之前我是广撒网派的忠实信徒。一天能投二三十家，复制粘贴简历，批量提交，感觉投得越多成功率越高。结果是：投了一个月，石沉大海。后来痛定思痛，改了策略——每天只投五家以内，但每一家都认真研究。具体怎么做：先看JD把高频词圈出来，再针对性调整简历里的关键描述，最后写一段专门针对这家公司的求职意向。能找到内推就找内推，找不到就走官网，尽量避开中间平台的简历海。今天投的几家：一个互联网大厂的产品实习，一个中厂的运营岗，还有两家我比较感兴趣的行业垂类公司。每份简历改起来大概花二十到三十分钟。效率比以前低，但回复率高了不少。广撒网的问题不是"网撒得不够宽"，是HR每天收几百份简历，你的简历和JD匹配度不高就直接过滤了，根本到不了人眼前。现在的逻辑是：宁可今天只投五家，让这五家都觉得你是冲着他们来的，也不要投五十家让人感觉你在无差别扫射。你们今天投了哪些？广撒网还是精准狙？

投了个自己不太熟的行业岗位，面试前两天才想起来补课。直接问Claude："用简单的语言告诉我这个行业的商业模式、核心竞争点和近期趋势。"十分钟出了一份清晰的入门摘要，比自己去搜文章再筛选快多了。面试被问到行业理解时没有卡壳。AI最大的价值之一就是帮你快速建立一个领域的基础认知框架

面试前我让Claude扮演面试官，给它我的目标岗位JD，让它问我问题。第一轮问完，它直接反馈我回答"项目经历"时逻辑混乱，没有用STAR结构，听起来像在讲故事而不是展示能力。被AI怼比被真面试官怼代价小多了。连续练了三天，正式面试时明显更从容，至少不会绕回答了。

之前简历投出去没什么回音，后来试着把JD和简历一起丢给Claude，让它对比分析我哪里不匹配。它直接指出我的项目描述太"自嗨"，全是过程没有结果，建议我把"参与开发"改成"负责XX模块，上线后日活提升30%"。改完之后简历通过率明显高了。AI不会帮你造假，但会帮你把真实经历说得更有说服力。

今年找实习，我投了80份简历，换来11个字"您好，感谢您的投递，我们会尽快与您联系。"这11个字，我今年大概收到了几十次。然后就没有然后了。

投了三十几份简历，收到的反馈加起来不超过五个字——"感谢您的投递"。没有面试，没有拒信，没有任何解释。就这么沉了。我最焦虑的，从来不是"没有offer"这件事本身，而是不知道自己差在哪里。

说实话，AI普及之前，我以为自己的工作会被替代。但真正用起来之后，我发现不是被替代，而是被"升维"了——要求不是降低了，而是变得更高、更杂、也更有意思了。以前的岗位要求：做好自己那一块以前分工很清晰。写代码的不用管文案，做运营的不用懂技术，产品经理画好原型交给开发就完事。大家各守一亩三分地，做好自己的专业模块就算合格。现在的岗位要求：你得能"串联"一切AI出现之后，最大的变化不是某一项技能被替代，而是"跨界能力"突然变得值钱了。以我自己为例——原来写一个完整的功能模块，前后端要配合好几天。现在用AI辅助编程，一个人可以在一天内把原型跑通。这意味着什么？意味着公司开始期望你一个人能干以前两三个人的活，而且还得干得像样。非技术岗同样如此。运营同学以前写一篇推文可能要半天，现在AI帮你起草，你的时间就"省"出来了——但省出来的时间不是用来摸鱼的，而是公司默认你应该用这些时间做更多的策略分析、数据复盘、用户洞察。

作为一个重度AI用户，我几乎把市面上主流的AI产品都用了个遍。如果真的要像给员工打绩效一样，从S到C给它们排个等级，我的答案大概是这样的。S级：Claude（Anthropic）没什么好说的，逻辑严谨、表达克制、回答有深度。最关键的是它不会乱拍马屁——你说错了它会直接告诉你。对于需要认真思考的工作，比如写方案、分析问题、整理文章结构，Claude是我目前用得最顺手的。它像一个自驱力强、有原则的核心员工，不需要你反复确认，给任务就能高质量完成。A级：ChatGPT（OpenAI）能力毋庸置疑，生态也最成熟，插件、联网、图像生成一套齐活。但用久了会发现它有点"讨好型人格"——有时候你说个错误的观点，它也跟着点头称是。像个八面玲珑的老员工，经验丰富，但有时候你不确定它说的是真心话还是场面话。B级：Gemini（Google）联网能力强，搜索整合做得不错，适合查资料、汇总信息。但在深度推理和长文写作上还是差了一口气，回答有时候偏平，像个执行力不错但缺乏主见的助理。B级：Kimi（月之暗面）长文档处理是真的能打，丢进去一份几十页的PDF，总结得又快又准。日常中文对话也很流畅。但在复杂任务上稳定性稍差，偶尔会"发挥失常"。像个有特定专长的专员，用对场景就是满分。C级：某些套壳产品不点名了，大家都懂。换个皮，套个GPT或者国产模型的API，加点提示词包装一下就敢收会员费。绩效？直接劝退。

