AI了，我在打一种很新的工

我现在是双非本科的计算机大三。然后现在出来实习，我想提升一下我的学历，所以我想考一个985文硕，以后还是继续干AI产品经理，只是单纯的提升一下学历。因为408的985研究生对于我来说有点困难。本人觉得AI产品经理既然是产品经理，那么一定要懂用户思维，考一个应用心理学这些不是很卷的文科，也不算很偏方向吧，大家觉得呢🤔想知道大家的建议 985文硕or 408本硕or老老实实攒实习经历准备秋招本人在找北京第二段实习，求小而美公司推荐😁😁😁（目前大厂应该不太可能吧

最近大厂都在推AI，赶这个风口，总得来说还是为了提效AI Coding看似是在考察Prompt，实则是考察结构化表达能力，面对复杂问题，如何拆解步骤，输入输出如何定义，选择什么样的方法解决。AI作为一个通用工具，会的多，但不精。上下文缺失/幻觉是常有的事做好AI coding，首先要明确AI定位角色，主要职责，再拆解任务，分步骤处理，一下子派个大任务很可能做到一半忘了前面。提供高质量的上下文，清晰，简练，过多上下文会造成认知负担，AI生成代码过于冗余，尽早进行干预，如删除无用代码，精简传参。对于AI幻觉（“别一直import你编的库”）导致的编译错误，可以要求给出参考文档，每个系统函数都要求有参考，禁止瞎编最后就是code review能力，快速识别问题，定位并解决，产出切实可运行的代码。

1.项目真实性与“含 AI 量” (最坑的一道题)面试官： “你简历里的这几个项目，哪些是完全靠 AI 生成的？哪些是你自己写的？AI 帮你解决了什么具体问题？”面试核心： 考察你对项目的控制力。如果你说“全是 AI 写的”，面试官会认为你缺乏解决复杂工程问题的能力。高分策略： 诚实交代 AI 的参与度（比如：AI 辅助生成了 70% 的样板代码、Mock 数据或单元测试），但核心的架构设计、数据库状态机切换、分布式锁的竞争边界处理必须强调是你的思考。2. AI 代码的“排毒”能力面试官： “如果 AI 给你的业务逻辑代码（比如一个复杂的 SQL 优化建议）看起来能跑，但潜伏着死锁风险，你通过什么手段识别出来？”面试核心： 考察后端基本功。AI 会写代码，但它不一定懂你的线上数据库隔离级别。考核点： 慢查询分析、事务传播机制、索引失效场景的预判。3. AI 驱动的自动化测试面试官： “你会如何利用 AI 来提升单元测试的覆盖率？你是怎么设计 Prompt（或 Skill 规范）来确保生成的测试用例覆盖了所有的边界条件（Edge Cases）？”面试核心： 考查工程素养。进阶： 谈谈你如何定义一套 Markdown 格式的 Agent Skill，让 AI 能够针对 Git Diff 自动生成高质量的 Test Case。4. 生产环境中的 AI 风险控制面试官： “如果我们在后端引入大模型做自动化审核，模型‘幻觉’（Hallucination）导致误删了用户数据，你在系统架构上会设计什么样的‘熔断’或‘人工回滚’机制？”面试核心： 容错设计。后端的核心任务永远是确定性，而 AI 是概率性的，如何用确定性的架构去包裹概率性的输出。5. AI 时代的“防御性编程”面试官： “在接入 GitHub Copilot 或 Cursor 开发时，你是否遇到过 AI 生成的代码逻辑在并发场景下失效（比如忽略了单例模式的线程安全）？你是如何发现并修复这些‘高智商垃圾’代码的？”考察点： 考察你是否具备代码审计能力，而非盲目信任 AI。------------------------------🚀 写在最后：加入我们，定义未来的后端我们正在寻找那些对底层技术有敬畏心，对前沿工具更有好奇心的同学。我们需要你：扎实的后端功底（Java/Go/C++ 任一）。对系统架构有热情，理解分布式一致性和容错处理。能熟练使用 AI 工具，并对如何提升 AI 产出质量有自己的见解。🔗 快速通道（HR 每日清筛）别让你的才华埋没在简历池里，点击下方链接直接触达核心技术团队：春招投递链接在这里：【拼多多集团-PDD校园招聘】内推链接：https://careers.pddglobalhr.com/campus/grad?t=C17PiAsy4n，内推码：C17PiAsy4n。期待你的加入！我们一起，无拼不青春！（通过此链接投递计入内推，内推简历优先筛选~）(有任何问题欢迎找我私聊沟通，帮看面试进度)通过这个链接投递会进入内推池，简历会优先筛选。祝大家都能拿满意的 Offer，我们在 AI 时代的后端浪潮里见！作者：在刷代码的哈士奇很勤劳链接：https://www.nowcoder.com/feed/main/detail/a97b1cbb5e6a40519291f3313b971fde?sourceSSR=users来源：牛客网

