26届9本暑期记录,始于腾讯终于腾讯

一、前期准备
先讲讲我自己的经历吧,楼主无实习,大二上就打消了读研的打算,开始准备就业。但当时还没有完全放下课内的课程学习,整个上学期只学完了 Java 基础

大二下,也就是去年的这个时候,我开始学 Spring 全家桶,在这个过程中也慢慢开始刷起了力扣。在那会和学长聊天时,得知学院有一位老师在给企业开发项目(现在看来比较偏向外包?),于是我便发邮件联系了这位老师,表达想参与到落地项目开发的意愿,幸运的是,她也很乐意接受我的请求,于是互相加了微信,约时间开了个小会,老师让我先学完 springboot 再联系她进组

下学期结束进入小学期,我开始在组里打杂,老师非常贴心地分配了一个研究生学长带我ww,我有不会的东西或者解决不了的问题都请教了学长,学到了不少东西

因为组内做的是一个基于脚手架的 web 系统,所以我的主要产出(其实也没多少2333)是权限相关的 crud 还有一些前端的路由逻辑,以及定时任务相关的编写,在暑假结束后的九月份,项目交付了,我也没有继续跟着老师接其他的项目,开始去学习分布式微服务相关的知识,后面也是把以前跟着敲的外卖点评换成了微服务项目

二、尝试投递日常实习
我最早投递实习的时间是去年十二月,那会时间比较尴尬,没什么面试,只有鹅给了机会。第一次面试是天美的后台,处女面也很紧张,两道简单的手撕写了一个小时才做出来,导致面试官后面也时间问八股,随便了解了下我的知识广度就结束了。当天下午查询进度看到流程结束也是意料之中

然后临近十二月底,微信支付的前端部门给我发了面试邀请(???),当时约的时间和一门课的汇报冲突了,推到了今年的 1 月 6 号,结果刚开始面试就和我说捞错了,想要直接释放简历,然后进入了反问环节(啊?

反问我只问了 wxg 前端相关的技术栈,后端用哪些语言,部门业务之类的,二十分钟结束了面试

微信这一出结束后,考试周也差不多到了尾声,我又投递了一些中小厂,可能是年底的缘故,没有一家约面,后面也就放弃了日常实习的投递,准备 allin 暑期实习

三、投递暑期实习 + 个人经验
过完年后,2 月 9 号回学校,准备暑期实习

我只投递了比较大的厂,最终给面的也只有那几家。

我的面试场次主要被腾讯占据,我的白月光也是腾讯,每次被挂了后不出半天就被另一个部门捞了(感觉是面评不错 + 运气尚可?),其他的公司我也没怎么面过不太好评价hhh,最后也是收到了腾讯的 offer

虽然拒了美团的 offer,但还是想夸一下美团,飞快的流程 + 顶级的面试体验,我遇到的美团的面试官都非常非常非常尊重人

这里也分享下我的面试经验,因为我暑期只面过腾讯、美团和字节,所以根据这三个公司的特点总结
1. 腾讯、字节侧重考察 408 计算机基础,对计算机网络、操作系统考察又广又深
2. 美团侧重问 Java 八股,准备美团面试的 uu 一定要重视 Java 的八股,包括 spring 框架、数据结构等等
3. 大厂对项目很看重,一般面试流程是你先做自我介绍,然后面试官在你自我介绍的时候看你的简历,从你的项目开始发散八股和业务场景
4. 面试官对你的项目会有一些扩展场景相关的提问,考察你对技术选型上有没有自己的思考
5. 面试里面最重要的是手撕,如果这场面试的算法题没做出来,99% 会被判死刑。建议把 h100 刷完,再把 codetop 按频度排序前 5 页刷完,现在大厂算法很多并不是 h100 原题,可以在 codetop 这个网站上看看最近考得比较多的算法
6. 除开计算机基础八股和算法,面试中我被问得最多的是中间件相关的原理和应用,比如 “你为什么用 rocketmq ?项目中哪里需要使用它?”、“有没有调研过其他的消息队列,为什么不用 kafka 或 rabbitmq?”、”redis 数据结构用过哪些?讲讲怎么用的“ 等等,因此,对于写在简历上的中间件技术一定要深入到底层架构和原理,不能仅仅停留在知道怎么用
7. 面试这种东西,能力固然重要,但运气也是非常关键的一环,我和身边一起准备暑期的朋友交流讨论的时候都有这方面的共鸣。所以说还是要放平心态,面试挂了,并不代表你不优秀,很大可能是没有遇到看对眼的面试官。不管是秋招还是暑期,战线都很长,到后期才开始收割的大佬大有人在,各位不需要过于焦虑

最后分享一句我非常喜欢的歌词:”比较是会夺走幸福的海盗船,我躺在沙滩偏偏不想出海~“

祝各位能在暑期和秋招收获自己满意的 offer !

