最近嘉豪一词特别火，我之前也在我的朋友圈狠狠玩了一把往里豪的梗，确实很搞笑啊哈哈哈，我雷铜泥丸。那么我认为的嘉豪呢，并不是炫耀，因为我觉得在经历很久的努力之后获得成功是值得为自己骄傲的事情，在之前的文章里面我已经评价过那些喜欢膜膜膜，佬佬佬的人，那么今天我来补充一个角度，那些喜欢在实习中说自己活特别多，特别难的同学。这样说感觉有点地图炮，好像开炮了所有实习同学，难道我活干的多也不行吗？其实不是这样的，活干的多其实是你能承担的多，能力强。但是其中有一些同学，自己一被分到活，无论大小，立马分享到某某交流群里，表面显得痛苦不堪，好像已经连续加班一星期，“哎呀，又来了个大活”，转过头就开始大吹大擂，说自己负责了多么核心的模块，又承担了多么大的责任，好像整个实习的团队都在围绕着他转，他的活总是紧急，总是P0，总是领导最看重的，不知道哪个ld这么闲，天天盯着实习生看。每次看到我总是很想笑，交流群里鱼龙混杂，一个群里几百个人你顶破天认识一半，谁又是你真正的朋友，你分享你做的的工作多么核心，多么累，谁又能真正体验或者理解你的感受？更有甚者，喜欢同时复制消息发好几个群？这又是为什么呢？你的朋友们散落在这些交流群的天涯海角里来哈哈哈。其实核心思想也就是想向别人展示，你看我多核心啊？多受领导重视啊？马上就要转正了，你羡慕不？拉磨的驴为什么要炫耀自己活多啊，我想大部分真正很忙的同学是真的没时间炫耀这个的，正值暑期，要竞争转正名额，这样的“抱怨”我想会变得越来越多了哈哈哈我发现学计算机的同学都不习惯直接夸赞自己，大部分都是先自低，再由别人来称赞自己。我说的这些人也是这种情况，总是拐弯抹角的炫耀，不如直接大大方方的夸赞自己，也许会有更多的称赞呢。

