AI发展太快，稳住业务、抱住饭碗、追随AI• 深度人际与情商：谈判、护理、心理疏导依赖微妙的共情与信任，AI 只能模拟话术，给不了真正的“温度”与直觉应变。• 非标体力与手艺：管道维修、复杂装配依赖手感与经验，面对突发状况，人类比机器人更灵活可靠。• 模糊决策与担责：创业、急救等无标准答案的场景，需要人类基于价值观冒险并承担后果，这是 AI 的盲区。总结：能被流程化的脑力活易被替代，反而要“动情”“动手”“担责”的硬骨头，依然是人类主场。

react-best-practices包含40+条React/Next.js工业级最佳实践规则，覆盖消除请求瀑布、包体积优化、服务端性能、客户端数据请求、重渲染优化、组件拆分等核心场景。不管是新组件/页面开发、数据请求逻辑实现，还是代码评审、项目性能优化，都能让AI输出的代码直接符合大厂标准。web-design-guidelines包含100+条UI/UX前端开发规范规则，覆盖无障碍适配、焦点状态处理、表单设计规范、动画性能优化、排版规则、图片优化、暗黑模式适配等场景，能直接对UI代码做多维度合规性审计，彻底解决AI写的页面“能用但不好看、不规范”的问题vercel-deploy-claimable一键实现前端应用部署到Vercel平台，自动识别40+前端框架，生成预览URL和所有权认领URL，自动过滤node_modules、.git等无用文件，开发完直接让AI帮你完成从代码到上线的全流程。

对于前端开发者，入门AI无需深钻复杂算法，核心是建立AI思维、打通前端与AI的链路、落地小项目，分3步高效起步：1. 建立AI基础认知（1-2周｜大致理清）先吃透核心概念，不纠结数学公式。理解大模型、Transformer、Embedding、RAG等基础术语，分清监督/无监督学习、API调用与模型训练的区别。借助3Blue1Brown可视化教程、吴恩达机器学习入门课，建立“AI如何解决问题”的认知，明确前端聚焦AI应用集成而非底层算法研发。2. 掌握前端AI工具与技术栈（2-3周）依托前端JS/TS优势，优先学前端友好的AI工具链。安装Cursor、Copilot等AI编程工具，掌握提示词工程；学习Vercel AI SDK、Transformers.js、LangChain.js，实现前端直接调用AI接口、端侧轻量模型推理。搭配React+TS+WebGPU，打通“前端交互→AI请求→流式响应渲染”全流程，复用前端工程化能力。3. 落地1-2个极简实战项目（1个月｜重点🚩）拒绝纯理论，用项目验证学习成果。从简单项目入手：① 集成OpenAI API做智能聊天助手，实现流式对话UI；② 用Transformers.js在浏览器跑文本分类/情感分析；③ 搭建个人知识库RAG问答工具。通过项目掌握API调用、上下文管理、错误处理、性能优化，形成“前端+AI”的完整能力闭环，快速建立入门信心。入门AI的关键是立足前端优势，从应用落地切入，循序渐进补齐能力，而非盲目啃硬核理论。

AI发展这么快，应该定位我们能做啥AI能帮我们更高效做啥定位哈，有危机感但别EMO算法｜程序员开发AI砸自己的饭碗？AI替代不了人心深处的温度与直觉。它能精准计算，却无法共情悲欢；能模仿创作，却难有灵魂的悸动；能执行逻辑，却缺失真正的热爱与信仰。人类独有的共情力、创造力、道德判断与面对未知的勇气，是冰冷算法无法复刻的内核。

投了三家，收到一家前端岗位，半年发现HC越来越少Shopee|PDD|蚂蚁🐜希望能过吧，给个机会给个不错的包吧不管怎样，反正也是给自己不留后悔爱多子，给个机会

某中大厂电商公司POIZON（研发实习）薪资：中等偏上团队氛围：挺好的，主要Mentor、虚线很不错，其他人也不错，心不累，比较充实成长：技术栈业务挺不错，相关业务HC还挺多7月上海，半个多月是超不错的回忆

没工作是焦虑的慌，烂工作是内耗的苦。前者是前路迷茫的空落，后者是日复一日的折磨。烂工作磨掉心气、消耗热情，让人在压抑中逐渐麻木；没工作虽有压力，却保留选择与成长的可能。短暂的迷茫不可怕，长久的内耗才致命，与其在烂工作里耗尽自己，不如勇敢留白，等待更好的机会。

