AI求职实录

最近半年AI的生产力发展的太快了，以前能干一星期的事，现在1天就能干完，未来的1-3年互联网的大部分岗位都会向AI靠拢目前互联网公司内部基本上每个人都在使用AI，从岗位上已经演变为覆盖研究-工程-应用-产品-运营-数据-测试-管理全链路的庞大生态如果你想从事AI相关岗位，不论你是技术还是非技术岗，都可以按照图片上的岗位去搜索投递

某大厂面试官：其实你简历上写的这些东西，其实我们都不感兴趣😅。某次反问环节，当我问到面试官“您对这个岗位的应聘者有什么期待？”，他沉默一会，叹了口气，开始了长达十分钟的输出——（以下是省流版）1.大厂看重面试者的潜力，而不只是经历匹配度。所谓“高潜人才”，必须要多进行思考，比如，这个任务的困难是什么，怎么做更好？为什么？大多数面试者问完面试官负责的业务之后就开始提下一个问题，其实你完全可以针对这个业务谈谈自己的理解，“我认为这个任务可以用xx方法去做”“这个业务的痛点是不是xxx？”，哪怕你的说法完全是错误的，面试官也能看到你的态度。2.自我介绍的时候，也要体现对公司的思考。面试之前，去查一...

不知道大家是不是今年感觉已经被AI刷屏刷的头都要炸了？伴随着VibeCoding的快速兴起，好像编程一夜之间就变成了人人触手可得的技能，而那些绞尽脑汁学习语法、练习项目的同学们一夜之间就变成了小丑，前端更甚——似乎每个新模型的诞生好像都在重复着“XX模型即将杀死前端”->“前端已死”->“XX即将发布最新的模型”的循环，似乎每年都是前端最糟糕的一年，甚至我们当中的不少人都这么认为，真的是这样吗？请允许我花些时间聊聊。展望前端的未来，必然要先回顾前端的过去，显然，AI压根就不是第一个杀死前端的。不知道各位有没有听说过Dreamweaver？这是一个可以直接可视化画图方式生成网页的工具，可以直接把设计稿转成网页（类似于VB的手绘控件），那个时候有人说，前端已死；结果是，一旦网页内容开始膨胀，嵌套几十层的图纸毫无维护性可言，更不用说复杂的动画效果了，它随着Dreamweaver一起成为了历史，并客观上加速了前端开发与UI设计的分离。下一个挑战者是JSP/ASP.NET，后端开发者可以快速的用他们最熟悉的语法完成前端开发所做的一切，数据处理，表单请求...，那个时候有人说，前端已死；结果是，伴随着移动互联网的高速发展，前后端一体反而给开发者带来了更加沉重的负担和夸张的维护成本。既然前后端分离了，想必那个时候的前端就迎来了春天？不见得吧，它的挑战者就从来没停过，以WordPress为代表的建站平台急匆匆的来了，是的，各种模版几乎快要革了“前端”的老命，但却提供了更多的插件、主题开发和二次定制需求的市场机会，你能说它杀死了“前端”吗？好吧，即便前端的生命力如此顽强，那低代码平台总能一劳永逸了吧？我的意思是，你也不想大清早起来就要盯着拧成麻花一样的蓝图来追踪数据流动吧，而且，低代码平台也不可能脱离前端而存在。所以，AI会取代前端吗？或许吧，但我知道，所有自称要“杀死前端”的挑战者全都败给了一个敌人：“真实的物质世界”，这个世界没有那么多含情脉脉的温床，也没有一成不变的需求，迎接开发者的只有客户谜一样的运行环境，恨不得把3A塞进去的诡异需求，以及不争气同事的、永远猜不到响应格式的API。而这也印证了那个软件工程的真理：“软件开发没有银弹”。前端的挑战者们还在围剿它，你要做的唯一一件事就是：像前端一样坚强、勇敢的面对这个站在最前沿，也最复杂的真实世界，而这正是它迄今不死的秘密。【全文人工手打,看到个别无良自媒体真的气得不打一处来,希望大家坚定自信,把自己的事情做好做精!】

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

大厂的AI开发，算法岗门槛是真高，投了好几个基本不搭理，大部分都是已读不回的，算法岗是真看学历，没个双九学历，我是白扯，相反，中小厂的ai开发难度是真低，但我也是不想去啊，去了感觉还不如去大厂搞搞后端开发，算了，继续投吧，再看看运气

看到过一个说法：八股文没有用，工作里也很难用到，学那些东西干什么，AI都出来了，谁还需要自己写代码？ 曾经有段时间，段段深感认同，不过后来想了想，如果面试不问八股，不问算法，不问项目，不问这些基础知识，那么我们也就不需要学习，不需要会。那么这种情况下，会导致什么问题呢？——除了写提示词，你什么都不会，甚至你提示词都不会写。 所以人均AI Coding后，程序员面试还有必要问八股吗？我的意见是，还是得会，至于原因，别着急，段段来带你分析。 （结论AI写在最后一段了）一、如果什么都不需要会，我怎么知道你会开发？ 从企业筛选人的角度讲，如果我是面试官，如果你只会写AI提示词，基本的增删改查，Java...