真正不会被替代的岗位，从来不是和AI比效率，而是守住AI永远没有的东西——人性、判断、温度、责任、创造力。一、先讲透一件事：AI能替代的，从来只是“动作”，不是“岗位”大家害怕AI，是因为看到AI什么都能“做”：写文案比人快、画图比人快、代码比人写得工整、视频剪辑一键生成。但大家忽略了一个真相：AI只会“执行”，不会“负责”。AI可以产出一万条文案，但它不知道哪条能打动用户；AI可以画一百张图，但它不懂品牌要什么情绪；AI可以写代码，但它理解不了真实业务的痛点；AI可以剪视频，但它抓不住观众真正想看什么。AI能干的，是重复、标准化、流程化、不需要思考的体力活。AI干不了的，是决策、判断、共情、审美、责任、人心、创新、战略、风险。所以，AI不会让岗位消失，只会让“不动脑的执行者”消失。只要你不做那个只会复制粘贴、只会执行指令、只会按流程干活的人，你就永远有活路。二、AI时代真正“越活越香”的5类岗位（普通人都能走）我结合互联网、国企、外企、校招、社招真实趋势，总结出最抗AI、最稳、最适合长期发展的岗位方向。每一类都对应“AI无法替代的核心能力”，看完你就知道自己该往哪走。1. 靠“人心与共情”吃饭的岗位——AI永远模仿不来这类岗位的核心是跟人打交道、处理情绪、解决关系、提供价值感。包括：HR、心理咨询、教师、医护、销售、用户运营、社群运营、产品经理（用户体验方向）。AI可以写话术，但无法真正理解一个人的情绪；AI可以回答问题，但无法安慰焦虑、化解矛盾、打动人心；AI可以做流程，但无法判断一个人是否靠谱、是否适合团队。这类岗位的活路：越懂人，越不可替代。2. 靠“判断与决策”吃饭的岗位——AI不敢担责所有需要拍板、承担风险、统筹全局、处理复杂问题的岗位，AI根本碰不了。包括：管理者、项目负责人、策略岗、风控、分析师、法务、咨询。AI能给数据，但不能做决定；AI能给方案，但不能承担后果；AI能分析趋势，但不能在信息不全的时候赌一次判断。职场越往上走，越不靠“动手”，而是靠“拍板”。这是AI永远进不去的领域。3. 靠“真实创造力”吃饭的岗位——AI只会拼接很多人以为AI能创作，其实它只是整合、模仿、重组。真正的原创、审美、故事、灵魂，AI永远没有。包括：资深文案、创意策划、导演、设计师（策略向）、品牌、内容主创。AI能出100个初稿，但人类决定用哪个、为什么用、怎么打动别人。未来的创意岗，不是淘汰，而是升级——人负责“灵魂”，AI负责“体力”。4. 靠“稀缺专业深度”吃饭的岗位——AI只能辅助需要长期经验、复杂场景、真实操作的岗位，AI只能当工具。包括：医生、律师、架构师、工程师、精算、科研、技术专家。AI可以查资料、辅助诊断、提供参考，但不能真正做手术、出庭辩护、解决线上突发故障、做底层创新。越垂直、越深入、越贴近真实场景的专业，越安全。5. 驾驭AI的岗位——未来人人都要走的路这是最适合应届生、最容易上手、最容易逆袭的一类活路。不是被AI替代，而是成为用AI的人。包括：AI提示工程师、AI训练师、AI产品、AI运营、AI剪辑、AI设计指导。未来所有岗位都会+AI，不会用AI的人，才会被淘汰。你不需要懂算法，只需要懂得：让AI干活，你来把控。这是普通人成本最低、最稳的生存方式。三、普通人最落地的“AI时代生存法则”看完岗位方向，你可能会问：我不是管理者、不是专家、不是创意大神，我就是一个普通应届生、实习生、基础岗，我怎么活？答案非常简单：不跟AI比执行，要跟AI比“人”的能力。第一：把重复工作丢给AI，把时间留给思考不要把精力放在打字、排版、找资料、填表格、写初稿这种AI一秒能做的事。让AI干活，你负责：判断、优化、审美、决策、沟通。第二：提升“AI没有的四项能力”1. 共情力：懂人、懂情绪、懂关系2. 判断力：能选、能担、能定方向3. 学习力：快速适应新工具、新场景4. 表达力：把事情说清楚、把价值讲明白这四项，是你未来10年的铁饭碗。第三：让自己的价值“被看见”AI时代最残酷的不是被机器取代，而是你的能力没人知道。尤其应届生、实习生、转行的人，你会用AI、会思考、能扛事，但简历写不出来，就等于没有。我身边很多同学，明明会用AI提效、有实习经历、有思考力，却因为简历太普通，连面试都拿不到。后来他们用泡泡小程序AiCV简历王把自己的经历重新包装，把“打杂、执行、基础工作”变成“效率提升、流程优化、AI协作、业务支持”，瞬间让HR眼前一亮。它最厉害的地方，不是帮你美化，而是帮你把“人的价值”提炼出来——你的责任心、执行力、学习力、协作力、AI工具能力，全都变成简历上的亮点。在AI越来越强的时代，会展示自己的人，永远有活路。你能干什么不重要，重要的是你能让别人一眼看到：你是AI替代不了的那个人。四、别再焦虑了：AI越强大，人类越值钱回顾每一次技术革命：蒸汽机没有淘汰人，汽车没有淘汰人，电脑没有淘汰人，互联网也没有淘汰人。每一次工具出现，都是把人从低级劳动里解放出来，去做更高级、更像“人”的事情。AI也是一样。AI做机器能做的事，人类做人才能做的事。AI负责效率，人类负责判断、审美、情感、责任、创造、温度、未来。真正的活路从来不在“避开AI”，而在成为AI无法复制的人。五、写在最后AI能写代码、能画图、能写文案、能剪视频……但AI不能爱、不能痛、不能梦想、不能承担、不能决定、不能为自己的人生负责。你的活路，从来不是“找一个AI干不了的岗位”，而是活成一个AI永远无法替代的人。懂人心、有判断、会创造、敢负责、能不断成长。只要你守住这些，无论AI怎么发展，你永远有位置、有饭碗、有未来。未来属于：不被AI取代，而是让AI为你所用的人。如果你也在AI时代迷茫、焦虑、不知道自己适合什么方向，欢迎在评论区聊聊——你现在的岗位是什么？你最怕被AI替代的是什么？我们一起找到属于自己的“活路”。

