没面试的时候我也没闲着，一边把手头的面试题按专题整理，一边有选择地投简历，不海投，就盯着那些真正匹配的机会。空窗期正好是把短板补一补的时候，这样我不至于太焦虑。

有个朋友简历上写了精通MySQL，其实他就会写增删改查和简单的join。面试的时候面试官问了他一句：“你说你精通MySQL，那我问你，一个表里有5000万条数据，我执行一个范围查询特别慢，你从哪些角度分析？”他当时就懵了，开始背索引、缓存的那些概念，面试官接着问：“那你能讲讲InnoDB的B+树到底是怎么存储的？为什么用B+树不用B树？”他就彻底卡住了，支支吾吾说“我平时主要用ORM框架，底层了解不深”。面试官笑了一下，没再追问。结果当然是挂了

从网上爬了一堆招聘信息或者商品评论，然后用大模型做实体抽取、情感分析、摘要生成，最后做一个简单的仪表盘展示。我觉得就很有用，在这过程不仅要处理数据格式、要控制API成本、要处理并发和错误重试等，这些要放在日常中那就是一堆破事。

如果实在不知道学点什么，我们还可以复刻一个市面上火的产品，但这个复刻不是指抄袭，而是一定要加上你的改进。比如你做一个类似Perplexity的联网搜索问答，但你专门针对技术文档搜索做了优化，能自动识别用户问的是哪个库的哪个版本。其实复刻本身不丢人，丢人的是复刻得一模一样还没人家好。

首先我们得明白一个道理，面试官看你的项目，不是看你用了多高级的模型，而是看你有没有真的解决过一个实际问题。所以最值得做的项目，不是那种我用他写了篇论文或者我跑通了官方demo，而是那种我拿AI帮自己或者别人省了多少时间，达到了什么有用的效果。

可以在简历里埋一个失败但学到了的点，比如初期尝试用GPT-3.5做意图识别，发现延迟过高，后来换成了轻量级的Bert蒸馏模型，在保持91%准确率的同时将延迟降低了70%。这样的过程能让面试官觉得你真实、有经验、会做技术权衡。

具体的数字体现，一定是最能直观感受到你使用AI的效果的。比如，使用AI后“准确率提升到95%”、“训练数据需求减少了50%”、“人工审核工作量降低45%”等这些描述，面试官一看你一定是真实实践过的。

不要写你会什么，要写你解决了什么。比如你不要说熟练使用Prompt工程，而是说通过设计少样本提示和思维链，达到了什么样的目标。这样面试官一眼就知道你不是只会调API，而是真拿AI解决了业务痛点。

如果没有offer的话，我一般给父母说还在投递陆续面试中。有offer时我会说我还想看看其它机会。回头想想自己春招那会确实停焦虑，但还是躲不过妈妈细腻的关心，给我做好吃的。那段时间焦虑得掉头发，妈妈到我房间发现了，其实我自己都不知道，然后就是妈妈给我买了补品告诉我不要焦虑，慢慢来会好的

面试时庆幸自己不是写的在学校做的那些学生选课系统、图书管理系统、或者那种烂大街的商城和外卖项目了，而是我可以实实在在地说：我在实习的时候做过一个真实上线的功能，每天有几万人在用。那一刻是真的觉得实习值了

还记得实习的时候，当时对项目的各种管理都比较严格，导师也很负责任的真心教我们东西。说真的，那时候实习不仅学到了编程的思维还有解决问题和抗压的能力。后来写论文时，真的是触感很大，别人都是网上买的程序，我直接前后端用当时学到的技术手搓出来，特别有成就感，到现在我依然还时常怀念实习的时光。

大厂节奏快、变化多，今天做的项目明天可能就砍了，辛辛苦苦写的代码被review一顿喷。而且光写代码还不行，得知道怎么跟产品沟通、怎么跟运维对齐。别看大厂的薪资高，很多事情比如资源不够、时间很紧、文档不全，你都得自己想办法搞定。

像国内一些做银行项目、国企单位、老牌软件公司这些基于数据和权限的高度保密性的原因。依然还是比较保守处于观望状态，他们还是认为手写代码才见真功夫。而且把这些敏感数据交给AI，可能确实是担心有较大的风险。

随着AI的快速发展，我知道的国外好些公司已经明确说明了有这方面的需求。比如带头大哥Meta，他们允许我们在编程面试的时候用AI助手；另外的Canva也是，非常赞同且鼓励我们用Copilot或者Cursor。