关于这个问题，我并不想听你背岗位JD，而是想通过这个问题来判断3件事：1. 你是不是真的懂AI运营，不是来“混风口、蹭经验”的——很多人张口就说“做活动、写文案、促留存”，对不起，pass！AI运营的核心，是“让模型落地、让用户买单、让业务闭环”，不是传统运营的简单复刻；2. 你能不能分清运营、产品、技术的边界——知道自己该做什么、不该做什么：产品定方向（做什么AI功能）、技术做落地（模型怎么搭）、运营做放大（怎么让用户用起来、让模型越用越聪明）；3. 你有没有“模型思维”——能不能跳出“只盯用户”的局限，关注模型的准召率、幻觉问题、提示词优化，甚至能联动技术，提出产品侧、运营侧的优化方案（这...

这是当下时代我们学生和打工人的一个困境，悄悄分享一下自己的一些些心得。相比于自己去浩如烟海的文章中找资料，不如他们精准的推送，因此我所做的第一点就是通过关注的公众号来了解。他们做自媒体的为了时刻保持流量，必然要发文介绍最新最火的项目（哪怕一些可能有标题党的性质），我们刷到了就进去看看，成本很低，收益很大。下面还会有相关的推荐文章，都可以顺便康康。另一个就是B站，B站很多人会发视频介绍热门技术，关注一些知识区up，新视频发出来后我们刷一刷就能在主页看到，通常介绍新东西的视频也就10分钟左右，可以二倍速快速了解。再有就是自己的圈子，要积极和身边的大佬交友学习，当他们聊到一些自己没听过的东西时，积极凑过去学习一下然后自己去搜搜，甚至上手操作一下。最后如果在互联网领域，选一个有创新、学习氛围好的组，处于这种氛围中，自然能够受到熏陶。再提一点，如果有条件有时间可以去外网关注科技大佬他们会发文的。我由于比较忙暂时还没培养这个习惯。以上几点基本上就是我作为应届生目前尽量跟上时代的一些做法了。其实有点像在做学术，时刻关心最新的业界能力，然后考虑是否能落地。不过事实就是如此，在这行最好保持着热情和动力，才能长久的待下去。欢迎大家交流学习，分享更多了解最新技术的渠道和心得

40min 自我介绍面试官询问项目细节介绍langgraph具体编写智能体的方法介绍上一段实习中遇到的困难问了一个查找topk个数的算法 我答的用快排加二分问MySQL除了b+还有什么索引详细介绍全文索引topk个数 回答了快排划分hash表用什么哈西函数 冲突怎么解决介绍mvcc讲一下jvm内存模型（我不会Java）如何实现长链接系统（链接太长url怎么跳）手撕 旋转有序数组查找元素面试完半个小时HR打电话通过