1.项目真实性与“含 AI 量” (最坑的一道题)面试官： “你简历里的这几个项目，哪些是完全靠 AI 生成的？哪些是你自己写的？AI 帮你解决了什么具体问题？”面试核心： 考察你对项目的控制力。如果你说“全是 AI 写的”，面试官会认为你缺乏解决复杂工程问题的能力。高分策略： 诚实交代 AI 的参与度（比如：AI 辅助生成了 70% 的样板代码、Mock 数据或单元测试），但核心的架构设计、数据库状态机切换、分布式锁的竞争边界处理必须强调是你的思考。2. AI 代码的“排毒”能力面试官： “如果 AI 给你的业务逻辑代码（比如一个复杂的 SQL 优化建议）看起来能跑，但潜伏着死锁风险，你通过什么手段识别出来？”面试核心： 考察后端基本功。AI 会写代码，但它不一定懂你的线上数据库隔离级别。考核点： 慢查询分析、事务传播机制、索引失效场景的预判。3. AI 驱动的自动化测试面试官： “你会如何利用 AI 来提升单元测试的覆盖率？你是怎么设计 Prompt（或 Skill 规范）来确保生成的测试用例覆盖了所有的边界条件（Edge Cases）？”面试核心： 考查工程素养。进阶： 谈谈你如何定义一套 Markdown 格式的 Agent Skill，让 AI 能够针对 Git Diff 自动生成高质量的 Test Case。4. 生产环境中的 AI 风险控制面试官： “如果我们在后端引入大模型做自动化审核，模型‘幻觉’（Hallucination）导致误删了用户数据，你在系统架构上会设计什么样的‘熔断’或‘人工回滚’机制？”面试核心： 容错设计。后端的核心任务永远是确定性，而 AI 是概率性的，如何用确定性的架构去包裹概率性的输出。5. AI 时代的“防御性编程”面试官： “在接入 GitHub Copilot 或 Cursor 开发时，你是否遇到过 AI 生成的代码逻辑在并发场景下失效（比如忽略了单例模式的线程安全）？你是如何发现并修复这些‘高智商垃圾’代码的？”考察点： 考察你是否具备代码审计能力，而非盲目信任 AI。------------------------------🚀 写在最后：加入我们，定义未来的后端我们正在寻找那些对底层技术有敬畏心，对前沿工具更有好奇心的同学。我们需要你：扎实的后端功底（Java/Go/C++ 任一）。对系统架构有热情，理解分布式一致性和容错处理。能熟练使用 AI 工具，并对如何提升 AI 产出质量有自己的见解。🔗 快速通道（HR 每日清筛）别让你的才华埋没在简历池里，点击下方链接直接触达核心技术团队：【PDD实习生招聘】🔗 内推链接：https://careers.pddglobalhr.com/campus/intern?t=IU9k50iFrF🎫 内推码：IU9k50iFrF⭐ 为什么说PDD暑期实习“性价比很高”① 实习满2个月即可申请转正相比很多公司需要 3-6个月实习，PDD暑期实习满2个月即可发起转正流程。② 实习转正薪资通常高于校招入职通过 实习转正入职的薪资一般更有优势。③ 免费三餐 + 高薪实习公司提供 免费三餐 + 有竞争力的实习薪资。(有任何问题欢迎找我私聊沟通，帮看面试进度)通过这个链接投递会进入内推池，简历会优先筛选。祝大家都能拿满意的 Offer，我们在 AI 时代的后端浪潮里见！