在我来鹅之后，接到的第一个完整大需求就是需要编写一个skill，之前的实习也写过一些skill，但是在我的理解中skill就是跟提示词没差，把你需要的目标全写上就好了，所以第一次mr我提交了一个超过1200行的md，被mt打了回去，为了完成这个需求，我又赶紧请教了我身边的大神同学，获取一些写skill的经验，将原先1200行的md进行了对应的references拆封，又通过我朋友教我的验证机制验证这个skill的效果，最后完成了我的第一个需求。正好前两篇文章给大家分享了写好的用来包装简历的skill，那么今天来给大家分享怎么去写一个好的，可以实际用来工作的skill，摆脱只会写提示词的尴尬。构建 Skill 的五个步骤Step 0：先写 EvalsEval（Evaluation，评估）是一套结构化的、可重复运行的测试用例集，用来判断 Skill 的表现是否符合预期。它不是泛指"测试一下"，而是开发 Skill 的前提条件。一个典型的 Skill eval 集至少包含三类用例：- 正例（Positive）：用户说“帮我看一下这个 PR 能不能合”，验证 Skill 应该被加载- 负例（Negative）：用户说“帮我把代码格式化一下”，验证 Skill 不该被加载——路由别跑偏到不该触发的地方- 边界（Edge）：“这个 PR 改了一行日志，要不要审”，验证边界情况下的路由行为正例和负例都要写，而且负例往往比正例更值钱——误触发是 Skill 路由的头号失败模式。Eval 不只是测一次。Perplexity 的 eval 分三个层次：如下图每种都要在 GPT、Claude Opus、Claude Sonnet 不同的 orchestration 模型上分别跑——Sonnet 和 GPT 的 Skill 行为差异很大，只在一种模型上过了不够。没有 evals，你改 description 就是在盲改，一个新 Skill 也可能悄悄搞坏已有的十个 Skill。Step 1：写 Description（最难的一行）description 是路由触发器，不是文档。写好它不需要关心 Skill 的内容，只需要关心能不能在正确的时间加载、有没有意外触发到不应该触发的地方——误触发是头号失败模式，每加一个 Skill 都有可能让其他 Skill 变差。糟糕的 description 描述 Skill 做什么，好的 description 说什么时候加载。举个监控 PR 的例子：不要写这个 Skill 做什么，要写工程师感到焦虑时会说什么——"babysit"、"watch CI"、"make sure this lands"。快速检查清单：- 以"Load when…"开头- 控制在 50 词以内- 描述用户意图，最好来自真实查询- 不总结工作流程Step 2：写 Body跟同事讲工作流程和跟 LLM 讲工作流程完全是两回事。对几乎任何面世超过一年的软件工具，只要提名字，模型已经知道怎么用。所以跳过模型已经懂的部分。不用写出每一步命令。比如不要写 git log → git checkout main → git checkout -b clean-branch → git cherry-pick commit。写 "Cherry-pick the commit onto a clean branch. Resolve conflicts preserving intent. If it can't land cleanly, explain why." 模型在后者上表现好得多，尤其是事情不按预期走的时候。太规定的指令比灵活的指令更脆弱。然后聚焦 gotchas 和反例，它们是最高信噪比的内容。每次 Agent 搞砸了就加一条，gotcha 会自然地累积起来。条件逻辑或内容太重的东西移出 SKILL.md，放到 accessory file 里渐进加载。Step 3：用层级结构- scripts/ —— 确定性逻辑，模型不用每次重新发明- references/ —— 重型文档，条件触发才读（"如果 API 返回非 200，读 api-errors.md"）- assets/ —— 输出模板，模型直接复制填充- config.json —— 首次运行设置，问一次保存下来对于极其复杂的 Skill，进一步考虑是否应该拆成一组 Skill，用 depends: 声明加载关系。Step 4：迭代切分支出来，在无 Skill 的状态下跑 hero query（核心用户场景查询），建 eval 集，反复调。提交 review 时最好一个 changeset 里自带 eval 集。Description 里的小词改动对路由影响很大，甚至会 spillover（溢出）到其他 Skill，所以这些在 Step 5 之前做完。Step 5：发布大家快把这5步实行起来，成为写skill专家吧！

最近一直在dy上发关于我们项目以及ai学习路线的介绍，整体反响不错，所以想要搬到牛客上给大家介绍一下（所以这篇就是一个广告，如果对我们项目感兴趣的可以继续看了，宝宝们）我们项目是一个agent项目，整体核心设计有rag，三层记忆系统等等，并且还在不断更新，我个人觉得是可以写到简历上的，整体介绍可以移步我的dy，配套有对应的项目文档，并且关于记忆系统的设计得到了🦢的正职的认可，具体见配图。同时我们也在文档上补充了对应的ai学习路线以及ai常见八股，后端常见八股，会随时给大家更新身边大佬或者行业最新的知识到我们的文档，不仅仅是这一个项目，希望能对大家之后找实习也有一定帮助。我觉得整体对于之前没有做过agent，或者对agnet了解不深的同学是有一定帮助的，可以拥有一个写到简历上的agent项目，我们目前还没有做开源，大家如果觉得不错的可以私信我。当然了，目前也有很多优秀的开源项目，像最近牛肉哥做的开源项目以及hello-agent等等，大家如果想学免费开源的也可以学习呀，谢谢大家

