一直到放假前的最后一天的还在投递，导致我在大年二十九做完了一个笔试和一个AI面试，目前年后还有三家公司hr可约面试，有一家在offer评估😚新的一年，继续干

感谢这位牛友的祝福，祝愿牛客新的一年利润翻翻，祝愿各位牛友升职发财

1.自我介绍2.介绍一下你在第一段第二段实习做的内容3.介绍一下你在实习中写过最复杂的一段SQL代码，什么样的背景4.你的优缺点5.你的数据敏感度体现在工作中哪里6.SQL和Python熟练程度给你自己打几分7.介绍一下你在第二段实习中的大模型一提效项目8.在这个过程中怎么消除幻觉9.大模型分类准确率为什么只有百分之七十，因为什么问题10.你在这个过程中遇到什么困难反问:1.什么业务——运营商数据2.什么技术栈——hive和Python3.四月底可以转正

今年是我的第二十一年，2025是我第一次独自在两个城市来回漂泊。实习八个月，从第一次实习入职时的憧憬和紧张到现在被同事们戏称职场”老油条” ，从工作时略显稚嫩的输出到褪去学生气的成熟，我经历了两个大厂，也体验了不一样的同事，氛围都很好，希望接下来可以遇到更好的offer。经历过外企带给我的童话世界，也经历过前沿科技和快速迭代带给我的快速成长，人生不止有得到offer的欢喜和工资到账的兴奋，更重要的是经历，我这一年的经历注定是我职业生涯中值得回忆的一年。这一年，我走过了江浙沪皖十五座城市，一个人用脚步丈量着江南水乡的唯美，给快节奏的生活带来了些许慰藉；这一年，我在牛客写下自己的感想，得到不同人的支持与鼓励，也感谢你们的一路相伴；这一年，我过出了不一样的人生，这就够了。我知道牛客大多数都是求职帖子，我觉得大家可以在快节奏的求职中慢下来，静心体验生活的美好，人生不止有工作，人生也不只有面试。每一个岗位都有其存在的价值，当你拿到一个offer，无论高低，在没有选择的前提下，坦然接受他。新的一年我们继续同行，加油，赶路人!

总体来看还是蛮实用的，五常大米，鲁花花生油，糙米

没参加过春招，自己正在参加，这方面先暂时不说了，我就来分享下暑期实习的建议：1.对于简历的实习部分：我是24年11月份开始准备的暑期实习，当时还没有实习，我就自己用ai包装了一下在学校参加的数学建模比赛的经历，把他作为项目经历；之后找我父母要了一家小公司的公章，直接包装了一段小厂实习（以上都不需要付费，都可以自己来包装，比如借助ai，牛客上的简历以及各种各样的网上项目，包装上公司的title），这样做之后，你的简历内容起码不会很空，对于找实习也有了底气。2.对于技术岗简历上的项目部分，不用追求独特，就做最经典的项目，有能力可以写点自己优化的demo，不写demo也可以，就把经典项目吃透，各类技术问题自己梳理一下，八股背熟即可。3.暑期实习开放时间，开的最早的是各大银行的实习项目和金融机构的实习，时间大概在25年12月份到26年3月份，大约三月份笔试，大家可以提前准备一下行测题，加油！接下来就是各大互联网大厂的暑期转正实习，大约在二月份开始，三四月份达到高峰，五月份补录，这类实习实际相当校招提前提前批，竞争大，可转正，集团重点培养，含金量很高---但我的建议是不要太在乎，竞争真的很大，大多数普通人都属于陪跑者，该投投，有面就面。重点！重点！重点！4。多数普通双非本硕求职者重点考虑日常实习即可，ssob，某聘，小某书上的实习继任贴，此类实习大厂中厂，独角兽，小厂，外包都有，这类岗位普遍是公司部门临时有需求，或因为实习生离职，或因为临时出现项目，或是没批出来招正式的预算，这类岗位普遍是业务部门直接招人，部门总监有决定权，招人紧急，会相对降低对应聘者的要求，流程也普遍很快，一般面试一到两轮就可以发offer了。一旦进入这种实习，进去可以沉淀产出，增加秋招竞争力，而且日常实习普遍工作压力不大，还可以继续寻找转正实习的机会。总之，大家放平心态，持续投递，不停刷题，加油附上我25年春季实习timeline：25年12月开始投递25年12月至25年3月，面试五十场+25年3月中旬面试头部外企实习25年4月中旬收到offer25年5月中旬背调通过，成功入职

