校招里学历和实习真的是绕不开的终极难题。名校学历是硬核敲门砖，能让你通过很多企业的第一轮筛选，但我亲身经历告诉我，硬核实习才是真正决定你能走多远的王牌。我投递了70多份简历，前期因为实习经历不够，被好几家心仪的部门直接刷掉。后来我靠着第二段实习把简历改得更有含金量后，面试通过率明显上升。最终我拿到的offer，学历只是让我进了门，真正让我过关的是我在实习里拿到的真实项目成果和解决问题的能力。

使用AI工具到现在，我觉得最实用的两个skill分别是：用Cursor+Claude 3.5进行“定向生成式编程”，能极大提升 coding 效率；另一个是用Perplexity结合本地知识库做深度技术调研，准确率远高于直接问ChatGPT。我在GitHub上给LangGraph、LlamaIndex、CrewAI、AutoGen这几个仓库点了star，因为我目前主要在研究如何把多Agent系统落地到实际业务场景。这些工具和方法已经直接帮助我在实习中独立负责了一个内部数据分析Agent项目。

我觉得现在入门AI，首先要把Python彻底学扎实，再立刻去做项目，而不是一上来就纠结要不要读AI硕士。Python是地基，Pandas、PyTorch这些框架早晚要用，而真正能让你建立体系的是把一个完整项目从0到1做完。我现在特别后悔大二的时候浪费太多时间在纠结“读研or工作”，其实最该做的就是去狂刷项目，把简历填满。硕士可以后面再读，但动手能力必须先跑在前面。

面试Agent的时候，面试官最喜欢问的是：什么是ReAct？能现场说一下ReAct的推理循环吗？然后就会直接甩需求：设计一个数据分析Agent，要能自主做SQL、跑数据、生成图表和结论。我被问到最多的问题就是“如果Agent执行到第三步发现数据有问题，你要怎么让它重新规划？”还有“怎么防止它无限循环？”说实话，这些问题已经不是考察Prompt了，而是考察你对任务拆解、状态管理、错误恢复的系统性思考。

AI学不会看场合说话。同样一句话，对正式汇报说和对私下吐槽说，效果完全不一样。什么时候该严肃、什么时候可以放松，这种分寸感AI拿不准。它也不理解为什么有些话明明是对的，但就是不能当面说。这些日常的社交判断，AI做不了。

AI不能替我扛事。出了线上事故，领导问怎么回事，AI可以生成一份报告，但它不会站在我旁边说“这块是我负责的”。它也没有紧张到手抖的感觉，不会因为害怕再出错而加倍仔细。这些需要真实承担后果的时刻，只能自己上。

环境：★ 工资：★★ 成长：★ 心累：★★★★办公室空调经常坏，夏天很难熬。工资在同行业算中等，但涨薪幅度很小。成长方面，做的工作非常边缘，接触不到核心业务。心累是因为流程繁琐，走个审批要好几天。想养老可以来，想学东西就别考虑了。

没工作的时候呢，难受的是看不到结果。每天投简历、等消息，像在黑暗中走路。烂工作是每天早上都不想出门，进了公司就盼下班。一个消耗耐心，一个消耗精力。我觉得没工作的时候至少还有劲头去改变，烂工作会把人的劲头磨光。

投了五十多份，收到三个面试。两个一面挂，一个二面等通知。剩下的大概有三十多个已读不回，十几个直接不合适。每天看邮箱，打开都是垃圾邮件。室友已经拿了一个offer，我还在等。说实话有点急，但也只能继续投。

最好的一家，面试完不管过没过都有邮件通知，还附上面试反馈。最差的一家，面了三轮，最后HR说发offer，然后消失了。两周后问，说流程冻结了。还有一次现场等了一个小时，没人来面。遇到这种公司，早点放弃是好事。

双非本，靠着三段实习进了大厂实习岗。同组有985的，实习空白，反而不适应节奏。面试官明确说，学历差距可以用实习补，但实习差距学历补不了。因为干活需要的是解决具体问题的能力，不是考试成绩。想清楚这点，就知道该往哪使劲。

需要批量处理文件或数据时，我描述清楚输入输出，让AI生成shell或Python脚本。星了一个“script-generator”的项目，专门针对日常运维场景。之前手动一条条敲命令效率很低，现在几分钟就能得到一个可用的脚本。

先把数据预处理练熟。很多人跑模型很快，但真实数据有缺失值、格式乱、分布偏，处理不好后面全错。我建议拿一份脏数据自己清洗一遍。这个能力比调参更常用。读硕士也得面对真实数据，不如先动手练。

比如说“设计一个订餐Agent，用户说随便”。我说先调用推荐接口生成几个选项，再反问确认偏好。又问如果所有餐厅都订满了怎么办。答需要准备备选方案，比如推荐相似类型或建议改时间。考的是异常流程覆盖是否完整。