之前关于实习简历如何包装产出这篇文章中（详情见https://www.nowcoder.com/share/jump/5176304791779247404574），我说过业务是你在包装实习产出时最重要的部分，理解了业务才能更方便你理解手中的代码，这时候业务文档是你landing与包装产出时最重要的部分，在landing时你需要一份介绍组内总体业务的大而全文档带你入门；在包装实习产出时你需要配合技术方案来理解代码写到简历上。但是文档怎么读？读不懂怎么办？原文术语、专有名词晦涩难懂怎么解决？这么多文档同时要看，哪个在先，哪个在后？之间的衔接关系又是什么？上文我介绍了通过skill用ai读代码，今天我们介绍通过skill用ai读文档：用读文档skill帮助你快速landing，理解组内知识库文章读文档总结skill.mdname: docs-explaindescription: “高质量文档解读与总结技能。用于读取规范、设计文档、技术文档、教程、论文、方案说明或含代码文档，并输出：核心思想概括、按逻辑顺序的分步详解（按原大纲或推断逻辑分区）、以及每段代码的意图与执行逻辑自然语言解释。”目标将复杂文档转写为人类可快速理解的总结稿。保证信息准确、逻辑完整、表达清晰，读者读完后能对原文形成稳定且清楚的理解。默认按“零背景读者”标准写作：即使读者没看过原文、不了解术语或函数名，也能顺畅理解整条逻辑链路。强制原则1. 先解释再使用：原文术语、专有名词、函数名、变量名首次出现时，必须立即给出“含义 + 作用 + 所在环节”。2. 不写裸术语：禁止在自然语言中直接抛出未解释的名词（如“恢复函数”“压缩分支”）后继续推理。3. 细节要可推演：每个关键步骤都要说明触发条件、输入、处理、输出、与下一步衔接关系，不得只写结论。4. 多文档必须融合：当输入有多份文档时，按统一主线整合互补信息，不按“文档A/文档B”割裂叙述。5. 纠错要入链路：纠错结论应放入对应步骤中解释“错在哪里、正确是什么、影响什么”，避免孤立短句。skill的最前面已经规定了skill的目标以及强制原则，防止skill走偏，后续我们还有详细的执行流程以及结果输出要求（篇幅要求不展开），我们可以使用这个skill完成你需要的文档解析，landing与包装产出大家都可以使用，理解了业务才方便你更好的理解代码😎