大家好，我是一名28届的前端开发，最近团队需要启动一个Agent（智能体）项目，但我对这个领域还很陌生，想请教大家几个问题，希望能得到一些工程实践上的指点。1. 我的背景和困惑我只知道“Agent”这个概念和一些名词，但没有深入学习过。以前在学校学的AI课程（深度学习、CV、搜索算法）感觉偏科研理论，和实际工程开发好像不太一样。我看到现在很多招聘要求“开发+Agent赋能”，感觉这已经是一个普遍趋势了。看到有牛油评论说：“现在大厂就很迷，感觉要么就是算法+agent，要么就是开发+agent。还是招和原来一样的岗位，只是都要求赋能agent了   ”。真正的工程化Agent开发到底该怎么做？2. 我的具体疑问a.技术栈疑问：我粗略了解到后端好像用Spring AI比较多？想请问在真实的产业项目里：后端主力语言是Java还是Python？各自的常见技术栈和框架是怎样的？b.开发流程疑问：我之前的理解实在太少了，以为就是“接入大模型API + 优化Prompt”。真实的Agent工程开发，到底包含哪些核心环节和模块？（比如除了调用模型，是不是还要做任务规划、工具调用、记忆管理这些？这些要怎么深入学习呢？要和科研深度学习一样跑“炼丹”项目读论文吗？）3. 我的角色定位：我本身是前端开发，自己写的toy是用Node.js 还有 express 框架做全栈项目。像我这样的背景，在一个Agent项目中：具体能从哪些方面入手去“赋能”？除了做个展示界面，在Node.js这一层能做哪些有意义的AI集成或能力封装？4. 求分享、指路我现在的认知太少了，非常需要一个从工程视角出发的学习路线和方向指引。希望大家能分享一下：我应该按什么步骤去学习？重点要掌握哪些工具和框架？作为前端/全栈，在实际业务里面怎么赋能agent？当前我的学习突破口在哪里？----------先谢谢各位大佬了！

