无论如何都往AI 上靠

1、自我介绍2、做了一个企业知识库 + 办公助手 Agent的项目3、Agent 和传统聊天机器人最大的区别是什么传统聊天机器人更多是围绕对话生成展开，本质上是“用户问一句，模型答一句”。AI Agent 不只是回答，它还要理解目标、拆分任务、决定下一步动作，并且在必要时调用外部工具完成任务。所以 Agent 更强调“决策能力”和“执行能力”，而不是单纯的生成能力。比如用户问“请假流程是什么”，这更像知识问答；如果用户说“帮我查一下我下周一有没有会，如果没有就给我安排一个项目同步会”，这就不是普通聊天了，因为它涉及状态判断、调用日历工具、执行会议创建等一系列动作，这才更符合 Agent 的定义...

这次面试有个让我印象极深的环节 —— 面试官要求我借助 AI 排查一段安卓代码的 Bug，代码如下：kotlinclass AnimView(context: Context, attrs: AttributeSet?) : View(context, attrs) {private var progress = 0override fun onDraw(canvas: Canvas) {super.onDraw(canvas)progress += 1if (progress > 255) {progress = 0}val color = Color.argb(progress, 255, 255, 255)canvas.drawColor(color)invalidate()}}过程回顾我先盯着这段代码看了两三分钟，大致理清了逻辑，但确实没看出明显 Bug，只能硬着头皮把代码丢给 AI，直接要求：“分析以上代码的问题”。AI 第一轮的分析指出：代码末尾调用invalidate()会强制触发下一次onDraw，形成无限循环的重绘链路，进而导致安卓应用出现一系列性能问题。但面试官立刻指出了问题：受 AI "注意力机制"的影响，它可能只关注主流程层面的 Bug，而忽略一些隐式问题，让我调整提示词重新提问。我当时一下子懵了，但还是硬着头皮推进 —— 按照过往经验给 AI 设定身份，将提示词优化为：“你是一名资深安卓开发工程师，请按照安卓通用开发规范，模拟线上真实运行环境，全面分析以上代码可能存在的问题，包括所有细节，仔细排查”。第二轮 AI 给出的答案确实更详细了，但面试官仍表示分析方向有偏差。这样反复调整了三四轮后，面试官让我回去再深入了解相关内容。这次经历让我大开眼界：此前虽耳闻 AI 注意力机制可能导致排查问题不全面、回答有偏差，但这次是真切遇到了。事后我也请教了做安卓开发的同学，他们补充说，代码的核心问题虽仍是无限重绘导致的性能崩溃，但还涉及绘制速度不一致等衍生问题。也是想问一下大家，遇到对应的问题会去怎么解决呢？以及对应的安卓代码，它会有什么问题还没有分析出来呢？（如下图AI最终分析出的结果，面试官还是不满意）补充：算法题：二维数组从右上角到左下角找最优路径（Dijkstra）脑经急转弯：一个五升的桶和一个六升的桶打出三升水

第一段实习：我以为学不到东西，是公司和mentor的错我的第一段实习，我的mentor是组里的技术骨干，天天不是开会就是对接项目，一天到晚见不到人，入职当天跟我简单说了句“先看看项目文档，熟悉熟悉代码”，之后就再也没管过我。同组的同事都忙得脚不沾地，每个人都有自己的模块要负责，我连问问题都找不到时机，怕打扰人家工作。入职前半个月，我每天的工作就是：打开电脑，翻一遍根本看不懂的项目代码，对着满屏的业务逻辑发呆，有问题先搜AI，搜不出来就只能憋着，一天下来啥也没干，啥也没学会。后来mentor终于给我安排活了，全是打杂的活：整理接口文档、核对数据、改一些无关紧要的文案、写最简单的单元测试。我硬着头...

周五面的 1.你用openclaw做什么？2.用agent能不能做3.你现在研究的agent调用量很小，那如果调用量特别大，会出现什么问题，你怎么优化4.你提到了压缩上下文，怎么压缩，我传超大上下文有问题吗？上下文很杂乱怎么办，你怎么去查找你想要的5.你了解rag吗6.你怎么做的rag7.流式返回怎么做的，为什么选webflux，还有什么？8.如果你召回的精度不高，怎么提升9.es用什么存储向量10.你怎么去es查向量11.平常怎么用aicoding12.aicoding生成的代码不是你想要的你怎么办，不断问他？有什么提效方式问了5分钟实习八股：1.怎么优化慢sql2.索引失效直接结束了，无算法，反问聊了会儿ai全ai拷打，反问时候问了，面试官说他们部门全体转型ai最近变化会很大，对ai需求非常大，感觉应该要挂，因为我ai就是三脚猫功夫，其实不怎么懂，等等周一结果。