对我来说，实习突然变得“有点值了”，是在我意识到：这段经历真的会让自己正式找工作时更顺一点。以前总觉得实习只是提前体验上班，后来才发现，它最大的意义其实是让人少一点学生气。你会第一次知道，学校里的“完成作业”和工作里的“把事情做好”差别很大；也会明白，沟通、协作、推进、背结果，很多时候比自己闷头做更重要。更现实一点说，实习也确实会给找工作带来底气。面试时你终于不是只会讲项目和比赛，而是能真正说出自己做过什么、踩过什么坑、怎么和同事配合、怎么把事情往前推。那种“我真的做过”的感觉，会让表达更稳，心里也更有数。所以实习值不值，有时候不在当下那点工资，而在于它让你正式走向职场的时候，没那么慌，也没那么空。

我感觉，适合大厂的人，不一定是最厉害的那种，反而常常是“没那么拧巴”的人。大厂不是单机游戏，很多时候你做的不是最难的技术题，而是在一堆流程、协作、会议、对齐里，把事情稳稳落下来。你得能和各种人打交道，能接受很多事没那么理想，也能在规则里把活干漂亮。所以那种特别容易上头、什么都想硬刚、特别在意“凭什么”的人，未必待得舒服。反而是那些心态比较稳，愿意沟通，也不玻璃心的人，更容易适应。不是说要圆滑，而是你得知道：很多时候先把事做成，比证明自己更重要。当然，大厂也不是谁都适合。要是你特别喜欢自由度高、讨厌流程、受不了节奏慢，那可能会觉得很憋。但如果你既有点实力，又能和复杂环境和平相处，其实还挺适合大厂的。

我觉得，AI时代更有必要刷 LeetCode，但目的已经变了。以前刷题，很多人是为了面试通关；现在有了 AI，确实能帮我们补代码、讲思路，甚至直接给答案。但也正因为这样，真正拉开差距的，不再是“会不会搜答案”，而是你能不能判断答案对不对、为什么这样做、有没有更好的解法。这些能力，靠“看懂”远远不够，还是得靠自己一题一题去练。当然，也没必要把刷题神化。它不是衡量工程能力的全部，系统设计、业务理解、沟通协作一样重要。只是对很多普通人来说，刷题依然是少数几件投入和回报相对确定的事：它能训练你的逻辑、抽象能力和抗压能力。所以我理解的答案是：要刷，但别只为刷而刷；要把题目当成训练思维的器械，而不是打卡任务。 AI可以当教练，但上场做动作的人，最后还是你自己。

如果想从事 Agent 方向，我觉得可以按“LLM + Workflow + Tool Use + Memory”这条线去学。首先是大模型基础，要理解 Transformer、Token、Embedding、Attention、Prompt Engineering、Function Calling、Structured Output 这些核心概念。其次要学 Agent 常见技术栈，比如 ReAct、Planning、Task Decomposition、Multi-Agent、Reflection、Memory、Tool Calling。再往下就是 RAG 相关能力，包括向量数据库、Embedding Model、Chunking、召回、重排（Rerank）和知识库构建，这些直接影响 Agent 的准确率。工程上建议重点学 Python、FastAPI、LangChain / LangGraph、AutoGen、MCP、API 集成、异步编程、缓存、日志监控和容错重试。除此之外，还要关注评测体系，比如 Success Rate、Latency、Token Cost、Hallucination、鲁棒性和可观测性。我自己的理解是，Agent 不是简单调用一个 LLM，而是把模型推理、工具使用、状态管理和工作流编排结合起来。想入门的话，最好边学边做 Demo，比如“知识库问答 Agent”或“自动任务执行 Agent”，成长会特别快。

面试被问到不会的问题，我以前第一反应是慌，怕冷场，怕对方觉得我准备不足，甚至会下意识想“编”一点，让场面别那么难看。可后来才明白，面试官真正想看的，不只是你会多少，更是你在“不知道”面前的反应。所以现在如果被问到不会的问题，我会先坦诚承认：“这个问题我目前没有完整经验，但我可以说说我的理解和我会怎么去解决。”比起硬撑着答错，不如诚实一点，再把自己的思考过程讲清楚。因为不会不可怕，最怕的是不懂装懂。如果是完全陌生的场景，我会先拆问题，看看它考的是基础原理、解决思路，还是过往经验；如果有相似经历，我会主动类比，告诉对方我以前遇到类似问题时是怎么分析、怎么落地的。就算最后答案不完美，至少能让人看到我的逻辑、学习能力和处理问题的方式。我觉得，面试从来不是“全会的人赢”，而是“愿意真诚面对短板、又有能力快速补齐的人”更容易被看见。不会一道题，也许只是知识盲区；但面对不会时的态度，往往更能暴露一个人的底色。所以我的应对是：先稳住，别硬编；先承认，再思考；把“我不会”变成“我会怎么学、怎么解”。这可能不是最漂亮的回答，但 usually 是最让人信任的回答。

