面试不是考试！面试不是考试！面试不是考试！重要的话说三遍，二十多年的应试环境，让我们习惯了考试，每一次人生的重要路口都是考试完成的，但是职场里的面试不是考试，他只是面试官用来筛选未来同事的工具，设身处地，作为一个普通打工人，你也不想和一个与人交谈紧张无比，逻辑思维混乱，技术不精的人对齐，开会，交接工作吧。面试放轻松，把他当一个会谈，与面试官去谈合作。我建议大家都可以学一学销售，或者去体验体验卖东西，面试的时候把自己当作销售，只不过售卖的产品是自己的时间。以此为例，目前比较火的面试形式-无领导小组面试，像不像互联网的跨部门对齐话，火药味比所谓无领导面试大多了简而言之就是，不要把面试当考核，当成一次又一次会议，一次又一次谈判，一次又一次交友，当然该有的技术能力也要有

起因是之前我有一个实习公司的部门每天要处理大量第三方爬取过来的非结构化数据，对非结构化数据进行数据加工，对他们按产品类别分类，剔除一些与我们公司产品不相关的数据，并且将他们转变为结构化数据，写入数据库，这个过程具有高度重复性，且数据量不大，一个实习生花费一个小时时间足够搞定。适逢公司在推广大模型提效，要求每个部门看看自己的工作流中有没有可以应用大模型的地方，于是我就想到了能不能在这个地方应用到大模型，向领导提出后，也得到了领导的大力支持。然后我正好看到了dify的ai低代码平台，由于我这个只是要做一个轻量化的ai工具，也不会分到太多的研发资源，所以就想到了用dify做知识库和前端搭建。说干就干，前期我协助业务方收集每个产品对应的关键词，搭建知识库，并且还支持业务不断更新关键词，中期和产品一起试图减少幻觉的影响，兼容现有Excel文件格式及业务流程，自动化识别网页数据中的关键信息并完成分类打标签操作。项目的困难点是由于公司产品类别繁多，复杂，所以需要知识库搭建极为细致，有时候还需要迭代，并且需要大模型读取网页或者附件信息，提取关键参数完成标签生成。所以我们设置了  这个工具需支持简单的规则配置功能，便于后续自主更新规则最后也得到了较好的结果，大模型进行数据清洗可以收获90%的准确率，只需要人工复核即可，也是节省了清洗人员的大量时间上述过程中大多数步骤都可以用dify完成，前期使用python验证可行性，dify目前也十分完善，非常适用于工作流提效

1.自我介绍2.对亚马逊平台的以及我们这个岗位的了解3.了解了一些实习期间的具体工作，并询问自己做过最困难的事4.在学校有没有制定目标做过什么事情，连问三件事5.之前都是数据实习为什么想做运营6.在xxx工作中，每周有没有工作量的要求，领导对你怎么评价7.英语水平如何，为什么想考雅思8.反问工作内容，全品类，独立做产品开发和运营

我现在在的这家实习公司，不管是什么部门都喊着要用AI提效，仿佛你如果不会agent开发，你就要随时落后于时代，各种低代码工具如雨后春笋，涌入市场。我对接的产品经理就一直在推低代码开发，说可以节省人力，业务也可以参与到研发阶段，节省对齐成本。之后我们就牵头用Dify搭建了一个数据清洗智能体，AI负责清洗每天从第三方公司爬取的数据，自动进行分类，我们负责维护知识库，不断调优，业务只需要对清洗的数据进行检查，减少了业务清洗数据的时间约百分之五十，这也是我写在简历上的一个提效项目，这个项目背景是对第三方机构爬取的一些线索数据进行二次数据清洗，数据量很少，数据结构很复杂，单独做一个系统数据清洗没有性价比，所以我们就想到了用大模型进行提效

