深信服已OC!

ai面总结：AI调教的很好，问的问题很有意思，整场面试不会有很大的压迫感，追问大多是根据你的回答提问。总时长：35分钟Q1:自我介绍，重点介绍一下个人背景和大学期间的主要经历。Q2：你对于在一家公司长期发展有什么看法？你认为哪几点因素会让你在一家公司长期工作？（有追问）Q3：你取得过的最大成就是什么？过程中最大的难点是什么？你是如何突破的？最终的结果怎么样？（有追问2个）Q4：请描述一个过往遇到的最有压力困难或最具挑战的一个场景，你是如何解决的？对你有什么影响？（有追问）Q5：依你的看法，请描述一个你近期完成的项目任务，如果重来一次，你会做哪些不同的事情来提升结果？（有追问2个）Q6：电商运营...

6月down后继续尝试～【intro】我是UCL（qs top 10）城市空间科学硕士，本科是211机械设计制造及自动化（有工科逻辑底子👩🏻‍💻）过去几年，我的经历有点“跨界”，但核心一直围绕着 数据分析 + 空间信息 + 可持续发展。📍林火遥感监测的研究（发表Remote Sensing论文）；📍在浙大某实验室和关联企业中做过与数字孪生、碳排放评估相关的项目，参与一些算法和技术文件的编写。📍python/GIS研究伦敦超低排放区政策（ULEZ）对空气质量的影响；看起来跨度有些大，我其实一直在寻找同一个方向——用数据与空间技术理解和优化真实世界。（🔎详情CV哦）【认真碎碎念】今年6月后迫于求职环境压力，我申请了部分PhD（ESG、城市交通排放、碳中和方向♻️），期间主要在充实研究能力、读文献📄、和导师🧑‍🏫沟通，也因此有一段“空窗期”，希望遇到【不介意】我处于探索发展路径的伯乐呀（福利：面试官还有机会解锁这位 理工+人文混血体 的有趣副业经历👾）。【意向岗位/城市】希望寻找一份能结合我背景和「兴趣」的工作。意象方向：🌍 GIS / 遥感 / 城市数据分析🏙️ 智慧城市、可持续发展研究🌱 碳中和、环境数据分析、ESG政策研究（感兴趣也正学习ing）💡 技术与策略结合的岗位，如数据顾问、其他科技方向的项目助理｜解决方案｜科研研究助理等等意向地点：上海 / 深圳 /香港（接受Hybrid或部分远程）。希望能加入一个包容多元复合型背景、愿意给年轻人自我学习自我成长机会的团队，不介意我“跨界”的路径，更看重逻辑能力、学习力和独立思考的硬实力和软实力。

实习秋招做的很差，也想总结一下自己的大学生涯吧。不算太摆，但是很迷。0.大学前高考发挥超常，才来到深大计软。大学前暑期基本上都是玩游戏了。接触了python(李笑来)但是没接触到online judge，也没去多了解编程生态、计算机行业。背了背单词，但是没去规划指标如六级，没制定计划不了了之。1.大一军训时去了校ACM培训，当时dev编译器都不会下载。军训期间积极看B站大学c语言课程。力扣，牛客都是知道的，但是没有成为很好的跳板。第二次培训，看不懂cpp的 cin>>，网上搜了也没搞懂，再加上周末跟训得三个多小时，感觉跟不上放弃了。自费报了蓝桥杯，混了省二跟着一些机构课程学习，走的cpp路线。暑假在linux上熟悉vim操作。2.大二朝花夕拾，又去参加ACM训练，跟了一年，寒假都在码 带懒标记的线段树。codeforce和力扣赛都在打打(竞赛还是有趣的)。集训队入队周赛打四场，校赛拿金，面试时表现差，说自己想就业，遂挂。当时四月多，2024华为软件精英挑战赛也在打，拿了80名(前64才有三等奖)。蓝桥杯国二。很多晚上跑步来消磨时间。3.大三上修了深大最强的计算机图形学，408找实习，投简历了说自己只有周末有空，遂没在找。也没看牛客真实行情。寒假随便做了个日志器，属于混过去了。当时接到字节的面试(人生处女面)，前一天觉都睡不好，很紧张，手撕做的不好，话都说不利索了。面评脏。大三下找实习，cpp选手，没有很好经历、项目，运气好去了学校附近中厂实习。4.大四现在，貌似对开发不上心？没有好的offer(甚至hot100不会做)其实同届好多同学都拿的不错。还有保研C9的。嗯，考研吧。————对自己行为的分析：a.应试教育+应试家庭教育，我的个性是固执、遵规守矩的。b.还有莫名的孤独，明明有很多朋友，但还是没有很好的内驱力，没有坚定的理想。c.自己没有很好的调研、探索和规划能力。大家也可以锐评一下😊

我觉得这是一个伪命题，因为这根本就不是一个A或B的问题。互联网各个部门都喜欢搞ai,也确实有很多结合具体业务开发智能体的需求（主要是大老板喜欢），但是据我观察现实情况有个很现实的结论：现阶段大部分智能体开发，核心执行者都是后端工程师。我本人的工作也包含了部分智能体开发，所以有点发言权。究其原因，一来后端工程师最懂业务逻辑和系统底层架构，能精准捕捉业务痛点，知道哪里适合用 AI 赋能、怎么落地才贴合实际需求；二来智能体开发的核心是 “业务落地” 而非 “大模型底层研发”，技术门槛更多集中在业务拆解、工具整合与流程闭环，而非高不可攀的算法研发，后端工程师上手起来反而更有优势。ai是风口，agent...