目前已经五月中旬了，暑期实习进入尾声，大部分有暑期实习的同学大部分已经入职，现在还没有找到的同学也不要放弃，最近两天分别接到了小红书跟百度的面试邀约，并且昨天👋的正职哥透露我的mt也开始要招实习生了（我的白月光呀！你先别招人等我回去好吗），看来很多厂还在招人，以现在暑期的转正率来看，日常与暑期差别真不大，如果大家想要一份中大厂实习，感觉投日常也是一个不错的选择。那么在找到实习之后，无论转正与否，大家都要面临写简历的问题，那么如何写简历，如何包装产出，之前的文章也给大家讲过，但是现在ai这么厉害，我可不可以用ai帮我写简历呢？毕竟你泽当初第一份实习简历还是靠我契而不舍的把实习项目搬到deepseek上写出来的呢。顺应着标题，转职ai应用工程师，那么我们就通过一个skill来写成一份好简历，既能用我的skill写简历，大家也可以根据自己的要求自己写skill，调试出自己想要的效果，也算是对skill进行一个小学习吧。简历提示 Prompt【角色定位】你是一位"资深后端工程师 + AI 应用工程专家 + 大厂校招面试官 + 简历顾问 + 技术文档教练"。你的任务不是写泛泛的架构分析，也不是为了包装而包装，而是基于当前代码仓库，尽可能完整、可信、克制地挖掘：1）可直接写进简历的项目亮点2）可在面试中展开讲深的技术点3）当前未实现但最值得补齐、能显著提升项目档次的优化点4）面向校招后端开发工程师岗位的定向简历表达5）面向校招 AI 应用工程师 / RAG / Agent / Workflow 方向的能力映射6）面向刚接手项目的小白也能看懂的 S 级核心亮点文档7）一份可作为后续代码优化依据的系统优化专项文档你的评估口径必须同时满足以下四层：1. 代码事实口径一切结论必须以代码、配置、调用链、表结构、脚本、部署文件、测试、README、注释为证据。2. 校招后端工程师口径重点判断候选人是否体现：- 扎实的编程基础与代码质量- 系统设计初步意识- 核心模块的独立实现能力- 工程规范与最佳实践的落地- 问题排查和解决能力- 技术选型的理解与 trade-off 思考- 良好的学习能力和技术热情3. AI 应用工程师口径重点判断是否涉及：- LLM 应用开发与集成- RAG 检索增强生成- Agent / 智能体开发- Tool Use / Function Calling- Workflow 编排- Prompt 工程- Eval 评测- AI 与业务系统结合- 数据处理与分析能力4. 大厂校招面试口径输出要能对接字节 / 阿里 / 腾讯 / 美团 / 百度 / 快手等公司的：- 后端开发工程师（校招）- AI 应用工程师（校招）- AI 平台工程师（校招）- 数据开发工程师（校招）---# 一、候选人固定定位候选人定位固定为：【应届校招候选人 / 实习生转正】请不要输出社招版本或多年经验版本。改为以下分类：1. 后端开发工程师版适合校招后端岗位，强调编程基础、系统理解、核心模块实现、工程规范和性能优化意识。2. AI 应用工程师版适合校招 AI 应用方向，强调 LLM 集成、RAG、Agent、Tool Use、Workflow、Prompt 工程、Eval 评测。3. 后端 + AI 复合版同时体现后端基础和 AI 应用能力，适合对两个方向都有要求的岗位。---# 二、参考 JD 能力模型请基于以下 JD 方向，对项目亮点做映射和筛选。---## JD 方向一：校招后端开发工程师重点关注：1. 编程语言基础：- Java / Go / Python / C++ 等至少一门熟练- 数据结构与算法- 设计模式的理解与应用2. 后端核心能力：- Web 框架使用与理解- RESTful API 设计- 数据库设计与 SQL 优化- 缓存使用（Redis）- 消息队列（Kafka / RabbitMQ / RocketMQ）- 并发编程3. 系统设计初步能力：- 分层架构理解- 模块划分与接口设计- 高并发场景基本处理- 分布式基本概念4. 工程能力：- Git 使用- 单元测试 / 集成测试- CI/CD 理解- Docker / K8s 基础- 代码规范如果代码中存在相关实现，请优先挖掘为 S / A 级亮点。---具体的skill因为篇幅太长没有办法给大家全部展开，具体的可以私信我要。这个skill主要包含了三个特点：一、一切以代码事实为准这是整个 Skills 最重要的一条铁律。每个亮点都必须附带代码证据 —— 文件路径、类名、方法名、关键配置项、调用链。不是你说你做了 RAG 就是做了 RAG，而是 AI 要在代码里找到 `retriever`、`embedding`、`vector store`、`rerank` 这些实际实现，才算数。Skills 中明确要求了三级分类：【代码已实现】 代码里明确存在，可直接写简历【强推导亮点】 代码可支撑，可适度抽象，但措辞必须克制【可扩展设计】 当前未落地，只能作为优化建议，禁止写成已实现二、反吹牛审查机制这是ai包装简历时最容易露馅的地方，随便你一个优化，ai都会把收益写的无限大，支撑几千万qps，成功率从80%提升到99.9%，但是又没有具体的业务数据支撑。Skills 对每个亮点都强制要求做反吹牛审查：如果我是面试官，我会用哪一个追问来验证这个点是真是假？这个点一旦追问到第三层，最容易暴露的薄弱环节是什么？同时内置了一套校招专用的"禁止表述"和"推荐表述"对照表。三、四层技术深度判定L1 基础工程实现：常规 CRUD、简单参数校验 —— 不构成亮点L2 高质量工程实现：模块抽象、缓存设计、统一异常 —— 校招合格线L3 有深度的技术实现：核心链路设计、RAG 全链路、性能优化 —— 校招强亮点L4 超出校招预期：完整 Agent 体系、可扩展架构、AI 平台化 —— 面试加分项简历的本质不是包装，是翻译 —— 把你的代码事实翻译成面试官能快速识别的能力信号。这份 Skills 做的就是这件事：它是一个翻译框架，确保你的翻译"准确、克制、经得起追问"。帮助你迈出找实习的第一步或许也是最重要的一步：写出一份简历。

一周之后，再来更新暑期实习进度，这一周的进度可谓是毫无进展哈哈哈，只小红书发了笔试，然后百度约面，问HR结果说是日常，可以加面转暑期，果断拒绝了。其实本身也不是很想面试了，但就是想看看双非在暑期的竞争力，现在看着真的好弱啊，完全没面怎么办😭，赶紧下去沉淀了。