好像都挺好的排个序的话，个人观点京东，面试官热情，线下面试送Joy娃娃拼多多，面试官是真的好，牛马不为难（希望春招也这样🙏）快手收钱吧——————能力&业务不够匹配——————腾讯（颜值最高，超好的，面的细&深）字节（手撕没好好准备，不太配）—————得物（HC原因，出现不太愉快)携程、小米(面完无后续）

规划自己想做啥->大胆做研发岗建议大二暑期试水，夯实代码、框架基础，接触基础开发项目；大三重点深耕对口技术实习，积累工程实战与上线经验，为秋招筑牢竞争力。产品岗大三起步更合适，前期先积累行业认知、拆解优质案例，中后期实习打磨需求梳理、方案设计能力。运营岗门槛偏低，大二下学期就能尝试，从内容、活动基础岗切入，熟悉流量逻辑与落地流程。大一优先学好专业课、打磨核心技能，不用盲目跟风实习，避免打杂耗精力。精准匹配岗位节奏，循序渐进沉淀成果，远比过早内卷更利于长远求职。

研发岗：多段实习>学历>单段实习>>无实习、无学历（非双2+）实习：BAT核心>其他大厂核心>中厂核心>大厂边缘（HC少的岗位、非C端产品）>中小厂非核心业务：AI>C端（搜广推-增长-营销等等）>B端

回顾小学、初中、高中、大学到现在研究生，以及秋招校招Offer幸运的是都还算比较顺利一切都是最好的安排吧好的坏的，都是Jinger的宝贵记忆至于要改debug，我可能会选择高三分班去到了一个不适合自己的班级身边的人都卷，向前，只有自己好像原地徘徊、甚至后退高三的生活应该不算精彩，不管是生活上、还是学习上好像有点不太对得起家人的照顾但也好，阴差阳错，去到师院，调剂到不熟悉的专业碰到个很不错的班主任、伙伴们、室友们，这段经历可能现在debug就是没谈段恋爱到了另一个就是秋招offer选择，现在变化快的环境前端没去更稳定的公司会后悔吗我想也不会，也是纠结过后的选择

Claude Code 51 万行源码泄露，是一场低级失误引发的行业地震，更是一次免费的技术普惠。它证明：顶级 AI 编程助手≠大模型堆参数，而是架构设计 + 工具编排 + 上下文管理 + 安全机制的综合工程。从六层架构到 Multi-Agent、智能压缩，这套设计已经成为 AI Coding Agent 的事实标准。1.用户交互层：终端 UI，自研引擎不卡技术：React + 自研 Ink 渲染引擎（重写 Reconciler，80 + 文件）。核心：解决 AI 流式输出（每秒几十次更新）的卡顿问题，用双缓冲渲染实现 16ms 级流畅刷新。形态：CLI 命令行、支持彩色 / 滚动 / 实时编辑、多面板布局。2. 命令与技能层：100 + 斜杠命令，降低门槛作用：把复杂 Agent 能力包装成/commit、/diff、/tasks、/agents等Slash 命令，开发者不用记复杂语法。能力：覆盖 Git 工作流、多 Agent 管理、任务调度、外部工具接入（MCP 协议）。3. 核心引擎层（大脑）：QueryEngine + 工具 + 权限三驾马车这是 Claude Code 的灵魂，4.6 万行代码的 QueryEngine 是绝对核心。QueryEngine：对话编排中枢，负责任务拆解、思维链、工具选择、循环重试、结果汇总，把自然语言转成可执行步骤。工具系统：定义 40 + 标准工具（文件、Bash、Git、搜索、子 Agent），支持动态扩展、并行调用。权限框架：细粒度工具审批（自动 / 手动确认）、危险命令黑名单（rm -rf）、沙箱降权、审计日志。4. 服务层：对接大模型与外部能力核心服务：claude.ts封装所有 Anthropic API 通信，管理请求 / 响应 / 长连接、流式输出。外部集成：MCP 协议（Model Context Protocol）接入第三方工具、Git/GitHub API、文件系统、终端命令。5. 上下文与记忆层：解决 AI “失忆”，长对话不崩Claude Code 最惊艳的设计之一 ——四层记忆 + 智能压缩，支持超长会话、项目级理解。系统提示（claude.md）：项目级规则（技术栈、规范、风格）。目录状态：代码树结构、关键文件、依赖关系。对话摘要：历史压缩，保留关键信息、剔除冗余。实时上下文：工具调用最新结果、当前编辑内容。压缩机制：上下文用到 75%~92% 时自动触发，按信息密度（代码占比）优先压缩低价值内容，避免 Token 爆炸。6. 基础设施层：运行底座运行时：Bun（非 Node.js）—— 更快启动、更低内存、原生 TS 支持。状态管理：React Hooks 全局状态、文件持久化、跨会话记忆。安全沙箱：本地权限隔离、命令白名单、操作审计。三、藏在代码里的 5 大黑科技：为什么 Claude Code 比普通 AI 助手强？1. Multi-Agent 蜂群协作：一个需求，一群 AI 干活泄露代码曝光了未发布的多 Agent 系统—— 彻底告别 “单个 AI 串行干活”。主 Agent（协调器）：拆解任务、分发、汇总结果。子 Agent（分工）：前端、后端、测试、文档各守一职，独立上下文、并行执行。通信：共享消息总线，直接对话、无需人工中转。效果：200k Token 任务拆成 3 个 70k 并行，速度 ×3、质量更高、不丢上下文。2. 双模式推理引擎：快任务秒回，复杂任务深度啃快速路径：轻量子模型，延迟 < 50ms，处理简单查询（解释代码、查函数）。深度路径：全模型 + 多阶段推理 + 工具循环，支持7 小时 + 无中断代码重构。3. Hook 自动化：开发流程 “自动驾驶”事件驱动触发器，7 类核心 Hook（文件编辑、消息、工具 / 任务前后），改 JSON 就能配置自动化：改测试→自动跑 Lint；提交前→自动跑测试；写入文件→自动规范校验。4. 代理式搜索（Agentic Search）：不上传代码库，更安全传统助手（Copilot）要把整个代码库上传云端索引，隐私风险大。Claude Code：按需调用工具，只读需要的文件、本地处理，不把全库发云端。5. 反竞争防御：偷偷塞 “假工具”源码曝光：每次 API 调用会混入几个假工具—— 专门污染偷数据训练竞品的人，属于 Anthropic 的 “商业防御黑科技”。