如果人生可以 debug，我最想改的，不是哪一次考试失利，也不是哪段关系的错过，而是想改掉年轻时那个总是不够相信自己的瞬间。以前的我，做很多事前都会先怀疑自己：我行不行，配不配，会不会让人失望。于是明明可以勇敢一点，却总先退后半步；明明很在意一些人，却因为嘴硬和胆怯，把很多想说的话留成了遗憾。后来慢慢才明白，人生里真正消耗人的，往往不是失败本身，而是“我本来可以”的念念不忘。如果能改，我想把那一行代码换成：别怕，先去试试。因为很多路不是准备好了才能走，而是走着走着，才有答案；很多人也不是等你变得完美才会靠近，而是因为真实和真诚，才愿意留下。不过现在想想，也许人生最特别的地方，就在于它不能撤回。那些摔过的跤、流过的泪、没说出口的话，最后都变成了今天的我。真要说想改哪一行，大概就是把“总想重来”改成“学会释怀”，然后带着遗憾，认真过好接下来的每一行。

很多招聘里的隐形歧视，不是直接说“不要你”，而是让你自己感受到“你不被欢迎”。我见过最常见的，是对年龄和性别的默认筛选。女生会被拐着弯问婚育计划，像能力之外先要证明“不会影响工作”；年纪稍大一点的人，会被默认“不够拼”“学得慢”，哪怕经验和稳定性反而更强。还有一种是学历滤镜，简历还没细看，先因为学校不够亮眼被划走。最难受的是，这些偏见往往包装成“岗位匹配度”或者“团队风格”。招聘本该看能力、潜力和是否合适，而不是先给人贴标签。真正让人失望的，不是被拒绝，而是连被公平了解一次的机会都没有。

我拿 vibe coding 做过不少“小而实用”的东西，比如写脚本自动整理文件、搭个人主页、改简历项目页面、做一些表单和小工具，甚至拿来快速验证脑子里突然冒出的产品想法。它最爽的地方，是把“想法”到“能跑起来”这段路缩短了很多。以前一个小需求，可能卡在搭框架、补细节、查报错；现在更像是边聊边做，先把雏形拉出来，再一点点调顺。虽然它不能代替思考，但真的很适合用来降低开始的门槛。很多以前“以后再做”的点子，现在都能真的落地了。

我越来越觉得，AI Coding最有价值的地方，不是“替你写代码”，而是“陪你把思路走通”。真正实战时，别一上来就让AI直接生成完整项目，而是先把需求拆小：先定义功能，再约束输入输出，再逐步补细节。遇到报错时，也别只会贴报错信息，最好把上下文、预期结果和已尝试的方法一起告诉AI，效果会好很多。AI很强，但更像一个高效搭档，而不是万能答案。会提问、会验证、会二次修改的人，才能真正把AI用出生产力。说到底，技巧不是“怎么省事”，而是“怎么借力成长”。

提名字节跳动。作为互联网大厂笔试难度公认的第一梯队，它真的把我“虐”清醒了。那场笔试时间极紧，题量却很大。选择题涉及面广且坑多，编程题更是直接上强度，几乎都是 LeetCode Medium 起步，甚至夹杂 Hard 级别的动态规划。我全程在跟时间赛跑，最后一道题读完题干思路还没理清，倒计时就红了，只能硬着头皮交卷。考完感觉脑子被掏空，但也让我彻底看清了算法基础和抗压能力的差距。虽然被挂得心服口服，但那种高压下的极限输出，确实是成长最快的一次。

因为现在会说自己会用AI的人太多了，人人都能讲几个工具名，也都能说自己提效了，但真正一问到具体场景，比如你用它做过什么、怎么提问、产出能落地吗、哪些地方不能全信，很多人就开始含糊。所以面试官爱问AI，本质上不是考你跟不跟风，而是想看你有没有判断力、学习力，还有把工具变成结果的能力。会用AI不稀奇，知道什么时候该用、什么时候不能乱用，才是真的加分项。

我的嫡系AI是 ChatGPT 5.4。不是因为它最“神”，而是因为我用下来最顺手。很多时候大家选AI，选的不是参数，不是名气，是那个最懂你表达习惯、能接住你情绪、也能跟上你思路的工具。对我来说，ChatGPT 5.4就是这种感觉：写东西能接住语气，整理思路够快，聊正事和碎碎念都不会太出戏。

很多时候，能不能被秒回，真不全是你会不会说话，更多还是看HR本人的性格。有人天生热情，哪怕你开场普通，也会耐心回你；有人本来就偏冷，回复像走流程，你再热情也未必能换来同样的温度。尤其有些年纪稍微大一点的HR，确实更容易给人一种高冷感，不太爱寒暄，也不会刻意照顾你的情绪。不是你说错了什么，只是他们更习惯用效率筛人。说白了，求职很多时候也看运气，遇到愿意好好沟通的人，会觉得被尊重；遇到冷一点的，也只能提醒自己别太内耗，别把别人的态度都算到自己头上。

现在这份工作，对我来说像是成长和消耗并存。成长是，确实逼着我学会了很多东西，抗压、沟通、做事的节奏都比以前成熟了，很多曾经不敢碰的问题，现在也能硬着头皮解决。可消耗也是真的，重复的工作、长期的压力、情绪上的内耗，都在一点点磨掉热情。有时候觉得时间过得很快，因为自己还在进步；有时候又觉得一天很长，因为累的不只是身体，还有心。大概这就是成年人工作的常态吧，一边被锤炼，一边也在咬牙坚持。