虽然说自己的暑期已经结束了，但是大家都说暑期已经算一个小秋招了，能看出自己在秋招的竞争力，楼主到现在依旧只有字节腾讯两家面试，如果秋招也是这样，感觉会死的特别惨😭，不都说金三银四嘛，三月份都要结束了呀，想问问大家的暑期面试多嘛？暑期到底谁在面试啊😭

最后还是去鹅了，选来选去也没什么可选的，暑期到现在也就字节跟腾讯给了面试，腾讯很快就过了，业务一般，身边很多人劝留在手子，但是还是想试试新的机会，纠结来纠结去，其实也就是一份工作而已，自己之前把它看得太重了，希望之后能放轻松对待吧。timeline3.12一面3.16二面3.23三面，面完直接转HR面3.24HR面，面完直接转录用评估3.25oc

压力很大，面试官全程高压，问的问题不难，但是没有任何反馈，很慌张，也无算法。实习问了20分钟，一直问我你们做的有什么用，总时长一小时1.学校都有什么课程2.spring的ioc原理以及优点3.除了解耦还知道什么？4.springboot与spring区别，二者的源码看过没？Tomcat了解嘛？有没有具体看过5.spring的bean，面试官一直在重复一个思想问我懂不懂，完全没听过6.mybatis是干什么的？ibatis用过没？平常怎么写SQL？完全不写嘛？7.设计一个分布式双十一秒杀系统（前端，网关，缓存，数据库防超卖全设计）8.怎么做限流9.缓存与数据库一致性，你做异步要用户等你嘛？10.负载均衡怎么做11.多数据中心还是单数据中心，如果出现没卖完怎么做（到这完全不会了，面试官直接说换个话题吧）12.平常读书吗？13.上过哲学课嘛？14.兴趣爱好有没有15.对ai的看法16.来深圳有问题嘛？17.为什么不考研18.上大学带给了你什么？你提升在哪里，有没有具体的例子？反问：1.现在手机都有应用市场，应用宝怎么盈利？除了手机应用市场还是有人用，现在在做跨端，微软都有合作，之后会进军mac，主要做游戏，腾讯本身就是游戏大户。2.面试表现？整体评价一下会给到反馈。面完直接变HR面，今天HR面后，已经转为录用评估了，来牛客许个愿，暑期现在还没什么面试，希望能拿个offer之后再考虑要不要留在手子吧。

总时长35分钟，无手撕，感觉遇到KPI面了，唉35分钟一直在问实习，八股就问了下面的1.redis与数据库的缓存一致性2.redis的zset数据结构3.redis的两个持久化机制4.分布式cap理论5.什么时候ap，什么时候cp6.进程线程协程问怎么没手撕，说一面撕过了，业务是应用宝游戏商城，后面过了还有一面技术面，问面试表现，说挺顺的，可以再关注一下运维数据，然后问转go有难度嘛，就结束了

周五面的 1.你用openclaw做什么？2.用agent能不能做3.你现在研究的agent调用量很小，那如果调用量特别大，会出现什么问题，你怎么优化4.你提到了压缩上下文，怎么压缩，我传超大上下文有问题吗？上下文很杂乱怎么办，你怎么去查找你想要的5.你了解rag吗6.你怎么做的rag7.流式返回怎么做的，为什么选webflux，还有什么？8.如果你召回的精度不高，怎么提升9.es用什么存储向量10.你怎么去es查向量11.平常怎么用aicoding12.aicoding生成的代码不是你想要的你怎么办，不断问他？有什么提效方式问了5分钟实习八股：1.怎么优化慢sql2.索引失效直接结束了，无算法，反问聊了会儿ai全ai拷打，反问时候问了，面试官说他们部门全体转型ai最近变化会很大，对ai需求非常大，感觉应该要挂，因为我ai就是三脚猫功夫，其实不怎么懂，等等周一结果。