每一次AI工具的更新，市场上都说不需要前端了，然而事实真的如此吗？互联网本身就是新兴技术，因此互联网的各种工种也是受AI影响最深最快的前端不会消失，只是可能会HC减少，并以另一种形态存在，说说我当前的工作状态吧👇去年下半年到现在，工作80%都是AI相关，工作边界变得更加广阔：1）技能结构：从“前端单点”升级为“产品+内容+技术”的复合型以前更像是典型的前端工程师：把需求实现出来、把页面做出来、把交互写出来。现在更接近“能把想法从 0 推到 1”的复合角色——既要会产品设计，也要能用 AI 批量生产内容，还要具备把功能快速落地的代码能力。2）协作方式：从“对接上下游”变成“AI 协同 + 跨部门整合”过去协作更多是：跟产品确认需求、跟后端对接口、跟测试走流程。现在更常见的模式是：我直接参与需求设计，用 AI 快速做 demo 或原型，先上线验证方案是否可行，再根据数据/反馈迭代。3）交付目标：从“交付代码”变成“交付解决方案”以前衡量产出最直接的方式就是：写了多少功能、交付了多少代码。现在更像在交付“产品 + 技术”的整体结果：不仅把功能做出来，还要解决业务问题。工作的时间配比也发生了些变化👇20%：手写代码（更多是修 bug、处理边界问题、关键逻辑兜底）30%：指挥 AI 写代码（生成、review、accept/undo，然后 commit & push）30%：调提示词/调产出质量（让 AI 更稳定、更贴合业务）20%：和 AI 一起想点子、做方案迭代（找方向、试路径、优化体验）在我这些项目里，几乎没有“前端/后端”的明确分界：很多时候是我跟业务把需求聊清楚、方案定下来，就直接开发上线；有些需求甚至是我在 AI 的帮助下自己做方案、自己验证、自己推进落地；AI 带来的不是“写代码更快”这么简单，而是让一个人具备了更强的端到端能力：从需求到方案、从验证到上线，都能更轻、更快地跑起来。那么有人就要问了：你涨薪了吗？你涨薪了吗？你涨薪了吗？😊😊😊先说结论：那肯定是没有的但是你不适应时代的变化，你就会被时代所淘汰，AI时代除了传统技能以外，更多的还是拼你对业务 、对市场的理解，过去程序员很多只停留在代码跑起来的逻辑上，但忽视了很多代码背后的业务情况，AI时代帮你节省了写代码时间，给了你更多的思考时间——你对于业务是否有更好的解决实现方案，是最重要的能力实习的时候不要总是低头看代码，更要横向看看业务目标

感觉在牛客已经潜水好长时间了，我也看到有不少牛友想要投AI大模型产品岗位。正好，我作为业务面试官，可以跟大家一起复盘下前一阵部门的三轮面试流程。其实全程面试考察的重点，还是候选人的项目扎实程度、结构化思维和AI产品基础素养。第一轮面试：45分钟1、系统介绍一下你第一个AI实习项目这种宏观问题，建议使用STAR法则或者为什么做、怎么做、做完之后的效果三段论来回答。我不仅听故事，更通过你的叙述结构，评估你的结构化思维和项目全貌掌控力。2、sd项目中的提示词是如何编写的？我会遵循“角色定义-任务清晰-格式约束-示例引导”的原则。一个完整的提示词模板应是一个“工程系统”。3、提示词模板你会怎么来写？你...

在牛客运营同学的热情邀约下，接着写下一篇分享 深度拆解：如何系统介绍你的第一个AI实习项目？这是所有面试的开场白，也是决定“生死”的45分钟里最关键的前10分钟。很多同学讲得口干舌燥，但我听完却是一头雾水。作为面试官，我问这个问题到底想看什么？业务Sense： 你知不知道为什么要写这个Prompt/做这个Agent？是为了解决什么业务痛点？技术理解力： 你对大模型的边界清不清楚？是盲目调用API，还是懂一点RAG、微调的底层逻辑？产品闭环思维： 做了之后效果如何？你怎么衡量好坏？避坑指南：千万不要只说“我写了多少条提示词”、“我搭建了几个工作流”。这叫“劳动力输出”，不叫“产品思考”。推荐回答...

作为2025届校招生，我主要面向后端岗位，最终拿到了10个中大厂offer（详见历史帖子）。现在回顾整个求职过程，总结一下当前开发岗位面试中AI相关问题的趋势和应对策略。四类高频AI面试问题第一类：如何使用AI辅助编码（必问）出现频率：几乎所有公司都会问，即使不是每一轮，全流程中也必定涉及。2025年时我的回答：宏观问题和命令速查：使用AI对话形式（ChatGPT、千问等）编码过程：使用Copilot、通义灵码等插件进行代码补全和查错2026年的期望回答： 面试官更希望听到深度使用AI编码工具的经验，包括：Claude Code、Cursor、Gemini等新一代AI编码工具的实践经验对不同工...

最近和不少学弟学妹聊天，发现一个矛盾现象：一边是对AI的无限向往，一边是“不知道从哪里下手”的迷茫。作为在字节一线和AI产品打交道的人，我想说：拥抱AI不是选修课，而是这个时代的必修技能。你可以立刻去做以下几件事，一定会有所提升：创建你的“AI角色卡片”学习时：——让它追问你的逻辑漏洞创作时：——专提反常识的观点复盘时：——自动把你的碎碎念整理成SOP玩转“豆包”的隐藏模式别只用默认对话。试试：“请用苏格拉底式提问法，帮我拆解这个产品问题”“假设你是张一鸣，会怎么评价这个校园社交产品？”“用‘第一性原理’重新思考我的求职规划” 会议记录：会后5分钟，AI自动生成：结构化纪要（自动标记TODO、...

