wedoaius beldenstudious 美国 archinesjp 日本 loptrde 德国 27aiau 澳大利亚 27aiin 印度 27ainz 新西兰 4 个帖子 - 4 位参与者 阅读完整话题
求助，在cc里面用fable和opus都是429，前面有段时间我记得是可以用的，新开会话也一样。 是单纯用的人太多了吗？或者说是我的配置不对哇 1 个帖子 - 1 位参与者 阅读完整话题
目前使用的 yay： yay -S [email protected] yay -S flclash = 0.89.1 实际现象：两条命令都没有定位到指定版本，yay 直接拉取安装了最新版的 flclash，完全没有触发版本锁定安装流程 是使用问题还是不能指定版本呀 7 个帖子 - 5 位参与者 阅读完整话题
BleepingComputer Microsoft Defender 'RoguePlanet' zero-day grants SYSTEM privileges A security researcher has released a new Microsoft Defender zero-day exploit named "RoguePlanet" just hours after Microsoft fixed two previously disclosed flaws during June 2026 Patch Tuesday. [!quote]+ 一位安全研究人员发布了一项名为“RoguePlanet”的新Microsoft Defender零日漏洞，就在Microsoft修复了2026年6月补丁星期二期间之前披露的两个漏洞仅数小时后。 这位名为Nightmare Eclipse的研究人员表示，该新漏洞影响已完全修补的Windows 10和Windows 11设备，允许攻击者通过Microsoft Defender竞赛条件漏洞生成带有SYSTEM权限的命令提示符。 该研究人员周二下午在一个自托管的Git仓库中分享了一个概念验证漏洞，此前表示托管其漏洞的GitHub和GitLab仓库此前已被Microsoft移除。 “这个漏洞是竞速条件，所以有结果。我在某些机器上成功率达到了100%，而在另一些设备上却难以正常工作，“Nightmare Eclipse在仓库中写道。 MSNightmare/RoguePlanet：Rogue Planet Windows Defender 漏洞 1 个帖子 - 1 位参与者 阅读完整话题
Arch新手，审美积累中，看看佬友们的fastfetch/neofetch和桌面 1 个帖子 - 1 位参与者 阅读完整话题
https://hms.harvard.edu/news/researchers-publish-first-complete-connectome-fruit-fly-brain-spinal-cord [!quote]+ 由哈佛大学医学院和普林斯顿大学多个实验室领导的一个大型国际团队首次公布了成年果蝇中枢神经系统神经元之间所有连接的完整线路图。 这项工作发表在6月8日的《自然》杂志上，使研究人员能够开始研究大脑和身体是如何相互作用来完成行走和飞行等复杂行为的。它还有助于深入研究神经系统工作的基本原理。 https://www.nature.com/articles/s41586-026-10735-w [!quote]+ 正如基因组彻底改变了分子遗传学一样，连接组（神经元和突触的图谱）正在变革神经科学。迄今为止，拥有完整连接组的生物只有线虫 1-3 、海鞘 4 和栉水母 5 （10 3 -10 4 个突触）。相比之下，果蝇的连接组更为复杂（10 8 个突触连接），其大脑支持学习和空间记忆 6,7 ，并拥有类似于脊椎动物脊髓的复杂腹神经索 8-12 。本文报道了首个高密度重建的成虫果蝇连接组，该连接组连接了大脑和腹神经索，并利用这一资源研究了神经控制的原理。我们发现，效应神经元（运动神经元、内分泌细胞和靶向内脏的传出神经元）主要受同一身体部位的感觉神经元的影响，从而形成局部反馈回路。这些局部环路通过长程回路连接，这些回路包含上行和下行神经元，并组织成以行为为中心的模块。单个上行和下行神经元通常位于能够影响多个身体部位自主运动的位置，并与支持这些运动的内分泌细胞或内脏器官协同作用。参与学习和导航的大脑区域负责监督这些回路。这些结果揭示了一种分布式、并行化和具身化的架构，类似于工程系统中的分布式控制架构 13,14 。 1 个帖子 - 1 位参与者 阅读完整话题
最近翻出来了老SurfacePro6，8G内存，i5-8250U，用Windows肯定不太现实了，目前刷了ArchLinux+KDE，但是用起来还是感觉有点操作延迟，各位佬有什么Linux发行版推荐吗 6 个帖子 - 4 位参与者 阅读完整话题
本帖使用社区开源推广，符合推广要求。我申明并遵循社区要求的以下内容： 我的帖子已经打上 开源推广 标签： 是 我的开源项目完整开源，无未开源部分： 是 我的开源项目已链接认可 LINUX DO 社区： 是 我帖子内的项目介绍，AI生成、润色内容部分已截图发出： 是 以上选择我承诺是永久有效的，接受社区和佬友监督： 是 以下为项目介绍正文内容，AI生成、润色内容已使用截图方式发出 背景 最近用AI帮忙构建自己的量化系统，在看到了Andrej Karpathy 的 auto-research 和Jiayi Weng 的 启发式学习 收获很大，然后想到了能不能用在量化策略优化中。 实盘中使用了这个skills调优策略对我帮助很多，目前实盘策略能达到月收益16%。 所以我开源了一套skills，提供一下这个方法论： github.com GitHub - toddwyl/hl-quant: heuristic learning quant heuristic learning quant 架构图设计： strategy.py（唯一可编辑）──改它──▶ backtest.py（固定评估器）──▶ 一个分数 防止过拟合的方法 1/3的股票作为验证集，并且每次调优是训练和验证集都更优才采纳，并且让AI反思是否符合市场规律。 1 个帖子 - 1 位参与者 阅读完整话题