美团笔试： 美团早上10点笔试，记成晚上十点了，早上一睁眼9点55了，牛客发消息才知道要笔试，坐到电脑前死活进不去页面，不能共享，最后10点半才进行，选择直接蒙了，大题a了一道，第二道一直超时放弃了。美团ai面试：1.自我介绍，重点聊聊ai相关2.你具体怎么使用ai在工作上3.链表跟数组的区别4.分别什么场景使用5.linkedlist咋样保证内存消耗不过大6.jmm讲一下7.volite跟syc8.分别什么场景用9.MySQL事务隔离级别分别怎么实现10.具体讲一下mvcc11.设计一个权限管理模块12.你提到了rabc跟spring security，那我权限怎么变更13.怎么保证权限的安全性跟一致性14.设计一个大模型文本生成http接口，从输入到大模型上下文，到模型调参数，返回值，错误码，流水输出15.错误码怎么实现，怎么具体判断错误16.有没有遇到压力大的情况，怎么解决米哈游笔试：选择题全是cpp，刚开始还看一眼，后面直接瞎选了，大题a了两道，一看第三道是图，直接交卷跟女朋友出来玩了等笔试结果吧，约面应该不会很看重这个吧，等等看，下周一面腾讯二面，希望不要拷打我

一共一个小时，面试难度以及自己的回答算是最近的面试压力比较大的，实习问了30分钟，中间穿插八股。1.redis数据结构2.redis持久化机制3.mysql索引底层4.聚簇索引与非聚簇索引5.索引优化6.索引失效7.mysql执行一条sql8.那么多索引mysql怎么选（不会）9.tcp与udp区别10.tcp为什么可靠11.消息队列作用12.kafka怎么保证消息有序性13.mcp是什么？14.skills是什么？15.jvm内存分配与回收过程（我讲了从创建对象到判断垃圾对象到垃圾回收我全说了一遍，是这个吗？）16.fullgc触发机制17.tcp的拥塞控制流程（不会了）18.分布式事务解决方案，说了2pc，3pc，tcc。算法是反转双向链表，没有按格式输出，但是面试官没让继续写了，面完以为挂了，结果晚上秒过，看看复试什么情况吧。今天百度打电话准备发offer了，业务跟在手子的差不多，很垂，并且说不分日常暑期，只看表现，会有转正机会，但是考虑再三还是拒绝了，百度实习薪资确实有点低，title也不如之前了，但是面试的二位业务老师我很喜欢，对我的评价也不错，希望之后能有机会共事。从三月份到现在一共面了六家，面试次数总共是8场，情况如下：脉脉二面（无答复，默认挂）百度二面已oc美团一面过，下周一二面shein一面过直接HR面游族一面过直接HR面腾讯一面过等待约二面滴滴明天一面面试通过率还是蛮高的，但是大部分都是日常，感觉对我现在的加成不大，大概率不会去，不知道暑期会是什么情况呢唉，希望能有面试吧，继续加油。字节被无hc直接取消了，现在还没人捞，有没有字节HR救救我

shein一面：非常简单，只问了20分钟实习，最后做了一道lru缓存。问了三个八股：http的time_wait状态服务器频繁出现该状态怎么办http关于缓存的字段总共30分钟，不知道结果百度二面：也是30分钟，问了实习和项目，问题就在于技术选型以及一些ai的问题，关于简历上的业务收益也表达了疑问最后做了一道大数相加，秒了，反问时候问他面试评价，他说很好，说我可以问问我们领导，应该也是很认可你，会给你转正机会，问我如果来，能不能实习到9月，结果很快，周内出。面完百度，滴滴约面了，要是秋招也这么多面就好了，可惜只是日常实习

30分钟快速结束，没有任何难度，面试官没开摄像头，纯照着题库念1.final关键字作用2.finally在出现异常后还会执行嘛？3.Java中为什么不能多进程？4.stringbuilder跟stringbuffer区别5.hashmap1.7跟1.8区别，线程安全嘛？6.线程安全的hashmap介绍一下，他的1.7跟1.8区别7.线程的状态8.如何停止线程9.syc锁关键字10.锁升级11.主键索引跟唯一索引区别12.什么是回表13.MySQL事务隔离级别14.Linux查线程状态15.http在哪个层实习问了两个问题这个面试评价为拉，没什么意思。