作为一名正在摸索的AI萌新，说说我认为比较靠谱的入门方向：1.LLM应用开发门槛相对低，会Python+API调用就能上手方向多：RAG、Agent、Prompt工程、工作流编排岗位多，现在市面上招最多的就是这类2.AI产品经理不需要特别强的coding能力懂AI技术原理+产品思维就行适合不想写代码但想进AI行业的朋友3.AI infra/底层优化门槛高，需要懂分布式系统、CUDA优化薪资高，但HC少适合科班出身、基础扎实的选手4.AI安全/对齐新兴方向，最近热度很高涉及RLHF、价值观对齐等前景不错我个人的选择是：LLM应用开发 先入行，后续再考虑往更深的方向走。入门最重要是先上船，别纠结！

之前面试AI刚起来，一般都问的是你对AI有什么看法，你用它来做什么。今年开始，直接就是AI项目+RAG+多模态。。。。等等。随着AIcoding强度越来越大，估计初级开发也不要了

目前春招总共收到了5家公司的笔试通知，来给大家数一数：美团 - 美团月付京东 - 京东白条滴滴 - 顺风车红包小米 - 小米酥妻宣传广告字节 - 豆包发红包还没做的有3家，准备这个周末集中“肝”一下。想说的是：一定要勤查邮箱！垃圾箱也要看！手机短信、招聘网站站内信都要关注，别让笔试偷偷溜走！大家目前都收到了哪些？一起交流一下，别像我一样错过~

❌ ： "您好，请问您还在招人吗？" → 已读不回"您好，我对贵公司这个岗位很感兴趣" → 已读不回"在吗？" → 直接被拉黑（不是✅ ：简单直接型："您好，我看到贵公司正在招聘XX岗位，我有X年XX经验，擅长XX，附上简历，期待沟通！" （一次把话说完，别让HR反过来问你）突出优势型："您好，我是23届毕业生，在XX公司有1年经验，目前人在北京，可随时到岗，这是我的简历。"问候+正事型："XX老师您好，我是投递了XX岗位的XXX，想请教一下简历是否有需要补充的地方？"核心思路：让HR在0.5秒内get到"这个人和岗位很匹配"，而不是"我需要再点进去看Ta的简历"。后来我的打招呼语一律改成岗位JD关键词+个人核心优势+到岗时间，回复率直接从10%涨到60%！大家可以试试~

暑假实习应该是腾讯云智给我的面试，当时可紧张了，到处找人问，当时也是没准备好，第一次面试，网上了解了很多tx系会问的，结果都没闻到，现在看来问的都是些简单的，估计也是kpi面试吧。

实习的时候培训，当时可喜欢每天游戏环节，当时会有积分，到后面积分好像没什么用，但是玩的过程很快乐。和实习小组的成员嘻嘻哈哈就过去了，然后就进入项目干干干。

这个话题太戳我了，说说我现在的感受吧。目前半年多了，要说成长肯定是有的——刚来的时候连Git都玩不转，现在独立负责一个模块的开发，从设计到上线全流程都跑通了。mentor也会教我一些团队协作的规范和工程化的东西，这些在学校里确实接触不到。但消耗也是真的消耗。每天日报周报开会要占掉1-2小时，真正的编码时间没多少。而且做的事情比较重复，增删改查那套东西做多了感觉就在原地踏步。最难受的是下班后根本不想动脑子只想躺着，根本没有精力再去学新东西。

全职实习想要无缝衔接下家有点难度，工作完很累还要抽出精力准备。通勤时间也可以利用起来，每天地铁往返一共1小时，足够刷几道算法题或者看一个八股知识点。周中如果有面试，尽量约在晚上或者周末，实在要工作日请假的话，就找理由说家里有事（懂的都懂）。周末是集中复习的黄金时间，周六我会睡个懒觉，下午和晚上连续肝个项目或者猛补八股。周日一般会放松一下，打游戏或者出门走走，保持好心态真的很重要！总之就是：上班好好干活，下班偷偷努力，骑驴找马不丢人，让自己有退路才是真的聪明！

