实习工作思考

一、基础必问1. 介绍下Transformer、Self-Attention2. 大模型：LLM是什么，RAG是什么，微调是什么3. Python常用库：Pandas、NumPy、PyTorch4. 过拟合怎么解决5. 评价指标：准确率、精确率、召回率、F1、AUC二、项目必问1. 你做过什么AI项目？2. 数据怎么来、怎么处理？3. 用了什么模型、为什么选它？4. 遇到什么问题，怎么解决？5. 结果怎么量化？三、工程必问1. Git常用命令2. Docker了解吗3. 模型怎么部署/加速4. 怎么排查bug、数据异常5. Linux基础命令四、行为/实习必问1. 遇到不会的问题怎么办2. 压力大、加班怎么处理3. 职业规划4. 为什么想来我们公司5. 你有什么优势

卖AI比懂AI难，但有时候我更觉得，用AI比懂AI更难今天不再纸上谈兵，分享一下我正在跑的自动化工作流，零代码或低代码就能搭，能复用的场景绝对不止局限于商务层一起把重复性工作丢给机器，把脑力留给真正需要人的判断和创意的地方会议纪要结构化流背景情况： 每周开会10余场，会后整理纪要平均耗时太久，且容易漏掉关键点工具组合： 笔记 + Coze工作流搭建逻辑：录音转写：腾讯/飞书/teams自带的录制视频功能转写文字就行，保留音频内容和共享屏幕内容AI结构化： 文字自动流入Coze工作流，按固定模板提取——客户背景与痛点我方提出的方案与报价客户异议与顾虑等等，还有双方达成共识后确认的下一步行动输出归...

有一段时间天天刷到黄轩 网上都在各种暗喻这件事 然后我去用豆包玩这个 我打开了新世界的大门什么黄豆 钢铁公司  岭南王 懂得都懂 就不多说了

1、对生产环境保持敬畏： 永远不要在生产环境直接操作！哪怕是查询也要带上 Limit。所有的删除、更新操作，必须先在测试环境跑通，并在执行前找第二双眼睛（导师或同事）帮你 Review。2、Git 操作要规范： 别在 Master 分支乱搞。提交信息（Commit Message）要清晰：feat: 增加XX功能 或 fix: 修复XX内存泄漏。这体现了你的工程素养。3、不耻下问，但不问重复的问题： 问过一次的问题，一定要记在小本本上。同一个坑掉进去两次，是实习生评价最大的“减分项”。