以数据开发为例，sql是重点，我做过三四十家大厂的笔试，十几家大厂的手撕，sql普遍都不会考的特别难，只要掌握基本的联表查询，日期函数，最难可能也就是连续登录了（这个得好好练）就足以应付大多数sql手撕和笔试了。牛客的大厂笔试sql题刷完即可，注意理解除了sql之外，算法仅限于头部的几家大厂会考，大多数中小厂不会考算法手撕的，优先刷完*****一百中等和简单难度的题即可，当然有时间做完一百道更好啦。对于算法，我反正刷一遍隔一段时间不刷我肯定就忘了，最重要的是温故而知新，每天早上拿出一到经典的题做一做，保持手感即可

相信前段时间大家都刷到了CVTE高工的事情，高工这件事最恐怖的地方在于，他的工作状态和时间安排符合大多数大厂程序员的日常，他最后一天的生活就是无数互联网大厂程序员的日常。不停的开会，项目宣贯会，项目对齐会，处理异常，文档撰写，向上管理，定期述职，末位淘汰，周末oncall。。。。。一天中写代码的时间只有一小部分，大部分都在扯皮对齐中度过。表面双休，实则周末还要处理突发情况，时刻在线，没有个人时间。这就是大厂，所有人都像绷紧的发条，只能不断前进，如果想停下来，那就只有被优化的一条路，而人生的目标也只剩下一个，那就是赚钱，赚更多的钱。大厂环境就是优绩主义最好的模板，赢者通吃，高度竞争，跟不上更新的节奏那就是被裁员。好了说了这么多缺点，大厂也是有许多优点的，比如大家都知道的给钱大方，是普通人实现个人资本原始积累的最佳通道，赚两百万躺平不是梦；工作环境自由，领导和同事不会过多干涉自己的私生活，想穿什么就穿什么，想做什么就做什么。除此之外，大厂相对也没有那么多关系户文化，虽然存在一些嫡系，但是毫无疑问，他是没钱没背景的小镇做题家能去的最佳公司最后想说一句大厂有好有坏，各位注意身体，身体才是革命的本钱，有个好心态，祝大家早日财富自由😋😋😋😋

起因是我在秋招期间看到很多所谓的谈薪方法视频，无非是拿了好几个offer，想拿另一个offer去谈一家，让这家多给点钱。我的想法是，在这个内卷竞争的时代，不要太在意谈薪，因为这种根本就不是谈判，公司也不在乎你拿了几个offer，作为应届生，公司无非是招大头兵，你拒绝，同一个岗位还有好几个人在池子里备选，不缺人。你不干有的是人干——这个时代最浪漫的话😏😏😏应届生校招薪资决定要素说实话就两个因素，学历+面试表现，有些公司可能也会看个人经历。有些优秀的同学或许会说，他们确实在hr面试中争取到了更高的薪资，可能是因为他们本身学历很好➕面试表现很好，hr和业务面试官本身也愿意为你们争取一下，但一定还是在公司的工资预算范围内。在我看来，这不叫“谈判”，这个更像一种“施舍”。目前这个求职环境，求职者本身就是被动的，你也无力改变这种状态，那就去适应他，多面试，多拿几家offer。当然我只是指校招，社招谈薪又是另一种逻辑了

面试不是考试！面试不是考试！面试不是考试！重要的话说三遍，二十多年的应试环境，让我们习惯了考试，每一次人生的重要路口都是考试完成的，但是职场里的面试不是考试，他只是面试官用来筛选未来同事的工具，设身处地，作为一个普通打工人，你也不想和一个与人交谈紧张无比，逻辑思维混乱，技术不精的人对齐，开会，交接工作吧。面试放轻松，把他当一个会谈，与面试官去谈合作。我建议大家都可以学一学销售，或者去体验体验卖东西，面试的时候把自己当作销售，只不过售卖的产品是自己的时间。以此为例，目前比较火的面试形式-无领导小组面试，像不像互联网的跨部门对齐话，火药味比所谓无领导面试大多了简而言之就是，不要把面试当考核，当成一次又一次会议，一次又一次谈判，一次又一次交友，当然该有的技术能力也要有

