腾讯PCG一面凉经

前阵子新认识了一个女孩子，她说翻到我前几年元旦发的那些「年终总结」，感觉我不像一个典型的工科生我笑着说，时间好快，居然又到年底了，而我甚至还没来得及真正坐下来写点什么但其实，2025年早就已经写完了，只是没有落在纸上写2024年总结时的那种恍惚，真实得不可思议。那会儿我还在阎良，再看2025年，像装了我司的宽带一样快。打马而过的一年，仿佛只剩下今天在工位上提交那些务必不能逾期的材料，心里一边默念“今天千万不要加班”，一边希望时间要不慢点也行“你的肉体便是时光，不停流逝的时光”这一年，这句话变得异常具体今年真的很不一样我离开了那个曾经让我满心怨怼的城市，但离开之后，还是会时常想起它；我写出了一本...

作为带过好几个实习生的老mentor，我见过有同学带着一腔热血来实习，最后却只带走一份单薄的履历。实习，是你从学校到职场最关键的过渡期，它的价值远不止一份实习证明。今天，我不讲大道理，就从我作为Mentor的视角，给你们几条能立刻用上的建议。记住，你的目标不是当个好学生，而是成为一个值得信赖的职场新人。一、 心态转变：从被动答题到主动解题这是我最想强调的一点。学生思维是：等待老师布置明确的作业，然后完成它。职场思维是：主动发现模糊的问题，然后解决它。反面事例：接到任务后，埋头就做，遇到困难不吭声，直到截止日期才说“这个我不会”。Mentor期待的是啥呢？首先是确认目标：接到任务后，先用自己的话复述一遍：“我理解这个任务是要达成XX效果，对吗？” 确保方向没错。然后是主动思考：不要只带问题来，要带“选择题”。问“这个数据我不会查，我尝试了A和B方法都失败了，您看是方法C更合适，还是我有其他没考虑到的渠道？” 这证明了你的思考和努力。最后是闭环思维：任务完成后，主动告知结果：“XX任务已完成，数据/文件已发您邮箱，并同步在团队网盘了。其中有个小发现是……，供您参考。” 让一切有始有终。二、 沟通方式：实习生的很多错误，都源于“想当然”和“不敢问”。反面教材：在做一个PPT时，因为不确定公司模板，就套用了自己觉得好看的模板，结果不能用。那么怎么确认，怎么提问呢？第一个，不懂就问，但别重复问：第一次问，是学习；同样的问题问第三次，就是不用心。准备一个笔记本，把关键信息、操作流程、注意事项都记下来。第二个，及时汇报，别等追问：特别是遇到卡壳或可能延期时，一定要提前说。Mentor不怕你慢，就怕你失联。没事儿更新一下进度：目前已完成80%，但在XX环节遇到点阻力，正在想办法沟通等回复，预计今天下班前确定结果，到时候给您，这样说能让人极度安心。第三个，珍惜1on1机会：和Mentor的定期沟通，不是你被动接受批评，而是你主动获取信息和反馈的黄金时间。提前准备好：a) 本周工作进展；b) 遇到的困惑/挑战；c) 希望学习的新技能；d) 对团队业务的任何好奇。三、 工作习惯： 专业性体现在细节里职业素养不是空话，它藏在每一个你容易忽略的细节中。1. 邮件/沟通软件礼仪：邮件：标题清晰（如【实习生XX-XX项目周报】），正文称呼得体，结尾有落款。别用“在吗？”开头。工作群：别发表情包刷屏，沟通事情简明扼要。收到任务或通知，回复“收到，谢谢”，这是基本的确认和尊重。2. 文件管理与命名：我会观察实习生的桌面，看他们的使用习惯，乱糟糟的桌面说明他没条理。文件命名要使用统一的命名规则：日期_项目名_内容_版本_姓名。例如：20231027_秋招海报_初版_张三。这能为整个团队节省大量沟通成本。3. 对待杂活的态度：复印、整理数据、会议纪要……这些dirty work是不可避免的。但优秀的人是能从中找到价值的:整理数据时，可以留意数据之间的关联或异常，做会议纪要时，可以梳理出会议的决策和待办事项。四、 终极目标：带走三样东西1. 一段能讲出STAR法则的实战经历：这直接决定了你未来求职简历的厚度。2. 一位可以为你未来背书的Mentor/同事：好好表现，离职时保持联系，他们可能成为你未来求职的推荐人和内推渠道。3. 对行业和岗位的真实认知：通过这次实习，你想清楚自己是更热爱这个行业，还是想赶紧跑路？这个答案，价值千金。最后，作为你们的Mentor，我想说：大胆去试，勇敢去问，别怕犯错。实习期是你犯错成本最低的时候。展现出你的靠谱、主动和思考，我们做Mentor的，会非常乐意把更核心的任务交给你，因为带你，也是在为团队培养未来的战友。希望这些建议能帮你少走弯路，打一场漂亮的实习战！

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...