一、离谱的泄露：不是被黑，是 “自杀式失误”1. 怎么泄的？一句话讲清Claude Code 是通过npm 包发布的 CLI 工具（命令行版），打包时用了 Bun 运行时（Anthropic 2025 年底收购的 JS 运行时）。Bun 默认开启Source Map（源码映射），会生成.map文件 —— 相当于 “压缩代码 ↔ 原始源码” 的翻译字典，能 100% 还原未压缩、未混淆的 TS 源码。生产发布时，没在.npmignore里排除.map文件，也没在package.json里正确配置过滤，直接把包含完整sourcesContent的 59.8MB 超大.map文件，打进了公网 npm 包。安全研究员 Chaofan Shou 下载 npm 包后，顺着.map文件直接拿到了存在 Cloudflare R2 上的完整原始源码。2. 致命重复：一年前刚泄过一次2025 年 2 月 Claude Code 刚上线时，就因完全相同的 Source Map 配置错误泄露过源码。时隔一年、代码量膨胀近 10 倍，安全流程、发布校验完全失效，堪称 AI 大厂级 “低级笑话”。3. 泄露了什么？核心机密全曝光完整客户端逻辑：51 万行 TS、1900 + 文件，覆盖从 UI 到引擎、工具、安全的全链路。未发布功能：Multi-Agent 蜂群协作、IDE Bridge（VS/Jetbrains 深度集成）、跨会话持久记忆系统。技术栈与架构：Bun 运行时、React+Ink 自研终端 UI、4 万行 QueryEngine 核心引擎、40 + 内置工具。安全与防御：权限审批、沙箱规则、反爬假工具、骂人词汇检测表。内部彩蛋：未发布模型 “Capybara（水豚）V8”、电子宠物系统。

隐形的就是比较没有比较没有伤害可能觉得自己答挺好但总有更优秀更卷的实习项目经历，面试答的还行，也手撕出来题目，但是有很优秀的（实习更多的、学历更好的、综合素质更好的），所以也会被莫名其妙刷掉学历，通过初筛、面试完、但如果条件和同批次差不多，但是别人学历好，想必第一批开的，开的更高大包的是别人的，只能慢慢泡池子，大佬拒绝了才到，所以多面几家，别靠着那么一家或者两家公司

还没 春招HC估计很少投递的不是好很早AI冲击下相关岗岗位数量减少还没收到面试通知。今年春招整体HC特别少，加上我投递时间不算早，竞争格外激烈。再加上AI对前端等岗位的冲击，很多公司缩减了招聘名额，机会更少了，只能一边等消息一边继续查漏补缺。