GoldenDict++: Optimizations for faster dictionary loading and searching, even with large dictionary collections. OCR integration for text recognition, enhanced media playback, and more robust full-text search capabilities. More... Home Demo Downloads-1 Downloads-2 Qt-5.15.19-msvc-16.11.56 版本： GoldenDict++OCR-3F2F-20260606-Windows_Qt-5.15.19-msvc-16.11.56-x64.zip GoldenDict++OCR-3F2F-20260606-Windows_Qt-5.15.19-msvc-16.11.56-x86.zip 境外下载地址： https://github.com/nonwill/GoldenDict-OCR/releases/tag/v3.2.15f 境内下载地址： https://autoptr.lanzoub.com/b0w9bnbif Password：GDOCR Home/主页: https://www.autoptr.top/gdocr/ Logs/日志: https://www.autoptr.top/gdocr/GoldenDict-OCR-Changelog/ Demo/演示: https://space.bilibili.com/3493095169592137/channel/series
记录一下，盛大旗下一个做 deep research 的子公司，agent / 全栈方向，三轮面下来的过程。 先交代下背景。我今年应届，毕业五个月。读书的时候有三段实习：智慧芽（苏州做专利数据库那家，在算法组做 AI 对话、PDF 问答，也写过前端中台）、西湖大学（做 AI 应用，多模型组织起来生成论文综述那种）、商汤（给内部算法团队做大模型测试平台，多模态问答的量化评测）。毕业后没去大厂，进了一家小公司，前端身份入职，但基本啥都干了——写过一两个月前端，做过销售（自己主动跟老板说要去合肥、江苏见客户、进工厂理解需求），还干过技术支持、后端、算法，C# 写过 VS 的代码插件，Rust 写过企业连接器，Python 也搞过。对自己的要求就是不设边界。 代码 90% 以上是 AI 写的，平时会把工作和自己感兴趣的东西沉淀成开源项目和博客。GitHub 在这： https://github.com/tt-a1i ，掘金在这： https://juejin.cn/user/2175258804632332 。开源基本都是 AI coding agent 这个方向的，archify 、hive 、MiroFish 本地版那些（ MiroFish 本地版就是这次二面、三面的任务，我后面会讲）。 本来是冲着 AI 用得溜去面的，结果一面差点把我自信心干没了。发出来给同样靠 AI 、做全栈或者 agent 方向的兄弟当个镜子。三轮下来我最大的感受是：AI 用得再溜没用，凡是 AI 写的、或者沿用别人的，面试官一句「为什么」就能把你问到说不出话。 一面：自信进去，被基础题打回原形 岗位本来投的 React Native ，面试官看了简历直接改全栈面。40 分钟没考算法没问八股，全程顺着我简历往死里追问，最后还来了道纯手写题。后来我才反应过来，他全程就想确认一件事：这些东西到底是我懂，还是 AI 懂。 第一个翻车的是技术选型。他问我后端写 C# 又写 Rust ，自己开公司选哪个，我张口就「选 Rust 」，类型安全内存安全对 AI 友好（能编译过线上基本不报语法错误）……讲得挺顺。然后他来了句： 你有没有发现，我问这个问题的时候根本没问你要做什么业务，你就直接给我 Rust 这个答案？ 当场被点醒，选型脱离业务场景纯属耍流氓。后面还补刀「你想过自己开公司 Rust 不好招人吗」，我只能认怂。 然后是 gRPC ，连环追问，我全军覆没： gRPC 和 HTTP 区别？——基于 HTTP/2 ，效率高，多用于微服务。 为什么效率高？——「之前看过……记不清了」 JSON 不行吗？——「 JSON 应该可以，但我没想过为什么用 proto 」 为什么选 gRPC ？——「沿用后端同事的，我接到任务第二天就开始写了，主要靠 AI 」 最后这句基本是自爆。一个「为什么高」答不上，一个「为什么选」说不清，直接把底裤问没了。 手写题更是社死。让我起 React 脚手架，我说没初始化过，又问能不能用 AI 出（被拒），改写原生 HTML+JS 还磕磕绊绊。思路说「挂个全局 class 」方向是对的，但追问「每个组件都要写一套主题 class 吗」我答不上来（正解是 CSS 变量）。 body 找不到那个问题，问我怎么解决，我憋了句「 loading=lazy ？」（错的，是 defer ）。面试官直接说「感觉不是很熟练」，我只能解释早就不写了，现在 90% 靠 AI 。 一面最后他那段话我印象很深，大意是：用 AI 这个方式大部分人都能做到差不多效果，区分度特别低，他们内部 99% 代码也是 AI 写的，这事甚至能用钱解决，上最强的模型就行。但弊端是你什么都能做，遇到坑却没经验没意识——AI 让你用 gRPC + protobuf ，那为什么不用 thrift ？ AI 不会主动提，这就看候选人自己有没有对比、思考过。他还说了句我记到现在的：所谓的广度不是你做了多少事，而是你对「背后为什么会产生这些问题」的思考形成的广度。 出来的时候我以为凉了。 二面：HR 面 + CEO 面，画风突变 二面轻松很多，HR 和 CEO ，聊的全是 AI 实战。 主要几块：GPT 、Gemini 、Claude 各自什么脾性、什么场景用哪个、我平时怎么搭配；一些实践经验，比如怎么把多个模型组织起来干活、工作流怎么沉淀。然后给了个编码任务——vibecoding 把 MiroFish 的开源版改成能在本地跑起来的版本。 这轮明显能感觉到他们要的不是八股选手，是真能拿 AI 把活干出来的人，跟一面那种考基础的拧巴感完全相反。MiroFish 本地化这个我回去真做出来了，也成了三面的主线。 三面：技术终面，三个人围着我项目往死里挖 三位面试官，一位 agent 方向，一位资深架构师（十几年经验那种），一位技术负责人（就是一面给我布置 MiroFish 任务的人）。70 分钟。一面考你懂不懂基础，三面考你的项目经不经得起挖。 RAG 分块这题我答对了。他问假设 embedding 输入足够大、几十 M 也吃得下，那还有必要分块吗？我说有，分块是为了检索时命中相关度最高的片段，整个文档一块检索粒度太粗，要按语义分。不是因为文件太大——这是 RAG 分块的真正目的。 挖得最深的是我那个企业连接器（ Rust ，0→1 ，把飞书 GitHub 这些异构数据源同步到自家 to B 平台）。架构师咬着「异构数据怎么统一数据模型」反复问。