大家好，我是阿术。上一个文章提了，我在研二找实习的时候的拿到了阿里云和蚂蚁的 offer，这篇文章详细聊聊是怎么拿下这两个 offer 的。主要分为以下几个方面：个人准备招聘信息获取笔试面试个人准备我们这个专业技术岗一般就是开发和算法，算法薪资高一些，但是要求也高，普遍需要论文，我虽然也有，但是内容偏传统，不是机器学习算法，而且我们实验室主流的找工作方向都是开发，所以我也就按照开发岗的要求来准备。开发岗在笔面考察上就是项目、八股和算法。项目。读研时做过一些质量还不错的横向纵向，所以我就没有花精力另外准备项目，在实验室项目上改巴改巴就完事了。所以如果大家实验室做过一些质量还行，技术栈也匹配的项目...

大三了，一直在找实习，陆陆续续投递了很多，也面试了两三个，但是都是没有后续了，问题到底在哪呢

1. 问一下本科经历2. 介绍一下你第一个项目3. DDD分层架构比传统的MVC有哪些好处？4. 你设计的业务分配的算法介绍一下？5. 算法有哪些优化思路？6. 动态标签列设计怎么思考的？7. 数据量有多大？8. 数据量很大的话，数据存储怎么优化？9. 如何保证缓存和数据库之间的数据一致性？10. 相对于你这个项目用哪种方案？11. 项目中遇到的最大的困难是什么？12. 介绍一下第二个项目13. 模型分析diff的上下文怎么考虑？14. 如果diff的关联的上下文很长超过token，你会怎么办？15. 你想的这种方案，最后输入给模型的prompt是什么？16. 对于大模型的其他组件如RAG和skills有了解吗？17. 那你有想过把代码拆分成一些知识库放在rag里面吗？18. 有对比过其他模型的分析效果吗？19. golang有了解吗？20. HashMap的底层结构21. 为什么要用红黑树？22. 红黑树增删的时间复杂度？23. MySQL事务隔离级别24. MVCC实现原理25. 手撕算法：lc402 移掉k位数字 -> 没想到单调栈，暴力枚举了QAQ反问面试官之后，感觉我的缺点主要在于项目太过于玩具了，对于高并发什么的思考处于比较浅的地步，还有就是code-review对于call graph还有一些成熟的方案不怎么了解过，相当于纯demo，面过几场才知道QAQ，估计是没啥希望了，继续沉淀了噶人们

在生成式AI广泛应用的企业环境中，高质量的Prompt是释放大模型能力的关键。然而，一线员工的prompt engineering能力差异较大，分布不均，且通过一线使用人员独立维护的话，会导致最终输出结果的不可控，即导致输出质量参差不齐。通过建立标准化的Prompt模板，可以大幅提升AI应用的稳定性和效率，降低试错成本。本文将分享几种适用于企业内部的Prompt模板，并结合实例说明其用法。一、标准化模板的价值企业级Prompt模板旨在将复杂任务拆解为清晰的指令框架，确保模型理解一致。其核心要素包括：角色定义、任务描述、输入格式、输出要求及约束条件。标准化后，通过维护字典进行后端调用，可以确保使...