途虎秋招前端一面凉经

“实习没人带”是每届实习生的高频痛点。例如：入职一周，导师不理，文档不全，每天都在装忙。面对这种情况，很多人在“苟住混经历”和“跑路止损”之间反复内耗。作为过来人，建议大家不要单纯用情绪做决定，而是从投入产出比的角度来完成自己的决策。一、评估“隐性资源”的价值（含金量判定）实习的收益不是有人手把手教你写代码，而是环境浸染和权限获取。请先check一下你手头的权限：代码权限： 你能拉到核心业务的Repo吗？能看到组内的Git Commit Log吗？文档权限： 公司的Wiki、技术方案设计文档（Design Doc）、复盘报告，你有浏览权限吗？）（语雀，飞书等）数据/算力权限： 对于算法岗（尤其...

rt，人生第一次实习，感觉自己是个大水货，配环境就花了一天，这个大项目，更是不知道该怎么捋，该怎么办该怎么办，怕被开了

这个星期就做了这一个模块，有点嘚没把分支拆开写，只能合一坨大的了，就是辛苦我导师cr了，我真的不是故意的(„ಡωಡ„)栓Q，代码是越敲越起飞了哈哈哈哈，我要冲锋感觉又支棱起来了，间歇性摆烂持续性冲锋(其实是鸡汤看多了)，冲锋！啊啊啊啊啊今天本来发工资买了五花肉做粉蒸肉的但是北京这边超市怎么没有蒸肉粉哭了T﹏T啊啊啊啊。不过盒马真的很便宜诶，这个星期放假去超市买点蔬菜啥的放起来

我觉得这是一个伪命题，因为这根本就不是一个A或B的问题。互联网各个部门都喜欢搞ai,也确实有很多结合具体业务开发智能体的需求（主要是大老板喜欢），但是据我观察现实情况有个很现实的结论：现阶段大部分智能体开发，核心执行者都是后端工程师。我本人的工作也包含了部分智能体开发，所以有点发言权。究其原因，一来后端工程师最懂业务逻辑和系统底层架构，能精准捕捉业务痛点，知道哪里适合用 AI 赋能、怎么落地才贴合实际需求；二来智能体开发的核心是 “业务落地” 而非 “大模型底层研发”，技术门槛更多集中在业务拆解、工具整合与流程闭环，而非高不可攀的算法研发，后端工程师上手起来反而更有优势。ai是风口，agent...