我最初想用 WASM 插件方案做到即插即用，被否了（ WASM 和宿主通信太麻烦）；后来一个同事帮我重构分层，连接器只实现各自拉取逻辑，存储和表结构统一。增量同步上 GitHub 用 commit hash ，飞书用更新时间字段。然后他问为什么用 RabbitMQ ，我实诚答不知道，基础设施不是我搭的，我中间插进来直接复用的。 这一段教训挺深的：架构师根本不在乎你用了什么，在乎你为什么这么选、不这么选会怎样。凡是沿用的、同事搭的，一问就露馅。 全场我最有底气的是 AI 编辑器那块（实习时基于 Quill 从 0 到 1 手写的）。讲了个我挺得意的 bug：给选中内容做高亮的逻辑被记进了 Quill 的 undo/redo 栈，污染了历史栈，导致回退回不去。最后不走 Quill API ，改用 CSS 浮层加 CSS 高亮绕开历史栈解决的。这种真手写真踩坑真自己定位出来的东西，跟那些 AI 写的我说不清的项目放一起，气场完全不一样。 AI coding 工作流他们挺感兴趣。我主力是 Claude Code 做实施、Codex 做 review ，CC 快但思考浅，Codex 慢但深，开 4 、5 个 tab 并行，让 CC 做方案 Codex 审查。自己写了 writer 这个 slash command 、一个 review skill 开源在 GitHub 上、还在折腾 hooks 和 CLAUDE.md 。 skill 系统设计这块被架构师从「会用」一路逼到「会造」。我讲了渐进式披露、open-skill 靠提示词注入、最小工具集（ read ，加上有脚本就再加 execute ）、hooks 启动阶段注入这些，但我一直说本质就是读目录加提示词没什么稀奇。后来回想他其实想听系统层面的设计——发现、注册、热更新、隔离这些，我一直把它降维成读目录，深度明显不够。架构和系统设计是我的短板，这个我认。 后面还问了一串：团队协作我说文档驱动 spec 驱动，强调开发期一定要加一句「不要兼容旧代码」，不然 AI 不知道上下文会瞎兼容； OOP 还是 FP 我说倾向函数式；设计模式说了适配器（ MiroFish 适配新旧方案用了）和策略模式； cron 整点拉取过载怎么办我答放队列加去重，他认可； MCP / Skill / Tool 怎么选我说内部知识流程用 Skill 、外部数据源用 MCP 、内部自定义工具用 Tool 。还问我掘金是不是 AI 写的，我说不是，我写底稿 AI 润色我再改，因为我没 AI 懂得多。 最后技术负责人让我讲二面那个本地化任务。我说 3 小时搞定的，开 1 个 CC 加 2 、3 个 Codex 一起调研，CC 出的结果有错让 Codex 复核、联网搜，写评估和计划文档，CC 实施 Codex review 几遍出 MVP ，中间还给项目提了 issue 和 PR 。他说一面就知道我是纯前端、不擅长这个，故意布置个难任务看我借 AI 完成复杂改造的能力。然后说了段让我挺受用的话，大意是我纯前端纯后端肯定比不过专业选手，但看简历、GitHub 、掘金加上一面，这种学得比较杂的多面手挺适合他们现在的氛围，能接受有这么个把每件事从 0 做到 60 分的角色当团队的「调试剂」，他很欢迎。 三轮下来几条想说的 AI 用得再溜，基础该被穿还是被穿。「为什么效率高」「为什么选它」就能把你问哑。 简历上每个技术点都得扛得住「为什么」的连环追问，尤其「为什么选 A 不选 B 」，这个最能区分你懂还是 AI 懂。 留至少一个真手写、能讲到 bug 级别的项目。我那个 undo/redo 的 bug 是全场最有底气的部分，那些跑起来了但说不清的项目根本没法比。 不知道就说不知道，反而加分。我答不出 RabbitMQ 、答不出架构方法论，都老实说了，面试官没为难。 架构和系统设计是我们这种重度用 AI 的人的通病短板，因为 AI 帮你把怎么做解决了，但为什么这么架它不替你想。这块得自己补。 学得杂不是问题，关键是能不能对每件做过的事讲清楚为什么这么做、不这么做会怎样。这是三轮面试给我上的最大一课，继续前进...
记录一下，盛大旗下一个做 deep research 的子公司，agent / 全栈方向，三轮面下来的过程。 先交代下背景。我今年应届，毕业五个月。读书的时候有三段实习：智慧芽（苏州做专利数据库那家，在算法组做 AI 对话、PDF 问答，也写过前端中台）、西湖大学（做 AI 应用，多模型组织起来生成论文综述那种）、商汤（给内部算法团队做大模型测试平台，多模态问答的量化评测）。毕业后没去大厂，进了一家小公司，前端身份入职，但基本啥都干了——写过一两个月前端，做过销售（自己主动跟老板说要去合肥、江苏见客户、进工厂理解需求），还干过技术支持、后端、算法，C# 写过 VS 的代码插件，Rust 写过企业连接器，Python 也搞过。对自己的要求就是不设边界。 代码 90% 以上是 AI 写的，平时会把工作和自己感兴趣的东西沉淀成开源项目和博客。GitHub 在这： https://github.com/tt-a1i ，掘金在这： https://juejin.cn/user/2175258804632332 。开源基本都是 AI coding agent 这个方向的，archify 、hive 、MiroFish 本地版那些（ MiroFish 本地版就是这次二面、三面的任务，我后面会讲）。 本来是冲着 AI 用得溜去面的，结果一面差点把我自信心干没了。发出来给同样靠 AI 、做全栈或者 agent 方向的兄弟当个镜子。三轮下来我最大的感受是：AI 用得再溜没用，凡是 AI 写的、或者沿用别人的，面试官一句「为什么」就能把你问到说不出话。 一面：自信进去，被基础题打回原形 岗位本来投的 React Native ，面试官看了简历直接改全栈面。40 分钟没考算法没问八股，全程顺着我简历往死里追问，最后还来了道纯手写题。后来我才反应过来，他全程就想确认一件事：这些东西到底是我懂，还是 AI 懂。 第一个翻车的是技术选型。他问我后端写 C# 又写 Rust ，自己开公司选哪个，我张口就「选 Rust 」，类型安全内存安全对 AI 友好（能编译过线上基本不报语法错误）……讲得挺顺。然后他来了句： 你有没有发现，我问这个问题的时候根本没问你要做什么业务，你就直接给我 Rust 这个答案？ 当场被点醒，选型脱离业务场景纯属耍流氓。后面还补刀「你想过自己开公司 Rust 不好招人吗」，我只能认怂。 然后是 gRPC ，连环追问，我全军覆没： gRPC 和 HTTP 区别？——基于 HTTP/2 ，效率高，多用于微服务。 为什么效率高？——「之前看过……记不清了」 JSON 不行吗？——「 JSON 应该可以，但我没想过为什么用 proto 」 为什么选 gRPC ？