过现在也衍生出一个新的Context Eneering，抽象成一种架构思想（类比框架、或者你们业务架构，参考商品有商品发布架构来提效）。本质还是提示词，但是就是能否最大化利用整个上下文窗口来提升效果，这个还是有很多探索空间和玩法的，例如Cursor的思想：上下文万物皆文件， CoWork之类的。后续也有一些Ralph Loop啥的，还有Coding里面的Coding Act姿态。这种才是比较核心的点，而不是你让AI生成的那提示词，然后调用了一下大模型那么简单；也不是dify、LangGraph搭建了一套workflow，从一个node走到另外一个node那么简单。Agent和WorkFLow还是两回事，大部分人也没能很好的区分这一点。不过很多人说AI泡沫啥啥啥的，我们ld也常把这句话挂在嘴边：“说AI泡沫还是太大了”诸如此类。我觉得在AI的时代，懂一点还是会好一点，所以润去字节了。目前的实习生活呢，除了修一些Tools的问题，还包括对比Claude、Cursor、Trae在某些源码实现思想上的点，看看能不能迁移过来，感觉还是比较有意思。不过目前组内还是主要Follow比较多，希望下一个阶段就做一些更有创新的事情哈哈。这就是一个牛马大学生的最终牧场，希望能好好的吧。说不定下次发的时候，正式AI泡沫结束，然后我又回归传统后端这么一个结局了。欢迎交流👏，有不对的🙅不要骂博主（浅薄的认知），可以私聊交流

Week01的内容不是很多，主要介绍LLM的一些基础概念和提示词撰写的方法论。我的学习顺序是：1️⃣边看Slides边记笔记，把一些面试中可能遇到的问题或者可以和面试官聊天的内容记下来，保存在云端，形成自己的知识文库；2️⃣根据Reading List，阅读推荐的材料、收看推荐的视频，这里发现一个特别不错的方法：有些视频长达三个多小时，平时比较忙根本没时间耐心看完，于是我把视频传到NotebookLM，让他结合我的专业，根据要求生成学习笔记。这样我就能收到一份八九千字的“视频转文字”报告，内容详细且经过梳理，看起来既有效率也更有结构性。还可以让它给我生成一段高质量的讲解视频或播客。3️⃣完成一...