前言我的速成找实习/春招的经验帖子：链接我的学习后端和agent2手抓的专栏：链接第一梯队（互联网大厂）腾讯（微信总部）（天河）：微信/腾讯云广州研发中心网易（总部）（天河）：游戏 + 音乐 + 严选阿里巴巴（华南总部）（天河/海珠）：阿里云、电商字节跳动（分部）（天河/海珠）：抖音电商、研发中心百度Apollo（研发中心）（黄埔）：自动驾驶 + 智能交通京东（华南总部）（黄埔）：电商科技 + 供应链物流华为（研发中心）（白云）：5G通信 + ICT + 云计算第二梯队（细分领域）小鹏汽车（总部）（天河/番禺）：智能汽车研发 + 制造唯品会（总部）（天河/海珠/荔湾）：电商特卖 + 供应链欢聚...

两段实习……春招好冷淡啊，投了一大堆，约面俩，都过了十多天没动静，其它也没动静，boss已读不回哎，怎么办啊，焦虑死了……

最近在准备找第二段实习，主要方向想转向 Agent / 智能体开发。目前已经学习了 SpringAI 和 langchain等技术栈，完成了一个支持自定义工作流的项目，能够理解整体架构设计与执行逻辑，具备一定的智能任务编排思路。希望大佬们看看我的简历！

1. Transformer 的自注意力机制、位置编码、梯度消失和梯度爆炸的解决方案答：自注意力机制的核心是让每个 token 在计算表示时都能和序列中其他 token 交互。给定输入 (X)，先通过线性变换得到 (Q)、(K)、(V)：然后计算注意力：这里除以 根号下dk 是为了防止点积过大导致 softmax 进入饱和区，影响梯度。多头注意力就是把表示拆成多个子空间并行计算，最后再拼接，能从不同角度学习依赖关系。位置编码是因为 Attention 本身不包含顺序信息，所以需要显式加入位置信息。经典做法是正余弦位置编码：现在也常用相对位置编码和 RoPE。梯度消失和梯度爆炸的解决方案包括：残...