时间有几天了，可能有些地方不是记得很清楚了一面:1、自我介绍2、讲两个你认为做的很好的项目亮点，是你自己想到的吗？那你是怎么实现的呢？3、讲讲Java常用的集合有哪些？4、HashMap的底层和原理？5、什么是线程安全？6、线程创建有哪几种方式？7、数据库索引有哪些？8、索引有哪些失效的情况？9、你说你算法基础不错，那项目里有用到哪些传统算法解决什么问题？10、平常ai是怎么使用的？有用过哪些ai？11、反问环节二面:1、自我介绍2、把你认为你做过最难的项目功能详细讲一下？你说到rag检索功能，那具体实现算法讲一下，你是怎么实现的呢？3、llm怎么知道调用tool的？你是怎么具体实现的？4、有用到mcp吗？5、你的rag检索的文本有多大？是ai生成的还是你自己在电商爬取的数据？6、这个智能ai客服功能在最初实现前是你自己想的吗？选择了哪些架构和中间件？为什么选这些？7、反问环节两轮面试都挺短的，都是20分钟左右结束，没有手撕算法环节，八股文问的也不多不难，主要是偏向项目实际落地上，整体对我的ai技术点追究很多，感觉最近大大小小的公司对ai都很上心啊。上学期为了找第一份实习边学边看牛客给我整得失眠还吃上褪黑素了，结果还是0offer，寒假在家修养了一个月过完年就开投发现机会比9、10、11月份多，也是得偿所愿了。开始正式从学生向社会过渡，也不知道有哪些讲究。我这边也想问一下牛友们，实习生的穿着是不是要正式一点？平时午休和下班是自己看时间走吗，有没有铃声提醒？平时午休需要回去吗？还是直接在公司里休息？上班期间如果是带自己电脑可以使用ai或者百度问题吗？最开始怎么和同事打好关系？(本人比较内向，社交能力不足)感谢大伙解答了

面试本该是展示能力的机会，可有些问题让我无比反感：你恋爱了吗？打算什么时候结婚？家里经济情况如何？这些问题和工作能力毫无关系，却让人尴尬又无所适从。能力可以通过作品、项目、沟通表现出来，为什么要去触碰隐私？我觉得，尊重候选人，就是尊重能力本身。希望更多面试官能记住：工作能力才是面试的唯一主角。

此时此刻，2026年的3月这个时间，llm驱动的agent这一新应用范式已经在coding领域深度扎根，被广泛认可，需要意识这种成功源于两个方面：一是底层llm能力迈过了“能用”的门槛，并且越来越“好用”，差不多一年前，Anthropic发布sonnet 3.7，那时候就已经是“可用”了，未来llm会成为像数据库、消息队列一样的常用组件，集成进各种系统里；二是coding场景天然适合agent应用，一切开发相关的上下文被装进了文件系统和ide，为agent应用做好了所有必备的信息集成，同时bash等命令行工具为agent提供了高效操作文件的能力。两者叠加，才有了vibecoding的繁荣。那么从vibecoding中可以得到什么启发呢，一方面是llm可以通过训练真正胜任下游任务，这条路被证明是通的，另一方面是以目前的agent范式应用llm能力，首先要对需要应用的场景做信息集成、能塞进llm的上下文，然后是要给llm构建足够强大、高效的动作空间，使其操作环境里的数据完成任务。上面说的两个方面，其实就是需求激增的两种“AI工作”的方向，一个是做垂类的算法岗，一个是开发或者说应用岗。算法岗需要“卷”的，是深刻理解模型在具体场景下的工作范式，构建可靠的评测集测试现有模型的能力边界和缺陷，掌握针对性提升能力的数据构建，探索最高效的模型训练方法，让通用基座模型深度适配垂类场景，在现在这种早期阶段，算法岗也不乏需要参与新工作范式的设计和落地，说白了就是承担一部分开发相关的工作。开发岗需要“卷”的，是对业务本身的革新思考，目前的软件生态是移动互联网时代发展来的，与用户的交互逻辑是严谨、固定流程的，而ai灵活的处理能力，赋予了软件设计极大的想象空间，正因为过于灵活，agent等新应用范式的规范设计就显得更加重要，现在可以是agent，以后也可以是别的什么，总的来说，是要梳理客观上能表征业务场景全部信息的数据，集成到一个环境中，这个环境里面还需要开发对数据的所有操作指令，然后给llm通过提示词来说明如何在这个环境中工作，这个过程需要反复的试错，还要测试模型能力的上限和缺陷，给算法提需求。分析了这些之后，考虑作为一个校招生，想要进入一家公司做这样的工作，需要“卷”什么呢？可以看出业务侧垂类算法的核心已经不触碰底层模型架构了，更多依赖数据驱动，以及高效的后训练，和推理优化，所以这里要卷什么，没必要再赘述，agent时代之前算法也是做这些，无非是面向的场景数据变了。对于应用岗，初学AI很容易被一些看似“先进”的概念吸引，以为找AI工作就是去记什么是react，什么是mcp，什么是skill，什么是上下文管理，但通过上面的分析我们知道，这些只是“实现信息集成、实现数据操作”的具体方法，现在处于行业爆发早期，很有可能不久就被更好的设计迭代掉了，如果只把精力投在这上面，一方面这些东西从技术层面都是很简单的处理，没什么深度，一堆造词造概念，谁都能轻松掌握；另一方面，没有真正探索llm强大、灵活的能力，只是复现别人总结的使用方法。一定要摒弃移动互联网时代Java后端那种“找个集成所有技术栈的项目全手写一遍”的想法，之前这样有用，是传统互联网开发的模式导致的，只要成为一个好用的螺丝钉就行了，在哪都是写那套东西，用那套技术栈。但AI时代不一样，尤其现在是早期，AI带来的技术栈增量非常小，因此除了传统开发方向的技术栈之外，应该卷的是基于AI灵活的能力，找到新的应用场景、交互模式，并针对场景设计开发应用AI的方法，这里完全可以天马行空，不会有什么这里要用redis这里要用mysql这里要用mq的技术包袱，大胆去尝试，做出不一样的东西，有想法才是AI时代的破局之道。

今天通过了一个用友的面试 ，但是没提转正的事，害怕没有转正机会，要不要去投一下中厂的待转正暑期实习啊