寄啊，面完感觉就寄，ai 用多了业务上说的还好，但是基础上就出问题了实习业务讲一下用 ai 做过什么工具吗sse 和 websocket 区别和使用，轮询和 websocket 之间纯 css 实现拖拽简单的 js 例子题css 盒模型怎么画一条 0.5px 的线cors 跨域相关的算法字符的最短距离ai 方面相关的业务聊了半小时多，基础面试官看我差一点😭就没有深入了，算法是一道简单题总结：还是太菜了我，这几个月 ai 确实做了很多，但是还是把很多基础的忘记了

27 届暑期 0offer，求内推求内推求内推！求建议准备全力梭哈日常了，成为最早备战秋招的从三月底面到现在，一边面试一边学习一边复盘，面经就不上传了，也是发现自己的一些问题，大家可以学习，不对的地方可以在评论区指出纠正一下：1.一定要至少准备个 60% 的程度再开始面试，不然会终止流程或者脏面评，我的字节和美团应该是黑了2.听好问题想清楚再回答，慢一点讲清楚3.不会可以说些相关的，相关的也不会大大方方承认，别胡乱背八股，面试官会很折磨4.leecode 坚持刷坚持刷坚持刷，不要间隔着刷5.把知识好好梳理串联起来，把项目理解清楚为止（面试时项目露馅包死的）

求锐评 目前0offer😢

一、为什么 Agent 评测比 LLM 评测更难？ 传统 LLM 评测（现在当然更复杂维度更多元化）关注的是文本生成质量——回答是否流畅、事实是否正确、格式是否合规。但 Agent 是一个完整的系统，它要自主决策、调用工具、与环境交互、在多轮对话中保持状态。这意味着：  不能只看最终输出，还要看中间过程是否合理（中间过程非常重要） 不能只看单次执行，还要看重复执行是否稳定 不能只看功能正确性，还要看性能、成本、并发能力 不能只在单一场景测试，还要覆盖工具调用、长上下文、多轮对话等维度（工具调用的能力评测也是目前的难点与重点）  LLM 评测像测发动机，Agent 评测像测整车——必须综合考察在...