五道视频面试题+四道选择题选择题（每道题限时1分钟左右）1. 是否使用过AI基座模型？2. 是否使用过cursor, winsurf等AI编程工具？3. 是否调用过AI模型api ？4. 是否有AI产品/功能的独立开发经历？视频面试题（每道题十几秒思考，5分钟作答时间）1. 使用过的AI基座模型有什么？2. 使用cursor，winsurf 的使用场景和使用情况如何？3. 近一年读过什么AI论文/技术报告两次以上？对你有什么帮助？4. 调用过最好用的AI模型API是哪个？5. 请说说开发过的AI产品/功能是什么？用户需求？最终结果？（最后还会要求上传作品链接，如果有的话）

随着AI的发展，数据人的工作边界，正在发生变化。过去我们更熟悉的是这些词：ETL、数仓分层、指标体系、实时链路、BI 报表。这些能力当然依然重要。而且直到今天，它们还是企业数据建设的基本盘。但现在，很多企业对数据团队的期待，已经不只是：把数据算出来。而是开始进一步要求你去支撑：智能问答/企业搜索/RAG 检索增强/Agent 工具调用这意味着，数据人做的事情，正在从“建数仓”，慢慢走向“建 AI 数据底座”。未来已来，该考虑不是数仓还要不要做？而是从做数仓到做 AI 数据底座，数据人到底该补什么能力？一、不是数仓没用了，而是只会数仓已经不够了先说结论：数仓能力不会过时。因为 AI 数据底座的很...

这是我的agent系列文章的第5篇，该系列分为三部分：AI认知篇：详细讲解相关基础概念AI实践篇：分享诸如skills怎么写、怎么ai coding、怎么写好prompt等的最佳实践AI八股篇：分享我自己整理的应付大模型应用开发岗位必备的八股笔记（后端与agent2手抓学习专栏一、巴别塔困境：为什么大模型看不懂人话？要理解 Token，首先得明白大模型到底是个什么东西。尽管现在的 AI 能写诗、 coding、做数学题，表现得像个人类，但它的“大脑”本质上是一个巨大的数学函数。它只认识数字（向量），完全不认识文字、图片或声音。如果你直接把一段中文或英文文本扔给大模型，对它来说，这就像是一堆毫无...

虽然知道这肯定是发展的方向，但今天听说，隔壁科室的领导要求所有人都安装上OpenClaw并使用，可有的人接触的AI只有豆包而已，很多人的工作还是不能被AI取代的，像这样火热甚至一刀切的拥抱AI，真的完全正确吗？

背景现在ai发展越来越快随着Claude opus 4.6、GPT5.4、Gemini3.1 Pro、GLM5等模型越来越好用，同时Open Claw、Skill、MCP出现➕最近很多很多大厂也出现裁员/岗位合并等文章，使得很多同学陷入了AI焦虑，很多同学目前不知道自己要学啥（当前课程太杂太乱没有体系），反正要赶上风口怕被淘汰，同时也回答下大环境问题，很多同学都是在AI时代下都淘汰了，本质不是这样的，工作模式变了，开发效率/产出效率越来越快了，而且AI影响的是所有行业不光是程序员，例如音乐创作者现在被SUNO V5替代，短视频创作可以用Seedance2.0。这里给大模型排名，对于大家日后使用...

