AI 这波浪潮来得太快了。半年前面试还在聊微服务和高并发，现在面试官张口就是：RAG 怎么做的？Agent 的执行链路是什么样的？你的检索策略是怎么设计的？会话记忆怎么控制 Token 成本？这些问题已经不是加分项了，而是越来越多 JD 里的硬性要求。但现实是，大部分人接触 AI 的方式还停留在"调 API"的阶段——跟着教程往向量库里塞点数据，让大模型吐一段话，截个图发朋友圈说自己"做过 RAG 了"。面试官稍微追问两句就露馅：文档怎么切的？检索召回率低怎么办？幻觉怎么控制？一问三不知。跑通一个 Demo 和做出一个能上线的系统，中间差的不是几行代码，...

快一个月沟通300次，要简历30次，面试三个全挂😭日常实习难度这么大吗？找实习找到道喜破碎。是我简历太烂了吗？求指教。

三月中旬开始陆陆续续投了几十家，记录了一下情况，BOSS上也问了几百家，大部分没回或者根本未读面试只有寥寥几个，发笔试的更是一个都没通过(至今没敢做美团笔试，pdd听说笔试难更是没敢投)部分企业直接简历挂(快手挂了五次)，甚至有点还在流程里出去一看岗位都没了(比如小米滴滴，前者还好直接流程结束了，滴滴硬是卡在那取消也取消不了，别的也投不了)大部分还是投了泡池子毫无推进网上都说今年暑期难得多，是我信息茧房了还是客观如此，或者我太菜了吗本人有三段小厂实习，其中两个规模不大的小公司做业务，一个几百人的数据库公司做的是数据库跟中间件，偶尔有几个面试也都感觉回答不上，除非像我主页京东一面那种项目引个头问八股的，不然问点场景题或者拷打实习产出与项目亮点，都感觉束手无策，想多面试攒经验吧偏偏连面试都接不到几个难道只能等六月份投日常了吗，中厂暑期感觉都希望不大了，面试基本全是bat京东给的，中厂一点面试不给，鱼鱼了

1.问实习2. 项目拷打3. LLM 落地部署有什么好用的 trick？答案：现在 LLM 落地里，很多时候改模型不如先改数据和链路。第一步是把线上 badcase 分桶，区分是检索错、提示词错、模型能力不足、工具返回错还是数据源脏；第二步是做数据闭环，把高频错误变成 SFT、偏好对、规则样本或者评测集；第三步是做推理侧优化，比如 KV Cache、continuous batching、量化、prefix cache 和路由小模型。比较实用的 trick 是不要盲目微调整个模型。很多业务问题是知识更新、格式不稳、证据引用错，这些更适合通过 RAG、结构化输出、后校验和数据清洗解决。只有当错误...