实习要不要延迟入岗

到凌晨三点了都没睡着。本来都躺下了，突然脑子一闪：那家公司的截止日期是不是已经过了？爬起来翻手机，翻了二十分钟没翻到投递记录。可能根本没投。也可能投了但忘了记。然后就开始恶性循环。字节挂了，腾讯没消息，美团一面之后杳无音信。阿里百度快手网易，投的时候满怀希望，现在看像个笑话。 六月初了。我以为早结束了。群里有人晒offer，我点了屏蔽。我妈问我怎么样了，我说还在等，她说"别太有压力"，我说"嗯"。但刚才刷牛客，看到有人说还有公司在开。我第一反应是骗子吧。第二反应是点进去看看。 结果看到一家公司，我之前完全不知道在招。岗位还对口。截止日期还有五天。现在坐在...

前几天我向家里人抱怨，现在工作太难找了，手里现在只有一个字节，但是岗位不是很满意，算是保底吧。前天还在跟我妈诉苦，我妈突然跟我说，让我别焦虑，已经打点好关系了，说背景硬，实力强。我一惊！咱家还有这关系呢，咋不早说，那我之前还天天背八股，天天找空教室面试干啥，终于逃离苦海，体制内我来了。半夜一上头，12点直接给hr发消息说，抱歉这边暂时不考虑了，发完消息，别提心里多爽了，美滋滋进入梦乡。今早在宿舍给我妈妈发消息，就提了一嘴，问说是啥工作啊，体制内吗？结果给了我一个一辈子都难以忘记的答案——妈给你找的菩萨，绝对保佑你上岸。妈妈......我的好妈妈啊，你真是害惨我了。接着投吧，那还说啥了兄弟们。

java后端的菜鸡一个，这个学期之前都没认真学过java，5月中旬开始面了几家大厂百度美团字节，基本上都挂了，中小厂不知道为什么都没给面试机会，大概是不招了吧。目前很悲观很焦虑，饭都不想吃了。请uu们能给我点建议，还有机会找到实习吗？如果就这样找不到实习直接去秋招要准备些什么？有没有情况类似的uu

在我来鹅之后，接到的第一个完整大需求就是需要编写一个skill，之前的实习也写过一些skill，但是在我的理解中skill就是跟提示词没差，把你需要的目标全写上就好了，所以第一次mr我提交了一个超过1200行的md，被mt打了回去，为了完成这个需求，我又赶紧请教了我身边的大神同学，获取一些写skill的经验，将原先1200行的md进行了对应的references拆封，又通过我朋友教我的验证机制验证这个skill的效果，最后完成了我的第一个需求。正好前两篇文章给大家分享了写好的用来包装简历的skill，那么今天来给大家分享怎么去写一个好的，可以实际用来工作的skill，摆脱只会写提示词的尴尬。构建 Skill 的五个步骤Step 0：先写 EvalsEval（Evaluation，评估）是一套结构化的、可重复运行的测试用例集，用来判断 Skill 的表现是否符合预期。它不是泛指"测试一下"，而是开发 Skill 的前提条件。一个典型的 Skill eval 集至少包含三类用例：- 正例（Positive）：用户说“帮我看一下这个 PR 能不能合”，验证 Skill 应该被加载- 负例（Negative）：用户说“帮我把代码格式化一下”，验证 Skill 不该被加载——路由别跑偏到不该触发的地方- 边界（Edge）：“这个 PR 改了一行日志，要不要审”，验证边界情况下的路由行为正例和负例都要写，而且负例往往比正例更值钱——误触发是 Skill 路由的头号失败模式。Eval 不只是测一次。Perplexity 的 eval 分三个层次：如下图每种都要在 GPT、Claude Opus、Claude Sonnet 不同的 orchestration 模型上分别跑——Sonnet 和 GPT 的 Skill 行为差异很大，只在一种模型上过了不够。没有 evals，你改 description 就是在盲改，一个新 Skill 也可能悄悄搞坏已有的十个 Skill。Step 1：写 Description（最难的一行）description 是路由触发器，不是文档。写好它不需要关心 Skill 的内容，只需要关心能不能在正确的时间加载、有没有意外触发到不应该触发的地方——误触发是头号失败模式，每加一个 Skill 都有可能让其他 Skill 变差。糟糕的 description 描述 Skill 做什么，好的 description 说什么时候加载。举个监控 PR 的例子：不要写这个 Skill 做什么，要写工程师感到焦虑时会说什么——"babysit"、"watch CI"、"make sure this lands"。快速检查清单：- 以"Load when…"开头- 控制在 50 词以内- 描述用户意图，最好来自真实查询- 不总结工作流程Step 2：写 Body跟同事讲工作流程和跟 LLM 讲工作流程完全是两回事。对几乎任何面世超过一年的软件工具，只要提名字，模型已经知道怎么用。所以跳过模型已经懂的部分。不用写出每一步命令。比如不要写 git log → git checkout main → git checkout -b clean-branch → git cherry-pick commit。写 "Cherry-pick the commit onto a clean branch. Resolve conflicts preserving intent. If it can't land cleanly, explain why." 模型在后者上表现好得多，尤其是事情不按预期走的时候。太规定的指令比灵活的指令更脆弱。然后聚焦 gotchas 和反例，它们是最高信噪比的内容。每次 Agent 搞砸了就加一条，gotcha 会自然地累积起来。条件逻辑或内容太重的东西移出 SKILL.md，放到 accessory file 里渐进加载。Step 3：用层级结构- scripts/ —— 确定性逻辑，模型不用每次重新发明- references/ —— 重型文档，条件触发才读（"如果 API 返回非 200，读 api-errors.md"）- assets/ —— 输出模板，模型直接复制填充- config.json —— 首次运行设置，问一次保存下来对于极其复杂的 Skill，进一步考虑是否应该拆成一组 Skill，用 depends: 声明加载关系。Step 4：迭代切分支出来，在无 Skill 的状态下跑 hero query（核心用户场景查询），建 eval 集，反复调。提交 review 时最好一个 changeset 里自带 eval 集。Description 里的小词改动对路由影响很大，甚至会 spillover（溢出）到其他 Skill，所以这些在 Step 5 之前做完。Step 5：发布大家快把这5步实行起来，成为写skill专家吧！