这是我的简历。平时玩ai比较多，但是没什么落地项目。目前大三下，是学嵌入式干本行还是搞ai应用开发。现在我知道只是前后端合并成ai岗了，但是我没系统学过后端和算法      ，要恶补吗？现在进阿里 ai研发 流程了，25号笔试，不知道刷什么题，希望大佬指点

去年入职后，每个新员工都有一个导师，导师们对我们的工作也确实很上心，组织了关于产品研发的一系列课程给我们，其中就涉及如何写市场调研报告、产品功能描述以及如何Axure做原型图。和大学上课一样，“导师们”也给我们布置了任务，让我们在工作之余自己动手做一个demo出来。当时我为了偷懒，直接去找了Claude，把我的需求讲给它，它直接完成了一整套网页的html代码，然后再把html导入墨刀，形成了原型图，再自己做修改。当时我把这个操作归类为投机取巧，觉得并不能从这个路径上学到核心技能。直到前段时间刷公众号，发现有个帖子写的就是《用 Claude写PRD，产品经理从此告别手画原型图》，通读了一遍，发现...

佬们，本人27届双9想走后端开发，目前八股算法准备得差不多了，目前在找暑期实习。简历上准备了一个Java知识星球项目和一个cpp轮子项目，看到今年大厂很多后端开发岗变成了AI应用岗，想把cpp项目换成一个ai项目，想请教一下，ai项目是做Java的还是Python？Python的ai项目似乎更前沿一些。另外，请问有项目推荐吗？

客户端社招跳槽基本不可能了你们自己想想看，你平常用的 app 是不是都是中大厂的？所以现在很多中小公司基本不搞客户端开发的了，但是如果一定会有后端，后端是业务实现的核心，具体给用户的展现方式不一定是要用手机 app，也可以是 web 前端之类的形式。之前也有一些大厂客户端社招同学跟我反馈，在大厂卷累了， 想回二三线城市，可是发现客户端岗很少，都想转后端去求职了。客户端不可能有前途了测试点点点也比客户端强一百倍以上好自为之

组内直招算法实习生，有任何问题欢迎私信，评论或邮件沟通招聘公司：中兴通讯股份有限公司实习地点：中兴通讯上海研发中心，碧波路889号招聘岗位：具身智能算法实习生实习内容：负责大模型在具身智能的落地应用，包括 但不限于VLA 模型、运动控制强化学习算法、动力学建模、视觉模型、3DGS 场景建模和 SLAM 等算法设计与融合应用；任职要求：计算机、人工智能、计算机网络、机械、微电子、通信或电子相关专业（同样欢迎有转AI且意愿强烈、实习时间宽裕的同学）；熟悉python和神经网络算法者优先；985，211学校相关专业背景优先～实习时间：3-6个月；

在 Claude Code、Cursor 等 AI Agent 工具的使用过程中，MCP（Model Context Protocol）与 Skill（Agent Skill）是两个高频出现的能力扩展概念。二者看似都是为了增强 AI 的能力边界，但在设计哲学、技术架构和适用场景上有着本质区别。本文将从这三个维度，彻底厘清两者的核心差异、存在价值及选型原则。一、一句话核心区分MCP 和 Skill 是 AI Agent 能力扩展的两大核心支柱，定位截然不同：MCP 解决「连接」问题：让 AI 突破自身数据局限，访问外部世界的工具、数据源与服务。Skill 解决「方法论」问题：为 AI 注入专业的...

前言这是我的agent系列文章的第5篇，该系列分为三部分：AI认知篇：详细讲解相关基础概念AI实践篇：分享诸如skills怎么写、怎么ai coding、怎么写好prompt等的最佳实践AI八股篇：分享我自己整理的应付大模型应用开发岗位必备的八股笔记在大型语言模型（LLM）的应用开发中，我们常常面临一个核心矛盾：如何平衡模型的“稳定性”与“创造性”？有时候我们需要模型像教科书一样严谨准确，有时候又希望它能像诗人一样灵感迸发。解决这一矛盾的关键，往往藏在两个看似简单却极其强大的参数背后：Temperature（温度） 和 Top-p（核采样）。很多开发者只是机械地调整这两个数值，却并不清楚它们底...