起因是我前几天收到了一家ai独角兽公司的offer，他们说他们是学习palantir的fde模式，然后我好奇就去搜了一下palantir 这家公司可以说是美国AI圈炙手可热的AI明星，各大AI公司，包括openai纷纷效仿，美国FDE岗位的需求迅速增长palantir主营AI数据中台治理业务，企业大模型服务商，曾为美国国防部服务，在击毙本拉登的行动中一举成名，此后一直是美股中的一颗明星。随着AI的不断融资扩张，各大AI公司必定会不断向AI落地应用转型，以寻求稳定盈利，当今ai公司的第一需求已从研发出更厉害的ai向活下去，让技术可落地，可盈利改变，不能落地应用不能盈利的AI注定只是空中楼阁，而palantir模式为各大ai公司提供了一个AI落地的模板--本体论-FDE模式，AI前沿部署工程师（做出一个公司的产品模型（本体），让工程师去客户现场开发，现场解决业务问题，做定制化开发，现场开发的解决方案沉淀成一个可复用的模板，融进本体中，在另一个客户使用的时候可以直接复用，这就是美国目前火爆的Palantir模式各位是否觉得这种模式很熟悉，这不就是我们这里交付工程师和解决方案的职责吗，中国的软件公司一直在用的模式。但是欧美之前软件行业一直强调的是标准化，所以saas行业一度十分流行，只卖产品，不卖定制化服务，但随着ai时代的到来，美版saas的服务体系跟不上ai公司产品的快速迭代，所以演变出了FDE这个岗位由此影响到国内，我认为在各大企业都在寻求AI落地的背景下，国内未来的AI行业的交付和解决方案工程师需求会是一个新的增长点，并且未来发展尚可，该岗位需要的能力是：技术能力，现场沟通能力，需求挖掘能力，对个人的综合素质要求比较高，而且在未来也会有一定的人脉积累而且交付，售前，解决方案类岗位对比开发算法来说对学历和技术要求并不高，也不是很卷，唯一是起薪可能偏低，需要频繁出差，擅长与客户沟通非常适合学历一般有技术背景且擅长交际，想从事销售的小伙伴，且可以直接产生利润，有些公司还会给你一些回款提成作为薪资的一部分

企业文化这一块，需要先抽中隐藏款才有抽礼盒资格，之后还要抽奖

本人26学院本应届生，从25年3月份投递到今年现在，投递五千➕面试四百➕场，涉及岗位数据开发数据分析，用户运营，客户运营等各类品类运营，实施交付，解决方案，测试，大客户销售，技术支持。。。为我自己做过9个不同版本的简历，针对不同岗位目前靠运气拿了两个offer，临近过年，不准备面试和投递了，休息中可以帮27届以后的学弟学妹把把关，只在牛客评论区或私信搞😋😋😋😋

1.做下自我介绍2.你自己喜爱游戏行业吗3.两道sql口述题：比较简单两表合并+查未登录的用户日期函数4.以你喜爱的游戏为例，你会怎么做数据分析，简要说一下5.介绍一个你之前数据分析的相关案例

我个人非常喜欢走路，不管是在公路还是在公园，特别喜欢一个人，漫无目的地走，走到哪算哪，大脑放空什么都不要想，走累了再回去，实习上班后我依旧保持着每天下班走路的习惯，我觉得这就是我每天中的放松时刻，也可以回顾下一天的生活

起因是我加一要临时准备一个材料，需要我协助输出数据，当时我还在西湖拍照，电脑都快没电了，我直接在西湖旁边的德克士开始干活，也是体会到周末星巴克里打工人的感受了

之前我前司有个花园，花园里有个小亭，我在凉亭里面试，四周都是鲜花，老美了，还没什么人来，渐渐的成为我的专属面试场所，下一家入职公司的➕1还说，你就是之前那个在户外面试的人，印象还蛮深刻😊

我提炼了几点1.绝大多数科技公司都是双休2.下班后不再处理工作 工作生活划分较为清晰3.35岁危机被放大暂且不论3和1，因为确实有不少大龄程序员贡献自己的力量，😋😋😋但是第二条，互联网大厂那可真是时时刻刻都在on call，忙的时候周末都得干两天

之前没考虑过去厦门，一直在投北上广深杭，最近拿到了一个厦门的offer，大约一万块左右吧，看小红书上说厦门岛内岛外是两个世界，想知道租房成本，如果岛外租房，岛内上班的话通勤方便吗

经过深思熟虑，决定接受offer，去一家做企业大模型应用开发的ai独角兽公司，公司可以签三方，需要提前实习，毕业后无试用期直接转正公司前景发展不错，去年刚刚上市，现金流短期来看比较充足，有上升空间薪资给的还不错，对于双非来说已经很知足也比较符合个人的发展规划，AI行业也处在一个增量扩张的阶段吧