没关系我的工位很曼妙

果果牛遇见果果羊我是一名普通家庭都算不上的小牛，高考结束得知家中有一笔负债，上大学的学费都是助学贷款支付的。彼时，我在高考的时候体重已经飙升到98kg。大一一次偶然的英语课分组，我和ta分到了一组里，由于往日种种，ta和ta的舍友在班级掀起了一阵互相拍丑照制作表情包，在班级群里玩的风潮。（好怀念这种感觉，大学不似大学，班里大部分同学跟高中一样互相玩耍）而我是一个慢热小牛，在互相熟悉玩耍过程中，渐渐喜欢上ta。后来，国庆假期回来，有体测以及校园跑，我都跟着ta和ta舍友一起，就是那种为了你，我加遍了全班女孩的剧情。在11月底ta去参加在新校区举办的舞蹈比赛，只有一个观众名额，ta邀请我去看。（t...

大家可能对wlb的定义和理解有很大误区 可能都拿上下班的时间去做唯一衡量 这个可以是外企国企去跟互联网做对比的优势 比如可能前者6.就能做到准点下班 后者可能12.还在公司战斗 但是在互联网里面找wlb 就不能只拿工作时间去衡量了对于实习生/校招生第一 工作强度是一方面因素 拿测开举例 有的同学可能任务就是做一些手工测试或者自动化 那一些同学可能做的是ai提效或者开发专项 所以强度不同感受也是不同的第二 你的mt/ld/同事的个人风格也会影响你的工作 比如你的mt可能苛刻甚至带有pua的风格 那我想你的工作感受可能是比较偏激的 假如你对接的研发都比较高效 能够按时执行你的冒烟用例也能及时的去修复你提的bug 那我觉得你在工作中应该充满干劲 相反 你的上游同学是一个延迟一个小时回你消息的人 频繁阻塞你的测试 那我想你心里也不会很好受第三 工作地点也很重要 比如南方人可能习惯杭州深圳成都一点 北方人可能更倾向北京一点 这个就看自身爱好也不绝对 比如我就很喜欢北京这个城市 我提前实习最主要的因素还是因为能在北京这个城市生活 因为主播不是北京人学校也不再北京 但是特别喜欢这个城市 所以在别人觉得base北京是减分项 在主播这里是加分的第四 公司整体的福利制度以及团建时间周期和团建内容也影响你的工作情绪 当然这个就不赘述 大家能切身实地的感受到最近的一些帖子新闻大家也看到了 所以趁着实习和提前实习的机会可以去实地感受到不同公司不同组的风格 当然 为了高薪那总得失去什么 为了轻松舒适也必然会失去什么

大家好，某大厂螺丝钉一枚。上周发生了件让我失眠的事儿。我用GPT写了个自动化脚本，把原本一周的数据清洗工作压缩到3天完成。本来挺开心，结果周四下午ld找我问这周怎么这么闲？无语……传统时代的工作逻辑是：你越忙越有价值，加班到深夜说明你很拼。但AI时代完全反过来了——效率高了反而成了原罪，因为你证明了这个岗位其实不需要一个人。后来我跟几个朋友聊，发现大家都在经历类似的尴尬：运营小姐姐用AI写文案，2小时产出以前2天的量，但不敢告诉老板；设计师用Midjourney出图，省了80%时间，结果被安排了更多需求；程序员用Copilot写代码，debug时间大幅减少，但KPI反而加重了。我的应对策略（血...

最终还是婉拒了小红书的offer，厚着脸皮回了字节。其实这次字节不管是组内的氛围、HR的沟通体验，都比之前好太多，开的薪资也还算过得去，这些都是让我下定决心的原因之一。但最核心的，还是抵不住对Agent的兴趣，选择了Ai Coding这么一个方向。因为很多大佬讲过，在未来比较火的还是属于那些更加垂类的Agent，而Ai Coding恰好是Coding Agent这么一个领域，本质上还是程序员群体和泛程序员群体这个圈子的。目前也已经在提前实习，也是全栈这么一个岗位。就像最近阿里P10针对前端后端等等不再那么区分，确实在Agent方向不太区分这个。尤其是我们自己做AI Coding的内容，基本上90%左右的内容都是AI生成的，AI代码仓库贡献率也是我们的指标之一。有人说他不好用，那肯定是用的姿态不太对。基本上用对Skill、Rules 加上比较好的大模型基本都能Cover你的大部分需求，更别说Claude、Cursor这种目前看来Top水准的Coding工具了（叠甲：起码在我看来是这样）。所以不太区分的主要原因，还是针对一些例如Claude Code、Cursor、Trae、Codex、CC等一大堆，他们有很多新的概念和架构提出，我们往往需要快速验证（MVP版本）来看效果。而全栈就是这么快速验证的一个手段，加上Ai Coding的辅助，目前看起来问题不大（仅仅针对Agent而言）。而且Coding的产品形态往往是一个Plugin、Cli之类的，本质还是属于大前端领域。不过针对业务后端来看，区分还是有必要的。大家很多人也说Agent不就是Prompt提示词工程么？是的没错，本质上还是提示词。不过现在也衍生出一个新的Context Eneering，抽象成一种架构思想（类比框架、或者你们业务架构，参考商品有商品发布架构来提效）。本质还是提示词，但是就是能否最大化利用整个上下文窗口来提升效果，这个还是有很多探索空间和玩法的，例如Cursor的思想：上下文万物皆文件， CoWork之类的。后续也有一些Ralph Loop啥的，还有Coding里面的Coding Act姿态。这种才是比较核心的点，而不是你让AI生成的那提示词，然后调用了一下大模型那么简单；也不是dify、LangGraph搭建了一套workflow，从一个node走到另外一个node那么简单。Agent和WorkFLow还是两回事，大部分人也没能很好的区分这一点。不过很多人说AI泡沫啥啥啥的，我们ld也常把这句话挂在嘴边：“说AI泡沫还是太大了”诸如此类。我觉得在AI的时代，懂一点还是会好一点，所以润去字节了。目前的实习生活呢，除了修一些Tools的问题，还包括对比Claude、Cursor、Trae在某些源码实现思想上的点，看看能不能迁移过来，感觉还是比较有意思。不过目前组内还是主要Follow比较多，希望下一个阶段就做一些更有创新的事情哈哈。这就是一个牛马大学生的最终牧场，希望能好好的吧。说不定下次发的时候，正式AI泡沫结束，然后我又回归传统后端这么一个结局了。欢迎交流👏，有不对的🙅不要骂博主（浅薄的认知），可以私聊交流