附 offer timeline:
腾讯:3/27 一面,4/1 二面,4/7 hr面,4/17 offer
美团:3/28 一面,3/31 二面,4/1 oc,4/3 offer

#暑期实习 ##腾讯##美团#
全部评论
算法题这意志力佩服了
1 回复 分享
发布于 2025-06-12 11:35 广东
很受启发
点赞 回复 分享
发布于 2025-09-19 23:24 吉林
接好运
点赞 回复 分享
发布于 2025-06-10 12:48 湖北
接接接
点赞 回复 分享
发布于 2025-06-03 17:09 新疆
接接接
点赞 回复 分享
发布于 2025-05-28 14:59 湖北
接好运
点赞 回复 分享
发布于 2025-05-18 12:19 河北
太强了,佬
点赞 回复 分享
发布于 2025-05-09 00:07 四川
mark
点赞 回复 分享
发布于 2025-04-22 15:54 北京
接好运
点赞 回复 分享
发布于 2025-04-21 13:54 福建
接好运
点赞 回复 分享
发布于 2025-04-20 17:14 北京
唉我就是不确定读不读研,只能专业课和java同步学或者放假狠狠学,羡慕楼主了,祝福楼主
点赞 回复 分享
发布于 2025-04-20 11:28 广东
接好运
点赞 回复 分享
发布于 2025-04-20 11:25 湖南
接好运
点赞 回复 分享
发布于 2025-04-20 02:41 四川
恭喜兄弟拿到腾子offer了
点赞 回复 分享
发布于 2025-04-19 23:01 福建
接好运
点赞 回复 分享
发布于 2025-04-19 16:47 湖北
接好运
点赞 回复 分享
发布于 2025-04-19 15:15 黑龙江
感谢分享
点赞 回复 分享
发布于 2025-04-19 10:54 浙江
牛逼
点赞 回复 分享
发布于 2025-04-18 23:09 广东
接好运
点赞 回复 分享
发布于 2025-04-18 23:05 湖南
接好运
点赞 回复 分享
发布于 2025-04-18 21:16 湖北

相关推荐

依旧忘了录音, 记录下有印象的问题Q: 项目中说到了从claude ADK迁移到Gemini API. 为什么.Q: 如果有个无限长上下文的模型, 是否可以把所有信息都放到上下文?A: 不能, 信息可能会有噪音, 影响模型判断.Q: 场景: 一个有很多内容的需求文档, 是否可以把整个文档放到上下文中, 让模型直接实现?A: 内容太多,模型的注意力可能兼顾不了, 需要分模块输入. (猜的)Q: 如果分模块输入, agent是否会对整个需求没有认知,导致做出来的成果不符合预期?A: 可以参考人的协作. 每个agent工作在独立的worktree上, 定义一个约束, 每个模块期望的效果, 接口等.Q: 用过哪些code agent?A: cursor, claude等Q: 你觉得claude code和cursor分别适合什么样的任务?A: 我觉得没啥区别. 效果都可以.主要用cursor因为便宜Q: cursor用过什么skill觉得好用?A: superpowers. 有brainstorming, git等 前者可以帮助理清需求, 后者是教git的最佳实践.可以每个任务对应一个worktree, 代码追溯更方便, 适合多agent协作.补充: (skill creator. 这个没说,但是也挺好用的. 需要干重复的任务可以直接让cursor写个skill)Q: 了解过spec-drivening 的code agent吗?A: 用过kilo 的spec模式. 觉得机制有点重 需求文档+实现文档, 不如brainstorm + plan mode.Q: 了解上下文压缩机制吗?A: 看过gemini CLI的源码, 他的实现是保留最近30%对话, 压缩另外70%的内容.用LLM生成结构化摘要Q: 为什么压缩前70%? 最开始的几轮对话明确需求不是很重要吗?A: 生产摘要的提示词明确要求模型填写需求内容.Q: 你觉得以后的软件工程会变成什么样?A: 我觉得以后不用人不用写代码, 而是给agent 说明需求.并校验agent生成的代码.补充: 这个问题我觉得答得不太好, 软件工程不只是写代码, 也包含测试, 部署, 维护等操作.补充: 现在想想可以是AI 驱动的软件工程, 代码AI写, 测试AI自动测, 部署维护也是AI来做.Q: 玩过Openclaw吗? 了解其的记忆机制吗?A: 了解, 主要有两阶段: memory_search: 用RAG检索memory文件, 返回topN 相关的内容以及文件路径以及行数. agent可以选择调用memory_get:一个类似read的tool读取memory文件的内容.Q: 如果检索返回了很多相关的内容,如何选择最相关的?A: 向量相似度比较, 选择最相近的n个Q: 了解embeding吗?A: 好像是语义检索计算相似度的模型. 这个不太了解Q: 用大模型来判断哪些内容最相关,是否可行?A: 挺有意思的.Q: 实际上没人这么做, 你觉得为什么?A: 返回的内容可能很多, 超过模型最大上下文,模型判断不好.补充: (可以加上速度, 成本的因素)Q: OpenClaw有个pi-coding-agent, 与你的项目有什么区别?A: 不太了解pi.Q: 对候选人的期望:A: 代码能力不要求,因为100% ai生成代码A: 了解底层原理,需要有较强的学习能力, 对前沿的产品能快速复现.Q: 反问环节:Q: 你觉得agent开发最重要的是什么?A: 评测机制.补充: 无手撕.这次面试体感上感觉还可以, 但是仔细复盘发现有不少问题.主要是RAG的机制不熟,rerank不知道.还有对大模型的底层原理不了解.这次面的问题都比较开放, 所以我把我的回答也写了上去, 各位如果有不同意见的留言, 一块讨论.
AI求职记录
点赞 评论 收藏
分享
评论
48
83
分享

创作者周榜

更多
牛客网
牛客网在线编程
牛客网题解
牛客企业服务