oppo hr面已完成

在实习的“landing”期，我面临了一个过渡阶段，既要快速适应新的工作环境，又要尽快掌握相关的工作内容和技能。这个时期对我来说既充满挑战，也充满机遇。首先，我意识到，适应公司的文化和团队氛围是至关重要的。刚开始，我花了一些时间去了解公司内部的流程、工具以及与同事们的沟通方式。我主动向经验丰富的同事请教，尽量多参与团队讨论，学会从他们的反馈中汲取经验，避免重复犯错。其次，我注重了自我学习和时间管理。工作中，我会主动进行任务拆解，设定每天的小目标，确保自己在规定的时间内完成任务。虽然刚开始做事可能会有些慢，但通过不断的实践，我逐渐提升了效率，也对工作内容有了更深的理解。最重要的是，保持积极的心态...

😅😅😅😅

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

最近收到很多同学私信：“AI岗位那么多，我该从哪个入手？”“非科班想进AI，选什么岗位成功率最高？”今天简单和大家说说AI的相关岗位入门路线，底层入门岗 → 中层应用岗 → 高层研发岗💡一些小建议：大一/大二：同时学Python和数学基础（高数/线代）；大三/研一：主攻「AI应用开发」或「机器学习工程师」，积累2-3个实战项目；研二/研三：目标「深度学习算法工程师」，冲刺顶会论文或竞赛，争取大厂核心部门实习；AI岗位没有“绝对好坏”，只有“是否适合你”。非科班同学可以从应用开发切入，数学好的同学可以走算法路线，重要的是“开始行动”——哪怕先做一个小项目，也比空想半年更有意义。--以上内容只是...