——「沿用后端同事的，我接到任务第二天就开始写了，主要靠 AI 」 最后这句基本是自爆。一个「为什么高」答不上，一个「为什么选」说不清，直接把底裤问没了。 手写题更是社死。让我起 React 脚手架，我说没初始化过，又问能不能用 AI 出（被拒），改写原生 HTML+JS 还磕磕绊绊。思路说「挂个全局 class 」方向是对的，但追问「每个组件都要写一套主题 class 吗」我答不上来（正解是 CSS 变量）。 body 找不到那个问题，问我怎么解决，我憋了句「 loading=lazy ？」（错的，是 defer ）。面试官直接说「感觉不是很熟练」，我只能解释早就不写了，现在 90% 靠 AI 。 一面最后他那段话我印象很深，大意是：用 AI 这个方式大部分人都能做到差不多效果，区分度特别低，他们内部 99% 代码也是 AI 写的，这事甚至能用钱解决，上最强的模型就行。但弊端是你什么都能做，遇到坑却没经验没意识——AI 让你用 gRPC + protobuf ，那为什么不用 thrift ？ AI 不会主动提，这就看候选人自己有没有对比、思考过。他还说了句我记到现在的：所谓的广度不是你做了多少事，而是你对「背后为什么会产生这些问题」的思考形成的广度。 出来的时候我以为凉了。 二面：HR 面 + CEO 面，画风突变 二面轻松很多，HR 和 CEO ，聊的全是 AI 实战。 主要几块：GPT 、Gemini 、Claude 各自什么脾性、什么场景用哪个、我平时怎么搭配；一些实践经验，比如怎么把多个模型组织起来干活、工作流怎么沉淀。然后给了个编码任务——vibecoding 把 MiroFish 的开源版改成能在本地跑起来的版本。 这轮明显能感觉到他们要的不是八股选手，是真能拿 AI 把活干出来的人，跟一面那种考基础的拧巴感完全相反。MiroFish 本地化这个我回去真做出来了，也成了三面的主线。 三面：技术终面，三个人围着我项目往死里挖 三位面试官，一位 agent 方向，一位资深架构师（十几年经验那种），一位技术负责人（就是一面给我布置 MiroFish 任务的人）。70 分钟。一面考你懂不懂基础，三面考你的项目经不经得起挖。 RAG 分块这题我答对了。他问假设 embedding 输入足够大、几十 M 也吃得下，那还有必要分块吗？我说有，分块是为了检索时命中相关度最高的片段，整个文档一块检索粒度太粗，要按语义分。不是因为文件太大——这是 RAG 分块的真正目的。 挖得最深的是我那个企业连接器（ Rust ，0→1 ，把飞书 GitHub 这些异构数据源同步到自家 to B 平台）。架构师咬着「异构数据怎么统一数据模型」反复问。我最初想用 WASM 插件方案做到即插即用，被否了（ WASM 和宿主通信太麻烦）；后来一个同事帮我重构分层，连接器只实现各自拉取逻辑，存储和表结构统一。增量同步上 GitHub 用 commit hash ，飞书用更新时间字段。然后他问为什么用 RabbitMQ ，我实诚答不知道，基础设施不是我搭的，我中间插进来直接复用的。 这一段教训挺深的：架构师根本不在乎你用了什么，在乎你为什么这么选、不这么选会怎样。凡是沿用的、同事搭的，一问就露馅。 全场我最有底气的是 AI 编辑器那块（实习时基于 Quill 从 0 到 1 手写的）。讲了个我挺得意的 bug：给选中内容做高亮的逻辑被记进了 Quill 的 undo/redo 栈，污染了历史栈，导致回退回不去。最后不走 Quill API ，改用 CSS 浮层加 CSS 高亮绕开历史栈解决的。这种真手写真踩坑真自己定位出来的东西，跟那些 AI 写的我说不清的项目放一起，气场完全不一样。 AI coding 工作流他们挺感兴趣。我主力是 Claude Code 做实施、Codex 做 review ，CC 快但思考浅，Codex 慢但深，开 4 、5 个 tab 并行，让 CC 做方案 Codex 审查。自己写了 writer 这个 slash command 、一个 review skill 开源在 GitHub 上、还在折腾 hooks 和 CLAUDE.md 。 skill 系统设计这块被架构师从「会用」一路逼到「会造」。我讲了渐进式披露、open-skill 靠提示词注入、最小工具集（ read ，加上有脚本就再加 execute ）、hooks 启动阶段注入这些，但我一直说本质就是读目录加提示词没什么稀奇。后来回想他其实想听系统层面的设计——发现、注册、热更新、隔离这些，我一直把它降维成读目录，深度明显不够。架构和系统设计是我的短板，这个我认。 后面还问了一串：团队协作我说文档驱动 spec 驱动，强调开发期一定要加一句「不要兼容旧代码」，不然 AI 不知道上下文会瞎兼容； OOP 还是 FP 我说倾向函数式；设计模式说了适配器（ MiroFish 适配新旧方案用了）和策略模式； cron 整点拉取过载怎么办我答放队列加去重，他认可； MCP / Skill / Tool 怎么选我说内部知识流程用 Skill 、外部数据源用 MCP 、内部自定义工具用 Tool 。还问我掘金是不是 AI 写的，我说不是，我写底稿 AI 润色我再改，因为我没 AI 懂得多。 最后技术负责人让我讲二面那个本地化任务。我说 3 小时搞定的，开 1 个 CC 加 2 、3 个 Codex 一起调研，CC 出的结果有错让 Codex 复核、联网搜，写评估和计划文档，CC 实施 Codex review 几遍出 MVP ，中间还给项目提了 issue 和 PR 。他说一面就知道我是纯前端、不擅长这个，故意布置个难任务看我借 AI 完成复杂改造的能力。然后说了段让我挺受用的话，大意是我纯前端纯后端肯定比不过专业选手，但看简历、GitHub 、掘金加上一面，这种学得比较杂的多面手挺适合他们现在的氛围，能接受有这么个把每件事从 0 做到 60 分的角色当团队的「调试剂」，他很欢迎。 三轮下来几条想说的 AI 用得再溜，基础该被穿还是被穿。「为什么效率高」「为什么选它」就能把你问哑。 简历上每个技术点都得扛得住「为什么」的连环追问，尤其「为什么选 A 不选 B 」，这个最能区分你懂还是 AI 懂。 留至少一个真手写、能讲到 bug 级别的项目。我那个 undo/redo 的 bug 是全场最有底气的部分，那些跑起来了但说不清的项目根本没法比。 不知道就说不知道，反而加分。我答不出 RabbitMQ 、答不出架构方法论，都老实说了，面试官没为难。 架构和系统设计是我们这种重度用 AI 的人的通病短板，因为 AI 帮你把怎么做解决了，但为什么这么架它不替你想。这块得自己补。 学得杂不是问题，关键是能不能对每件做过的事讲清楚为什么这么做、不这么做会怎样。这是三轮面试给我上的最大一课，继续前进...
