目前算法还不达标，想只投小厂试试，有什么办法只投小厂吗?

社招算法一面问PPT上的项目+一道hard题，约一个多小时。中间一个星期不回复，问就是有其他candidate。估计其他的面完不太行，以及我问的比较积极，捞我起来二面。线上/线下，为了表示诚意选择线下。我问hr要不要准备什么，告诉我啥都不用准备，到了现场老板问我光讲吗。没让自我介绍，项目聊得很浅，问为什么离职，有什么期待，等等。我信OpenAI研究员Gabriel Petersson的求职观点的鬼话，花了不到一天按照岗位要求举例的一项做了一个上线的demo，根本没有卵用。二面一样拒。他们只在乎你的落地经验的匹配度。求职不要花太多时间精力金钱在一个职位的申请上，公司只筛选，我们应该做的也是筛选。

实习想要有更好的产出，核心在于把“参与感”转化为“成果感”，而不是简单完成被分配的任务。很多人实习结束后只留下了一句“做过一些基础工作”，真正拉开差距的，是对实习过程的主动设计和深度参与。第一，实习一开始就要设定清晰目标。在入职的前一到两周，应该快速弄清楚三件事：部门的核心工作是什么、你在其中能承担哪一类角色、这段实习结束后你希望自己在哪些方面有明显提升。比如，是提升数据分析能力、熟悉行业研究框架，还是积累实际项目经验。有了目标，就可以有意识地选择任务、分配精力，而不是被动消耗时间。第二，提升主动性，把“被安排”变成“参与解决问题”。在完成基础任务的同时，要多问“为什么要这样做”“有没有更好的方式”。遇到不懂的地方，先自己查资料、看过往案例，再带着具体问题向同事或mt请教。这种“先思考、后提问”的方式，既能加深理解，也更容易获得信任，从而接触到更有价值的工作内容。第三，把零散工作沉淀为可展示的成果。实习中的很多任务看起来琐碎，比如整理数据、做表格、写会议纪要，但只要你愿意总结，就能形成清晰的产出。可以尝试把流程整理成文档，把数据转化为结论，把重复性工作提炼成模板或优化建议。这些成果不仅对团队有价值，也能在简历和面试中具体呈现你的能力。第四，定期复盘与主动获取反馈。建议每一到两周做一次自我复盘：我做了哪些事情？学到了什么？还有哪些短板？同时，主动向mt或ld询问改进建议，并根据反馈调整做事方式。持续迭代，才能让实习真正转化为能力增长。

文章内容收录到个人网站，方便阅读：http://hardyfish.top/多线程带来的收益往往写在压测曲线上，代价则藏在“偶发、难复现、只在生产出”的问题里。项目里遇到的坑，大多集中在并发正确性、资源治理、可观测性与性能错觉四个层面。并发正确性：最贵的是“偶发错误”数据竞争与可见性同一份共享状态被多个线程读写，既可能写丢，也可能读到过期值。最常见的表象是计数不准、状态机跳转异常、缓存命中率异常波动。根因通常是缺少互斥与内存可见性保障（例如仅靠普通变量传递“已初始化/已关闭”信号）。复合操作非原子“先检查再执行”在单线程里很自然，在多线程里就是经典竞态：余额校验后扣款、库存校验后减库存、Map...