没去了解详情，这种都是那种ai模型算法岗还是agent应用开发？公司里的agent开发，估计都有老员工内部转了吧？现在很多公司都出来ai员工了。。。

转自---xhs（mo什么mo）一、手撕和八股1. 手撕岛屿数量，秒了2. Transformer 中 Attention 的本质是什么？你能从数学角度简要解释一下吗？3. 在 Agent 多轮对话任务中，你觉得 Attention 的局限性体现在哪些方面？4. 简要介绍一下 SFT的核心流程，以及数据集的构建策略，SFT之后常见的 Post-Training 还有哪些？它们之间的目的有何区别？5.  什么是 RAG，它是怎么提升生成质量的？与传统检索 + 模型生成的流程有何不同？你是如何评估一个RAG系统是否work的？6. PPO 和 DPO 在大模型对齐中的主要区别是什么？DPO 训练通常有哪些注意事项？用过GRPO么？二、简历1. 你在提到过 Modular Agent，你能讲讲它是如何实现多步规划的吗？2. 你提到了多个工具调用链路，调度策略是如何设计的？是否有异常 fallback 策略？3. 你构建的 Agent 评估体系包括哪些维度？如何衡量 planning 能力 vs hallucination rate？4. 你还微调过Qwen，选择的训练阶段和Loss函数是如何决定的？5. Prompt 自动推荐模块用了哪些优化策略？有没有尝试过Prompt压缩或embedding表示的方式？三、业务场景相关相关假如一个 Agent 推理链路包含 3 个工具 + 高频请求，系统整体延迟较高，你会如何优化？

八股原理 1. 请介绍 Transformer 的结构组成及各部分作用2. 如何降低 Transformer 的计算复杂度？常见的稀疏注意力变体有哪些？3. LoRA 微调的原理是什么？秩 r 的选择会对模型表现产生什么影响？4. KV Cache 是什么？为什么能极大地提升推理速度？5. RAG 完整流程，构建向量检索库时如何处理时间衰减对召回的影响？6. 微调时的训练数据是怎么构建的？如何保证样本多样性和质量？7. 在 RAG+知识图谱的 Agent 系统中，知识图谱更新的机制是怎样的？如何保证实时性？8. 训练 LoRA 模型时，你是如何选择冻结层的？依据是什么？9. 在高并发查询 Agent 系统中，你会如何优化召回和生成阶段的延迟？10. 大规模 Agent 系统在多线程/多进程场景下的资源调度策略如何设计？11. 如果在 GPU 资源有限的条件下同时提供推理和微调服务，如何做资源分配和任务调度以保证时延和吞吐？代码题12. LeetCode 15 三数之和

如何设计一个高效的agent上下文维护方案？目前主流的AI模型支持的上下文长度大概是多少？一个完整的agent智能体架构一般包括哪些部分？agent和LLM（大型语言模型）有什么区别？向量检索和关键词检索的区别是什么？你了解的tool调用机制是怎样的？你如何定位MySQL的慢查询问题？MySQL中的事务隔离级别有哪些？什么是索引覆盖？它如何优化查询性能？什么是协程，它和线程有什么区别？HTTPS的工作原理是什么？如何解决 Leetcode 第 2 题两数相加的问题？不知道各位有没有其他ai岗的面经分享

对于刚入职场的同学，很多人应该在一些事情 都不知道该不该问、敢不敢问。你有这种顾虑、想法的时候，就得去找老资历问了，说明当前这个事情你不熟悉、不会。为了以防万一，多问比闷声出bug好

早上逛论坛，看到一个同学分享的实习面经，字节、bilibili。问的很多问题我都没听过（其实我也是个菜鸡）。让我愈发感觉，内卷会贯穿cn学生一生。随着🦞爆火，估计越来越难了。很多新业务已经不要前端了，全都有后段打包完成。