记录一下，盛大旗下一个做 deep research 的子公司，agent / 全栈方向，三轮面下来的过程。 先交代下背景。我今年应届，毕业五个月。读书的时候有三段实习：智慧芽（苏州做专利数据库那家，在算法组做 AI 对话、PDF 问答，也写过前端中台）、西湖大学（做 AI 应用，多模型组织起来生成论文综述那种）、商汤（给内部算法团队做大模型测试平台，多模态问答的量化评测）。毕业后没去大厂，进了一家小公司，前端身份入职，但基本啥都干了——写过一两个月前端，做过销售（自己主动跟老板说要去合肥、江苏见客户、进工厂理解需求），还干过技术支持、后端、算法，C# 写过 VS 的代码插件，Rust 写过企业连接器，Python 也搞过。对自己的要求就是不设边界。 代码 90% 以上是 AI 写的，平时会把工作和自己感兴趣的东西沉淀成开源项目和博客。GitHub 在这： https://github.com/tt-a1i ，掘金在这： https://juejin.cn/user/2175258804632332 。开源基本都是 AI coding agent 这个方向的，archify 、hive 、MiroFish 本地版那些（ MiroFish 本地版就是这次二面、三面的任务，我后面会讲）。 本来是冲着 AI 用得溜去面的，结果一面差点把我自信心干没了。发出来给同样靠 AI 、做全栈或者 agent 方向的兄弟当个镜子。三轮下来我最大的感受是：AI 用得再溜没用，凡是 AI 写的、或者沿用别人的，面试官一句「为什么」就能把你问到说不出话。 一面：自信进去，被基础题打回原形 岗位本来投的 React Native ，面试官看了简历直接改全栈面。40 分钟没考算法没问八股，全程顺着我简历往死里追问，最后还来了道纯手写题。后来我才反应过来，他全程就想确认一件事：这些东西到底是我懂，还是 AI 懂。 第一个翻车的是技术选型。他问我后端写 C# 又写 Rust ，自己开公司选哪个，我张口就「选 Rust 」，类型安全内存安全对 AI 友好（能编译过线上基本不报语法错误）……讲得挺顺。然后他来了句： 你有没有发现，我问这个问题的时候根本没问你要做什么业务，你就直接给我 Rust 这个答案？ 当场被点醒，选型脱离业务场景纯属耍流氓。后面还补刀「你想过自己开公司 Rust 不好招人吗」，我只能认怂。 然后是 gRPC ，连环追问，我全军覆没： gRPC 和 HTTP 区别？——基于 HTTP/2 ，效率高，多用于微服务。 为什么效率高？——「之前看过……记不清了」 JSON 不行吗？——「 JSON 应该可以，但我没想过为什么用 proto 」 为什么选 gRPC ？——「沿用后端同事的，我接到任务第二天就开始写了，主要靠 AI 」 最后这句基本是自爆。一个「为什么高」答不上，一个「为什么选」说不清，直接把底裤问没了。 手写题更是社死。让我起 React 脚手架，我说没初始化过，又问能不能用 AI 出（被拒），改写原生 HTML+JS 还磕磕绊绊。思路说「挂个全局 class 」方向是对的，但追问「每个组件都要写一套主题 class 吗」我答不上来（正解是 CSS 变量）。 body 找不到那个问题，问我怎么解决，我憋了句「 loading=lazy ？」（错的，是 defer ）。面试官直接说「感觉不是很熟练」，我只能解释早就不写了，现在 90% 靠 AI 。 一面最后他那段话我印象很深，大意是：用 AI 这个方式大部分人都能做到差不多效果，区分度特别低，他们内部 99% 代码也是 AI 写的，这事甚至能用钱解决，上最强的模型就行。但弊端是你什么都能做，遇到坑却没经验没意识——AI 让你用 gRPC + protobuf ，那为什么不用 thrift ？ AI 不会主动提，这就看候选人自己有没有对比、思考过。他还说了句我记到现在的：所谓的广度不是你做了多少事，而是你对「背后为什么会产生这些问题」的思考形成的广度。 出来的时候我以为凉了。 二面：HR 面 + CEO 面，画风突变 二面轻松很多，HR 和 CEO ，聊的全是 AI 实战。 主要几块：GPT 、Gemini 、Claude 各自什么脾性、什么场景用哪个、我平时怎么搭配；一些实践经验，比如怎么把多个模型组织起来干活、工作流怎么沉淀。然后给了个编码任务——vibecoding 把 MiroFish 的开源版改成能在本地跑起来的版本。 这轮明显能感觉到他们要的不是八股选手，是真能拿 AI 把活干出来的人，跟一面那种考基础的拧巴感完全相反。MiroFish 本地化这个我回去真做出来了，也成了三面的主线。 三面：技术终面，三个人围着我项目往死里挖 三位面试官，一位 agent 方向，一位资深架构师（十几年经验那种），一位技术负责人（就是一面给我布置 MiroFish 任务的人）。70 分钟。一面考你懂不懂基础，三面考你的项目经不经得起挖。 RAG 分块这题我答对了。他问假设 embedding 输入足够大、几十 M 也吃得下，那还有必要分块吗？我说有，分块是为了检索时命中相关度最高的片段，整个文档一块检索粒度太粗，要按语义分。不是因为文件太大——这是 RAG 分块的真正目的。 挖得最深的是我那个企业连接器（ Rust ，0→1 ，把飞书 GitHub 这些异构数据源同步到自家 to B 平台）。架构师咬着「异构数据怎么统一数据模型」反复问。我最初想用 WASM 插件方案做到即插即用，被否了（ WASM 和宿主通信太麻烦）；后来一个同事帮我重构分层，连接器只实现各自拉取逻辑，存储和表结构统一。增量同步上 GitHub 用 commit hash ，飞书用更新时间字段。然后他问为什么用 RabbitMQ ，我实诚答不知道，基础设施不是我搭的，我中间插进来直接复用的。 这一段教训挺深的：架构师根本不在乎你用了什么，在乎你为什么这么选、不这么选会怎样。凡是沿用的、同事搭的，一问就露馅。 全场我最有底气的是 AI 编辑器那块（实习时基于 Quill 从 0 到 1 手写的）。讲了个我挺得意的 bug：给选中内容做高亮的逻辑被记进了 Quill 的 undo/redo 栈，污染了历史栈，导致回退回不去。最后不走 Quill API ，改用 CSS 浮层加 CSS 高亮绕开历史栈解决的。这种真手写真踩坑真自己定位出来的东西，跟那些 AI 写的我说不清的项目放一起，气场完全不一样。 