大家好，我是一名28届的前端开发，最近团队需要启动一个Agent（智能体）项目，但我对这个领域还很陌生，想请教大家几个问题，希望能得到一些工程实践上的指点。1. 我的背景和困惑我只知道“Agent”这个概念和一些名词，但没有深入学习过。以前在学校学的AI课程（深度学习、CV、搜索算法）感觉偏科研理论，和实际工程开发好像不太一样。我看到现在很多招聘要求“开发+Agent赋能”，感觉这已经是一个普遍趋势了。看到有牛油评论说：“现在大厂就很迷，感觉要么就是算法+agent，要么就是开发+agent。还是招和原来一样的岗位，只是都要求赋能agent了   ”。真正的工程化Agent开发到底该怎么做？2. 我的具体疑问a.技术栈疑问：我粗略了解到后端好像用Spring AI比较多？想请问在真实的产业项目里：后端主力语言是Java还是Python？各自的常见技术栈和框架是怎样的？b.开发流程疑问：我之前的理解实在太少了，以为就是“接入大模型API + 优化Prompt”。真实的Agent工程开发，到底包含哪些核心环节和模块？（比如除了调用模型，是不是还要做任务规划、工具调用、记忆管理这些？这些要怎么深入学习呢？要和科研深度学习一样跑“炼丹”项目读论文吗？）3. 我的角色定位：我本身是前端开发，自己写的toy是用Node.js 还有 express 框架做全栈项目。像我这样的背景，在一个Agent项目中：具体能从哪些方面入手去“赋能”？除了做个展示界面，在Node.js这一层能做哪些有意义的AI集成或能力封装？4. 求分享、指路我现在的认知太少了，非常需要一个从工程视角出发的学习路线和方向指引。希望大家能分享一下：我应该按什么步骤去学习？重点要掌握哪些工具和框架？作为前端/全栈，在实际业务里面怎么赋能agent？当前我的学习突破口在哪里？----------先谢谢各位大佬了！

一面 40分钟  ai相关的工具和相关的知识是从哪获取的 解释ai中的token token还有哪些用处吗 上下文是什么，上下文的大小决定了什么指标 在上下文窗口大小限制的情况下，如何更合理的处理上下文 向量数据库你了解的有哪些 向量数据库和传统数据库的区别 向量数据库的匹配相似度的方法  余弦相似度 面试官补充：欧氏距离（L2）   对余弦相似度的理解，是如何计算的 mcp解决什么问题，为什么模型会引入mcp概念 mcp由几部分组成 如何使用mcp的方法 electron主进程是如何处理mcp连接的安全性的  没太明白，问了面试官后，说的是zod校验   function calling是什...

个人bg介绍: 专升本 -> 双非硕，硕士转码，在校期间1b1c共计两篇长文(事实上在ai应用开发相关面试时，文章并没有起到太大的作用，也可能是面试的公司规模不是特别大)，在校timeline: 2023年入学时基础比较差，主要以c/c++为主，刚入学时也比较迷茫，在学业上主要以python为主，组内的项目主要以java为主，也算是学的比较杂，当时对于就业的考量是只要比本科强就可以，因为当时的专业为物流，所以基本都是土木相关，这也就导致了无论硕士就业如何，相较于本科而言都是向上的，这也就导致了当时对于就业方向的选择比较随性，只要能找到工作就好。 中间陆陆续续把小论文都撰写好了，在2024...

在AI大爆发的时代，除了卷算法模型，AI Infra正成为各大厂争夺的“算力底座”。但这个领域庞大而且比较复杂，究竟包含哪些技术栈？不同岗位又有哪些侧重？给大家简单介绍一下（这个也属于新兴岗位了，所以现在入局也不算晚欢迎大家在评论区发表看法，我们一起讨论👇有用的话请在文章底部给我送朵花吧🙇‍♂️🙇‍♀️

春招在即，无论是26届，还是即将找实习的27、28届。都会面临一个问题：去网上看了很多公司面经，面试时一个都想不起来。今天我教你用Notion建立面经管理系统，再配合AI做分析，让你从从容容，游刃有余。减少求职的压力。 1.在Notion中新建表格用来记录面试进度和刷题进展。如下图：这样可以清楚的展示你的面试进度以及你今天要复习什么，打开后面的面经链接就可以了。附上表格模板： 面经数据库（主表格） ├─ 基础信息 │ ├─ 公司 │ ├─ 岗位 │ └─ 面试日期 ├─ 技术考察 │ ├─ 高频题 │ ├─ 考察重点 │ └─ 难度评级（1-5星） └─ 我的准备 ├─ 准备状态 ├─ 复习次...