起因是之前我有一个实习公司的部门每天要处理大量第三方爬取过来的非结构化数据，对非结构化数据进行数据加工，对他们按产品类别分类，剔除一些与我们公司产品不相关的数据，并且将他们转变为结构化数据，写入数据库，这个过程具有高度重复性，且数据量不大，一个实习生花费一个小时时间足够搞定。适逢公司在推广大模型提效，要求每个部门看看自己的工作流中有没有可以应用大模型的地方，于是我就想到了能不能在这个地方应用到大模型，向领导提出后，也得到了领导的大力支持。然后我正好看到了dify的ai低代码平台，由于我这个只是要做一个轻量化的ai工具，也不会分到太多的研发资源，所以就想到了用dify做知识库和前端搭建。说干就干，前期我协助业务方收集每个产品对应的关键词，搭建知识库，并且还支持业务不断更新关键词，中期和产品一起试图减少幻觉的影响，兼容现有Excel文件格式及业务流程，自动化识别网页数据中的关键信息并完成分类打标签操作。项目的困难点是由于公司产品类别繁多，复杂，所以需要知识库搭建极为细致，有时候还需要迭代，并且需要大模型读取网页或者附件信息，提取关键参数完成标签生成。所以我们设置了  这个工具需支持简单的规则配置功能，便于后续自主更新规则最后也得到了较好的结果，大模型进行数据清洗可以收获90%的准确率，只需要人工复核即可，也是节省了清洗人员的大量时间上述过程中大多数步骤都可以用dify完成，前期使用python验证可行性，dify目前也十分完善，非常适用于工作流提效

1.自我介绍2.对亚马逊平台的以及我们这个岗位的了解3.了解了一些实习期间的具体工作，并询问自己做过最困难的事4.在学校有没有制定目标做过什么事情，连问三件事5.之前都是数据实习为什么想做运营6.在xxx工作中，每周有没有工作量的要求，领导对你怎么评价7.英语水平如何，为什么想考雅思8.反问工作内容，全品类，独立做产品开发和运营

我现在在的这家实习公司，不管是什么部门都喊着要用AI提效，仿佛你如果不会agent开发，你就要随时落后于时代，各种低代码工具如雨后春笋，涌入市场。我对接的产品经理就一直在推低代码开发，说可以节省人力，业务也可以参与到研发阶段，节省对齐成本。之后我们就牵头用Dify搭建了一个数据清洗智能体，AI负责清洗每天从第三方公司爬取的数据，自动进行分类，我们负责维护知识库，不断调优，业务只需要对清洗的数据进行检查，减少了业务清洗数据的时间约百分之五十，这也是我写在简历上的一个提效项目，这个项目背景是对第三方机构爬取的一些线索数据进行二次数据清洗，数据量很少，数据结构很复杂，单独做一个系统数据清洗没有性价比，所以我们就想到了用大模型进行提效

起因是我前几天收到了一家ai独角兽公司的offer，他们说他们是学习palantir的fde模式，然后我好奇就去搜了一下palantir 这家公司可以说是美国AI圈炙手可热的AI明星，各大AI公司，包括openai纷纷效仿，美国FDE岗位的需求迅速增长palantir主营AI数据中台治理业务，企业大模型服务商，曾为美国国防部服务，在击毙本拉登的行动中一举成名，此后一直是美股中的一颗明星。随着AI的不断融资扩张，各大AI公司必定会不断向AI落地应用转型，以寻求稳定盈利，当今ai公司的第一需求已从研发出更厉害的ai向活下去，让技术可落地，可盈利改变，不能落地应用不能盈利的AI注定只是空中楼阁，而palantir模式为各大ai公司提供了一个AI落地的模板--本体论-FDE模式，AI前沿部署工程师（做出一个公司的产品模型（本体），让工程师去客户现场开发，现场解决业务问题，做定制化开发，现场开发的解决方案沉淀成一个可复用的模板，融进本体中，在另一个客户使用的时候可以直接复用，这就是美国目前火爆的Palantir模式各位是否觉得这种模式很熟悉，这不就是我们这里交付工程师和解决方案的职责吗，中国的软件公司一直在用的模式。但是欧美之前软件行业一直强调的是标准化，所以saas行业一度十分流行，只卖产品，不卖定制化服务，但随着ai时代的到来，美版saas的服务体系跟不上ai公司产品的快速迭代，所以演变出了FDE这个岗位由此影响到国内，我认为在各大企业都在寻求AI落地的背景下，国内未来的AI行业的交付和解决方案工程师需求会是一个新的增长点，并且未来发展尚可，该岗位需要的能力是：技术能力，现场沟通能力，需求挖掘能力，对个人的综合素质要求比较高，而且在未来也会有一定的人脉积累而且交付，售前，解决方案类岗位对比开发算法来说对学历和技术要求并不高，也不是很卷，唯一是起薪可能偏低，需要频繁出差，擅长与客户沟通非常适合学历一般有技术背景且擅长交际，想从事销售的小伙伴，且可以直接产生利润，有些公司还会给你一些回款提成作为薪资的一部分