AI coding 工作流他们挺感兴趣。我主力是 Claude Code 做实施、Codex 做 review ，CC 快但思考浅，Codex 慢但深，开 4 、5 个 tab 并行，让 CC 做方案 Codex 审查。自己写了 writer 这个 slash command 、一个 review skill 开源在 GitHub 上、还在折腾 hooks 和 CLAUDE.md 。 skill 系统设计这块被架构师从「会用」一路逼到「会造」。我讲了渐进式披露、open-skill 靠提示词注入、最小工具集（ read ，加上有脚本就再加 execute ）、hooks 启动阶段注入这些，但我一直说本质就是读目录加提示词没什么稀奇。后来回想他其实想听系统层面的设计——发现、注册、热更新、隔离这些，我一直把它降维成读目录，深度明显不够。架构和系统设计是我的短板，这个我认。 后面还问了一串：团队协作我说文档驱动 spec 驱动，强调开发期一定要加一句「不要兼容旧代码」，不然 AI 不知道上下文会瞎兼容； OOP 还是 FP 我说倾向函数式；设计模式说了适配器（ MiroFish 适配新旧方案用了）和策略模式； cron 整点拉取过载怎么办我答放队列加去重，他认可； MCP / Skill / Tool 怎么选我说内部知识流程用 Skill 、外部数据源用 MCP 、内部自定义工具用 Tool 。还问我掘金是不是 AI 写的，我说不是，我写底稿 AI 润色我再改，因为我没 AI 懂得多。 最后技术负责人让我讲二面那个本地化任务。我说 3 小时搞定的，开 1 个 CC 加 2 、3 个 Codex 一起调研，CC 出的结果有错让 Codex 复核、联网搜，写评估和计划文档，CC 实施 Codex review 几遍出 MVP ，中间还给项目提了 issue 和 PR 。他说一面就知道我是纯前端、不擅长这个，故意布置个难任务看我借 AI 完成复杂改造的能力。然后说了段让我挺受用的话，大意是我纯前端纯后端肯定比不过专业选手，但看简历、GitHub 、掘金加上一面，这种学得比较杂的多面手挺适合他们现在的氛围，能接受有这么个把每件事从 0 做到 60 分的角色当团队的「调试剂」，他很欢迎。 三轮下来几条想说的 AI 用得再溜，基础该被穿还是被穿。「为什么效率高」「为什么选它」就能把你问哑。 简历上每个技术点都得扛得住「为什么」的连环追问，尤其「为什么选 A 不选 B 」，这个最能区分你懂还是 AI 懂。 留至少一个真手写、能讲到 bug 级别的项目。我那个 undo/redo 的 bug 是全场最有底气的部分，那些跑起来了但说不清的项目根本没法比。 不知道就说不知道，反而加分。我答不出 RabbitMQ 、答不出架构方法论，都老实说了，面试官没为难。 架构和系统设计是我们这种重度用 AI 的人的通病短板，因为 AI 帮你把怎么做解决了，但为什么这么架它不替你想。这块得自己补。 学得杂不是问题，关键是能不能对每件做过的事讲清楚为什么这么做、不这么做会怎样。这是三轮面试给我上的最大一课，继续前进...
记录一下，盛大旗下一个做 deep research 的子公司，agent / 全栈方向，三轮面下来的过程。 先交代下背景。我今年应届，毕业五个月。读书的时候有三段实习：智慧芽（苏州做专利数据库那家，在算法组做 AI 对话、PDF 问答，也写过前端中台）、西湖大学（做 AI 应用，多模型组织起来生成论文综述那种）、商汤（给内部算法团队做大模型测试平台，多模态问答的量化评测）。毕业后没去大厂，进了一家小公司，前端身份入职，但基本啥都干了——写过一两个月前端，做过销售（自己主动跟老板说要去合肥、江苏见客户、进工厂理解需求），还干过技术支持、后端、算法，C# 写过 VS 的代码插件，Rust 写过企业连接器，Python 也搞过。对自己的要求就是不设边界。 代码 90% 以上是 AI 写的，平时会把工作和自己感兴趣的东西沉淀成开源项目和博客。GitHub 在这： https://github.com/tt-a1i ，掘金在这： https://juejin.cn/user/2175258804632332 。开源基本都是 AI coding agent 这个方向的，archify 、hive 、MiroFish 本地版那些（ MiroFish 本地版就是这次二面、三面的任务，我后面会讲）。 本来是冲着 AI 用得溜去面的，结果一面差点把我自信心干没了。发出来给同样靠 AI 、做全栈或者 agent 方向的兄弟当个镜子。三轮下来我最大的感受是：AI 用得再溜没用，凡是 AI 写的、或者沿用别人的，面试官一句「为什么」就能把你问到说不出话。 一面：自信进去，被基础题打回原形 岗位本来投的 React Native ，面试官看了简历直接改全栈面。40 分钟没考算法没问八股，全程顺着我简历往死里追问，最后还来了道纯手写题。后来我才反应过来，他全程就想确认一件事：这些东西到底是我懂，还是 AI 懂。 第一个翻车的是技术选型。他问我后端写 C# 又写 Rust ，自己开公司选哪个，我张口就「选 Rust 」，类型安全内存安全对 AI 友好（能编译过线上基本不报语法错误）……讲得挺顺。然后他来了句： 你有没有发现，我问这个问题的时候根本没问你要做什么业务，你就直接给我 Rust 这个答案？ 当场被点醒，选型脱离业务场景纯属耍流氓。后面还补刀「你想过自己开公司 Rust 不好招人吗」，我只能认怂。 然后是 gRPC ，连环追问，我全军覆没： gRPC 和 HTTP 区别？——基于 HTTP/2 ，效率高，多用于微服务。 为什么效率高？——「之前看过……记不清了」 JSON 不行吗？——「 JSON 应该可以，但我没想过为什么用 proto 」 为什么选 gRPC ？——「沿用后端同事的，我接到任务第二天就开始写了，主要靠 AI 」 最后这句基本是自爆。一个「为什么高」答不上，一个「为什么选」说不清，直接把底裤问没了。 手写题更是社死。让我起 React 脚手架，我说没初始化过，又问能不能用 AI 出（被拒），改写原生 HTML+JS 还磕磕绊绊。思路说「挂个全局 class 」方向是对的，但追问「每个组件都要写一套主题 class 吗」我答不上来（正解是 CSS 变量）。 