最经典的莫过于想找同期的伙伴吐槽“这活儿真多”，结果对话框没切换过来，直接发到了几十人的部门大群。撤回的那两秒钟，是我人生中最漫长的两秒。虽然老板没说话，但接下来的半天，我连去茶水间接水都想戴个面具。

入职头三天，不要只看官方的组织架构图。真正的架构隐藏在审批链条和信息流向中。观察一份方案从草拟到最终落地要经过哪些人的手，你就能迅速锁定谁是核心决策者，谁是关键协作位。在办理入职手续或领取办公设备时，主动多问一句：“平时咱们组对接行政或财务最多的老师是谁？”通过这种非正式的沟通，建立起自己的基础联系人清单。同时观察午餐时间，找出组内那些非正式的影响力中心和技术大拿。入职一周内，最快学会工具的方法是复盘历史项目。翻看过去半年的旧文档或周报，看资深同事是如何使用这些系统产出结果的。与其死记硬背手册，不如通过“模仿”老员工的产出逻辑，快速对齐团队标准。哪怕公司有现成的文档，也要亲自动手整理一份属于自己的知识库。汇总常用的系统链接、账号权限申请流程、业务专有名词缩写。当你遇到卡壳时，先自研15分钟，再带着“我已经试过方案A和B”的结论去请教，这会让你显得既专业又高效。职场抢跑的核心不在于做多少大事，而在于建立积极的反馈闭环。即使是分配的小任务，完成后也要主动告知进度。讲得清业务流程、交得出确定结果，你就是那个上手最快的新人。

"你觉得大模型现在最大的局限是什么？"、"如果让你设计一个RAG系统，你会怎么考虑召回和精排的平衡？"——这类题没有标准答案，考的是你对AI领域的真实理解和独立思考，平时只刷题不关注行业动态的人很容易答得很空洞。

"你简历上这个项目模型准确率提升了15%，是怎么做到的？"——这是最容易翻车的题。如果项目是跟着教程做的，细节根本经不起追问。面试官会问你数据集怎么处理的、baseline是什么、调了哪些超参数、有没有做消融实验。没有亲手做过的项目，真的一问就露馅。

"Transformer的注意力机制是怎么工作的，为什么self-attention能捕捉长距离依赖？"——这题看起来简单，但面试官会一直追问，从Q/K/V矩阵问到计算复杂度，再问你和RNN相比优劣在哪，答不深就会被一直挖。还有经典的"过拟合怎么解决"，说出Dropout、正则化还不够，面试官会继续问你在实际项目里用过哪个、效果怎么样，纯背答案根本撑不住。

我不认为小厂一定不能去，但我见过太多人去小厂之前没想清楚，结果白白耗了两三年。所以问题不是"小厂能不能去"，而是"这家小厂值不值得去"，以及"你现在适不适合去"。先说小厂真实的好处。在大厂你可能三年只负责一个模块的边边角角，但在小厂，一个需求从产品讨论、技术方案、开发联调到上线运维，你全程参与，成长速度确实快。很多人在小厂两年积累的全栈视野，大厂五年都给不了你。身兼数职虽然累，但逼着你快速补短板，这种压力在温室环境里根本感受不到。但小厂的坑也是真实存在的。第一，看公司有没有真实业务和现金流，PPT公司进去就是陪它一起耗；第二，看技术团队的天花板，如果带你的人水平有限，你的成长上限也就锁死了；第三，看股权和期权条款，很多小厂画的饼最后一文不值。我的判断标准很简单：如果这家小厂有真实营收、有靠谱的技术负责人、给你足够的权限和空间，那就值得去。如果三条都不满足，再高的薪资也要慎重。小厂不是坑，踩不准才是坑。