初试 HR打电话线上沟通 简单介绍了一下公司情况和工作内容 了解咱们的就业意向（年级和科目） 询问什么时候可以线下面试？ 试讲 HR会通过邮件发送试讲题目，从中任意选择一题即可 ps：建议浏览一遍，选比较简单的题目，不然时间有点紧张 8-10min，尽量脱稿 先讲一遍👉培训老师指导👉自主练习15min👉最终展示 终试 一对一面谈 1.自我介绍（尽量往教培经验和相关优势靠） 2.为什么跨专业考研，选择现在这个专业？ 3.为什么不从事本专业相关工作，选择教培行业？ 4.为什么选择学而思？ 5.教培行业需要在节假日上课，可能影响个人社交生活，你能接受吗？ 6.课后需要与家长沟通，给学生开小灶课...

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

文章内容收录到个人网站，方便阅读：http://hardyfish.top/多线程带来的收益往往写在压测曲线上，代价则藏在“偶发、难复现、只在生产出”的问题里。项目里遇到的坑，大多集中在并发正确性、资源治理、可观测性与性能错觉四个层面。并发正确性：最贵的是“偶发错误”数据竞争与可见性同一份共享状态被多个线程读写，既可能写丢，也可能读到过期值。最常见的表象是计数不准、状态机跳转异常、缓存命中率异常波动。根因通常是缺少互斥与内存可见性保障（例如仅靠普通变量传递“已初始化/已关闭”信号）。复合操作非原子“先检查再执行”在单线程里很自然，在多线程里就是经典竞态：余额校验后扣款、库存校验后减库存、Map...