body 找不到那个问题，问我怎么解决，我憋了句「 loading=lazy ？」（错的，是 defer ）。面试官直接说「感觉不是很熟练」，我只能解释早就不写了，现在 90% 靠 AI 。 一面最后他那段话我印象很深，大意是：用 AI 这个方式大部分人都能做到差不多效果，区分度特别低，他们内部 99% 代码也是 AI 写的，这事甚至能用钱解决，上最强的模型就行。但弊端是你什么都能做，遇到坑却没经验没意识——AI 让你用 gRPC + protobuf ，那为什么不用 thrift ？ AI 不会主动提，这就看候选人自己有没有对比、思考过。他还说了句我记到现在的：所谓的广度不是你做了多少事，而是你对「背后为什么会产生这些问题」的思考形成的广度。 出来的时候我以为凉了。 二面：HR 面 + CEO 面，画风突变 二面轻松很多，HR 和 CEO ，聊的全是 AI 实战。 主要几块：GPT 、Gemini 、Claude 各自什么脾性、什么场景用哪个、我平时怎么搭配；一些实践经验，比如怎么把多个模型组织起来干活、工作流怎么沉淀。然后给了个编码任务——vibecoding 把 MiroFish 的开源版改成能在本地跑起来的版本。 这轮明显能感觉到他们要的不是八股选手，是真能拿 AI 把活干出来的人，跟一面那种考基础的拧巴感完全相反。MiroFish 本地化这个我回去真做出来了，也成了三面的主线。 三面：技术终面，三个人围着我项目往死里挖 三位面试官，一位 agent 方向，一位资深架构师（十几年经验那种），一位技术负责人（就是一面给我布置 MiroFish 任务的人）。70 分钟。一面考你懂不懂基础，三面考你的项目经不经得起挖。 RAG 分块这题我答对了。他问假设 embedding 输入足够大、几十 M 也吃得下，那还有必要分块吗？我说有，分块是为了检索时命中相关度最高的片段，整个文档一块检索粒度太粗，要按语义分。不是因为文件太大——这是 RAG 分块的真正目的。 挖得最深的是我那个企业连接器（ Rust ，0→1 ，把飞书 GitHub 这些异构数据源同步到自家 to B 平台）。架构师咬着「异构数据怎么统一数据模型」反复问。我最初想用 WASM 插件方案做到即插即用，被否了（ WASM 和宿主通信太麻烦）；后来一个同事帮我重构分层，连接器只实现各自拉取逻辑，存储和表结构统一。增量同步上 GitHub 用 commit hash ，飞书用更新时间字段。然后他问为什么用 RabbitMQ ，我实诚答不知道，基础设施不是我搭的，我中间插进来直接复用的。 这一段教训挺深的：架构师根本不在乎你用了什么，在乎你为什么这么选、不这么选会怎样。凡是沿用的、同事搭的，一问就露馅。 全场我最有底气的是 AI 编辑器那块（实习时基于 Quill 从 0 到 1 手写的）。讲了个我挺得意的 bug：给选中内容做高亮的逻辑被记进了 Quill 的 undo/redo 栈，污染了历史栈，导致回退回不去。最后不走 Quill API ，改用 CSS 浮层加 CSS 高亮绕开历史栈解决的。这种真手写真踩坑真自己定位出来的东西，跟那些 AI 写的我说不清的项目放一起，气场完全不一样。 AI coding 工作流他们挺感兴趣。我主力是 Claude Code 做实施、Codex 做 review ，CC 快但思考浅，Codex 慢但深，开 4 、5 个 tab 并行，让 CC 做方案 Codex 审查。自己写了 writer 这个 slash command 、一个 review skill 开源在 GitHub 上、还在折腾 hooks 和 CLAUDE.md 。 skill 系统设计这块被架构师从「会用」一路逼到「会造」。我讲了渐进式披露、open-skill 靠提示词注入、最小工具集（ read ，加上有脚本就再加 execute ）、hooks 启动阶段注入这些，但我一直说本质就是读目录加提示词没什么稀奇。后来回想他其实想听系统层面的设计——发现、注册、热更新、隔离这些，我一直把它降维成读目录，深度明显不够。架构和系统设计是我的短板，这个我认。 后面还问了一串：团队协作我说文档驱动 spec 驱动，强调开发期一定要加一句「不要兼容旧代码」，不然 AI 不知道上下文会瞎兼容； OOP 还是 FP 我说倾向函数式；设计模式说了适配器（ MiroFish 适配新旧方案用了）和策略模式； cron 整点拉取过载怎么办我答放队列加去重，他认可； MCP / Skill / Tool 怎么选我说内部知识流程用 Skill 、外部数据源用 MCP 、内部自定义工具用 Tool 。还问我掘金是不是 AI 写的，我说不是，我写底稿 AI 润色我再改，因为我没 AI 懂得多。 最后技术负责人让我讲二面那个本地化任务。我说 3 小时搞定的，开 1 个 CC 加 2 、3 个 Codex 一起调研，CC 出的结果有错让 Codex 复核、联网搜，写评估和计划文档，CC 实施 Codex review 几遍出 MVP ，中间还给项目提了 issue 和 PR 。他说一面就知道我是纯前端、不擅长这个，故意布置个难任务看我借 AI 完成复杂改造的能力。然后说了段让我挺受用的话，大意是我纯前端纯后端肯定比不过专业选手，但看简历、GitHub 、掘金加上一面，这种学得比较杂的多面手挺适合他们现在的氛围，能接受有这么个把每件事从 0 做到 60 分的角色当团队的「调试剂」，他很欢迎。 三轮下来几条想说的 AI 用得再溜，基础该被穿还是被穿。「为什么效率高」「为什么选它」就能把你问哑。 简历上每个技术点都得扛得住「为什么」的连环追问，尤其「为什么选 A 不选 B 」，这个最能区分你懂还是 AI 懂。 留至少一个真手写、能讲到 bug 级别的项目。我那个 undo/redo 的 bug 是全场最有底气的部分，那些跑起来了但说不清的项目根本没法比。 不知道就说不知道，反而加分。我答不出 RabbitMQ 、答不出架构方法论，都老实说了，面试官没为难。 架构和系统设计是我们这种重度用 AI 的人的通病短板，因为 AI 帮你把怎么做解决了，但为什么这么架它不替你想。这块得自己补。 学得杂不是问题，关键是能不能对每件做过的事讲清楚为什么这么做、不这么做会怎样。这是三轮面试给我上的最大一课，继续前进...
