前言我在某互联网大厂做了2年技术面试官，平均每周面3-4个人，累计面试了300+位候选人。有一个现象让我印象深刻：很多候选人技术能力其实不错，但面试结束后我给出的评价是"不推荐"或"待定"。候选人可能永远不知道自己为什么被刷，因为HR只会说"综合考虑后……"。今天我把这些隐藏的扣分项全部公开，帮你避开那些"你不知道你不知道"的坑。原因1：自我介绍超过3分钟面试官的耐心比你想象的短得多。自我介绍超过3分钟，我已经开始走神了。我面过一个候选人，自我介绍讲了整整6分钟——从大学专业讲到研究生方向，再讲了3段实习经历的细节...

说个可能不太"ZZ正确"的大实话：大厂实习经历在找工作中的加成，比你想象的大太多了。我去年暑期在某大厂做推荐系统实习，说实话活不算特别有深度，主要是做特征工程和一些AB实验。但秋招的时候，简历上这一行带来的好处是全方位的。首先是过筛。投了20家，70%的简历通过率。我室友背景跟我差不多，但实习是一家没听过名字的小公司，15家过了3家。你说是能力差距吗？不是，纯粹HR看到大厂名字就默认你至少不差。其次是面试氛围。面试官看到你在xx厂实习过，态度明显不一样，会默认你的基础能力没问题，更多地聊项目思路和方向判断，而不是从头盘问你基础知识。我室友面试经常被追问八股文，我反而很少被问到。

1. 自我介绍2. Transformer 里 Attention 的本质是什么，为什么它适合 Agent 场景Attention 本质上是在做动态加权的信息选择，模型不是把所有上下文平均看，而是根据当前 query 去分配不同 token 的影响力。它的优势在于能处理长距离依赖，并且支持内容寻址，这对 Agent 场景很关键，因为 Agent 经常要从长历史、工具返回和外部知识里挑出当前最有用的信息。真正落地时，Attention 的问题不在“能不能看远”，而在“看得太多以后会不会被噪声拖偏”。3. 在多轮对话 Agent 中，Attention 的局限性体现在哪些方面局限性主要体现在三个地...