收集了一圈身边人的真实经历，答案比我想象的离谱。说最慷慨的，字节被提名最多。朋友去字节面试，当天打车报销，面完请吃饭，最后没过还发了封措辞温柔的拒信。他说："被拒得这么体面，我都不好意思骂它。"还有人说华为，实习补贴高、节假日礼品多，但补贴都用来买止痛药了……说最抠的，某传统国企稳居榜首。朋友实习三个月，补贴800，打车不报销，连打印纸都要申请。有次加班到凌晨，问能不能打车回去，领导说"地铁还没停啊"。还有种抠法更隐蔽：offer写的是20k，到手发现餐补通讯补贴全是饼，实际到手15k。问HR，说"这很正常的"。但有意思的是，慷慨的公...

最近刷boss 投了一堆公司。公司画像员工100-500人，非互联网公司跟着AI热潮产生的岗位需求，多为AI agent开发/全栈开发，基本都是CTO/老板直接对接，流程混乱，要求线下面试，不报销路费，直接不感兴趣拉黑。现在的互联网开发，非进校园的线下面试本来就少，基本都是借助腾讯/飞书会议线上面。走线下反映两个问题：1. 内部能效极低，线上面效率不比线下高？ 2.不懂互联网工具，不会用好互联网产品，内部怎么做的好开发？ 3. 公司没有融资没有上市没有title，凭什么要浪费时间精力给你们线下筛选？这并不表示我们求职者好高骛远，行情不好就安心沉淀寻找方向，盲目的下注只会浪费自己的时间和资源。

还能这样？直接把面试取消了。为啥呀

1.问实习2. 项目拷打3. LLM 落地部署有什么好用的 trick？答案：现在 LLM 落地里，很多时候改模型不如先改数据和链路。第一步是把线上 badcase 分桶，区分是检索错、提示词错、模型能力不足、工具返回错还是数据源脏；第二步是做数据闭环，把高频错误变成 SFT、偏好对、规则样本或者评测集；第三步是做推理侧优化，比如 KV Cache、continuous batching、量化、prefix cache 和路由小模型。比较实用的 trick 是不要盲目微调整个模型。很多业务问题是知识更新、格式不稳、证据引用错，这些更适合通过 RAG、结构化输出、后校验和数据清洗解决。只有当错误...