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...

1h10min节奏超级快，全程追着项目细节拷打无八股手撕*2螺旋数组，输出大于某个值的最短子数组和项目细节:1.防止超卖是怎么设计的2.压测后提升qps的处理流程3.rag存储数据过多，肯定会有问题，如何对向量数据库中的数据压缩处理

零实习进大厂，本质上是因为他们的简历证明了他们不需要通过实习来证明能力。很多同学在大二大三就参加过ACM-ICPC等顶级算法竞赛，拿过金银牌，这种含金量远超一份在大厂里偶尔修修边角的实习经历。面试官在招人时，逻辑非常简单：实习经历是证明“你做过类似的事”，而竞赛成绩和高质量的开源项目证明的是“你具备极强的学习和解决问题的潜力”。在大厂看来，潜力往往比经验更值钱，因为经验可以积累，但那种极客般的敏锐度是很难培养出来的。

拷打实习经历怎么理解 ReAct 框架，它的工作原理是啥样的？你用过 ReAct 吗？ReAct 里面关键是什么呢？怎么比别人做的好，核心要在哪个方向重点学习？MCP 和 Function Call 有什么区别？Transformers 你了解吗？你现在的工作没做过微调对吧？你觉得微调的原理是什么？RAG 和微调有什么区别？复杂的 Agent 层（多个 Agent 组成、多模块）怎么去评测？