字节- AI产品日常实习一面凉经 难难难

开始记录一下自己的找暑期实习之路！面试问题：自我介绍手撕算法（64.最小路径和 ez）你是如何看待线程安全的？volatile关键字可以用来修饰方法嘛？synchronized和volatile有什么区别？volatile会导致线程阻塞嘛？Mybatis的缓存机制？什么情况下会导致频繁Full GC？MySQL优化实践？你要做一个简易QQ，你会用哪些类型的数据结构？SpringBoot如何解决跨域？SpringBoot启动类中有哪些注解？SQL题目（有点忘了）Redis中的缓存击穿；拷打项目；大模型知识了解？如何做流式输出？你项目中用到的RAG是有什么用？总结： 第一次面试，有点紧张，有些问题...

1. 介绍实习，我这边实习做的是web3和ai，跟他讲了好久业务背景。主要围绕工作量证明以及如何结算代币和激励2. 介绍transformer的架构，qkv的作用，注意力机制3. 大模型推理的两个阶段？没太get到4. vllm：kv cache对于业务的优化，page attention稍微提了一嘴5. spring：ioc和aop的理解，aop什么时候失效。两种动态代理模式详细说说6. redis：五种数据结构底层原理，跳表和红黑树的对比，跳表什么时候退化，跳表最后会退化成什么样，红黑树什么时候退化，最后会变成二叉平衡树吗7. innodb为什么用b+树，与前面两个比较8. kafka的结构有什么，生产者消费者数量设置探讨，如何指定到某个partition9. agent相关：说说mcp，function calling，ReAct以及一些常见的设计范式，比如Plan & Exec10. 算法：无重复字符的最长字串11. 追问业务的时候还在问算法相关内容，说说stable diffusion和vit，视觉怎么样被大模型处理的误闯天家了，算法内容仅限了解过一点，广度深度都很一般。

在求职竞争白热化的当下，缺乏一份亮眼的大厂实习经历，似乎已经被许多人视为简历上的“硬伤”。但一批不走寻常路的求职者正在证明：找到并打造属于自己的“硬通货”，零实习背景同样可以敲开理想公司的大门。01 认知颠覆：大厂究竟在寻找什么样的人？大厂招聘的核心逻辑，往往被实习生头衔所掩盖。一位头部互联网公司的技术面试官透露：“我们不是在寻找‘实习经历收集者’，而是在寻找能创造性解决问题、有扎实沉淀和成长潜力的未来同事。”一份光鲜的实习经历只是能力的一种证明形式，而非能力本身。当缺乏这种形式时，关键在于能否提供其他同样有说服力的证明。那些零实习却成功入职的求职者，往往精准把握了招聘的本质——他们通过其他途...

我自己是985本英专在读，从大二下学期开始接触AI，大四的时候秋招成功拿到了三家大厂的AI产品经理offer。相信大部分同学和我一样，在刚开始学习AI相关知识的时候，一直在犹豫是否要从代码开始，学c语言、学Python，陷入了似乎只有学计算机才能懂AI的困境。其实直到现在，不借助任何工具，我自己也不能成功写出超过10行代码，但我可以在几小时内利用各种AI工具vibe出一个软件产品出来。转行AI，不会写代码其实真没事，关键是你是否具备这些AI技能！工具应用层（最基础，必须会）能用AI工具完成实际任务，比如用VibeCoding工具（Cursor、ClaudeCode等）把产品idea跑通，用Gemini/Claude做信息拆解、文档撰写、竞品分析等。技术认知层（不用会做，但要听得懂）理解主流AI技术的原理和边界，比如大模型是怎么工作的、agent的底层逻辑是什么、RAG和fine-tuning的区别在哪。不需要手写代码，但要能和技术团队对话，判断一个需求技术上是否可行。产品能力层（核心竞争力）懂用户需求、会拆解产品逻辑、能写清晰的PRD，这些是传统PM能力，但在AI产品里需要叠加对AI能力边界的判断——知道哪些场景适合用AI解决，哪些不适合。行业认知层（持续积累）保持对AI行业动态的敏感度，了解主流模型、工具、竞品的最新进展。当然，在日常看到一些AI资讯的时候，少不了接触各种晦涩难懂的技术术语。我的方法就是碰到一个不懂的直接丢给gemini让他讲，直到自己看明白，一点点日积月累，就能慢慢掌握“技术”的理解。