记录一下，盛大旗下一个做 deep research 的子公司，agent / 全栈方向，三轮面下来的过程。 先交代下背景。我今年应届，毕业五个月。读书的时候有三段实习：智慧芽（苏州做专利数据库那家，在算法组做 AI 对话、PDF 问答，也写过前端中台）、西湖大学（做 AI 应用，多模型组织起来生成论文综述那种）、商汤（给内部算法团队做大模型测试平台，多模态问答的量化评测）。毕业后没去大厂，进了一家小公司，前端身份入职，但基本啥都干了——写过一两个月前端，做过销售（自己主动跟老板说要去合肥、江苏见客户、进工厂理解需求），还干过技术支持、后端、算法，C# 写过 VS 的代码插件，Rust 写过企业连接器，Python 也搞过。对自己的要求就是不设边界。 代码 90% 以上是 AI 写的，平时会把工作和自己感兴趣的东西沉淀成开源项目和博客。GitHub 在这： https://github.com/tt-a1i ，掘金在这： https://juejin.cn/user/2175258804632332 。开源基本都是 AI coding agent 这个方向的，archify 、hive 、MiroFish 本地版那些（ MiroFish 本地版就是这次二面、三面的任务，我后面会讲）。 本来是冲着 AI 用得溜去面的，结果一面差点把我自信心干没了。发出来给同样靠 AI 、做全栈或者 agent 方向的兄弟当个镜子。三轮下来我最大的感受是：AI 用得再溜没用，凡是 AI 写的、或者沿用别人的，面试官一句「为什么」就能把你问到说不出话。 一面：自信进去，被基础题打回原形 岗位本来投的 React Native ，面试官看了简历直接改全栈面。40 分钟没考算法没问八股，全程顺着我简历往死里追问，最后还来了道纯手写题。后来我才反应过来，他全程就想确认一件事：这些东西到底是我懂，还是 AI 懂。 第一个翻车的是技术选型。他问我后端写 C# 又写 Rust ，自己开公司选哪个，我张口就「选 Rust 」，类型安全内存安全对 AI 友好（能编译过线上基本不报语法错误）……讲得挺顺。然后他来了句： 你有没有发现，我问这个问题的时候根本没问你要做什么业务，你就直接给我 Rust 这个答案？ 当场被点醒，选型脱离业务场景纯属耍流氓。后面还补刀「你想过自己开公司 Rust 不好招人吗」，我只能认怂。 然后是 gRPC ，连环追问，我全军覆没： gRPC 和 HTTP 区别？——基于 HTTP/2 ，效率高，多用于微服务。 为什么效率高？——「之前看过……记不清了」 JSON 不行吗？——「 JSON 应该可以，但我没想过为什么用 proto 」 为什么选 gRPC ？——「沿用后端同事的，我接到任务第二天就开始写了，主要靠 AI 」 最后这句基本是自爆。一个「为什么高」答不上，一个「为什么选」说不清，直接把底裤问没了。 手写题更是社死。让我起 React 脚手架，我说没初始化过，又问能不能用 AI 出（被拒），改写原生 HTML+JS 还磕磕绊绊。思路说「挂个全局 class 」方向是对的，但追问「每个组件都要写一套主题 class 吗」我答不上来（正解是 CSS 变量）。 body 找不到那个问题，问我怎么解决，我憋了句「 loading=lazy ？」（错的，是 defer ）。面试官直接说「感觉不是很熟练」，我只能解释早就不写了，现在 90% 靠 AI 。 一面最后他那段话我印象很深，大意是：用 AI 这个方式大部分人都能做到差不多效果，区分度特别低，他们内部 99% 代码也是 AI 写的，这事甚至能用钱解决，上最强的模型就行。但弊端是你什么都能做，遇到坑却没经验没意识——AI 让你用 gRPC + protobuf ，那为什么不用 thrift ？ AI 不会主动提，这就看候选人自己有没有对比、思考过。他还说了句我记到现在的：所谓的广度不是你做了多少事，而是你对「背后为什么会产生这些问题」的思考形成的广度。 出来的时候我以为凉了。 二面：HR 面 + CEO 面，画风突变 二面轻松很多，HR 和 CEO ，聊的全是 AI 实战。 主要几块：GPT 、Gemini 、Claude 各自什么脾性、什么场景用哪个、我平时怎么搭配；一些实践经验，比如怎么把多个模型组织起来干活、工作流怎么沉淀。然后给了个编码任务——vibecoding 把 MiroFish 的开源版改成能在本地跑起来的版本。 这轮明显能感觉到他们要的不是八股选手，是真能拿 AI 把活干出来的人，跟一面那种考基础的拧巴感完全相反。MiroFish 本地化这个我回去真做出来了，也成了三面的主线。 三面：技术终面，三个人围着我项目往死里挖 三位面试官，一位 agent 方向，一位资深架构师（十几年经验那种），一位技术负责人（就是一面给我布置 MiroFish 任务的人）。70 分钟。一面考你懂不懂基础，三面考你的项目经不经得起挖。 RAG 分块这题我答对了。他问假设 embedding 输入足够大、几十 M 也吃得下，那还有必要分块吗？我说有，分块是为了检索时命中相关度最高的片段，整个文档一块检索粒度太粗，要按语义分。不是因为文件太大——这是 RAG 分块的真正目的。 挖得最深的是我那个企业连接器（ Rust ，0→1 ，把飞书 GitHub 这些异构数据源同步到自家 to B 平台）。架构师咬着「异构数据怎么统一数据模型」反复问。我最初想用 WASM 插件方案做到即插即用，被否了（ WASM 和宿主通信太麻烦）；后来一个同事帮我重构分层，连接器只实现各自拉取逻辑，存储和表结构统一。增量同步上 GitHub 用 commit hash ，飞书用更新时间字段。然后他问为什么用 RabbitMQ ，我实诚答不知道，基础设施不是我搭的，我中间插进来直接复用的。 这一段教训挺深的：架构师根本不在乎你用了什么，在乎你为什么这么选、不这么选会怎样。凡是沿用的、同事搭的，一问就露馅。 全场我最有底气的是 AI 编辑器那块（实习时基于 Quill 从 0 到 1 手写的）。讲了个我挺得意的 bug：给选中内容做高亮的逻辑被记进了 Quill 的 undo/redo 栈，污染了历史栈，导致回退回不去。最后不走 Quill API ，改用 CSS 浮层加 CSS 高亮绕开历史栈解决的。这种真手写真踩坑真自己定位出来的东西，跟那些 AI 写的我说不清的项目放一起，气场完全不一样。 AI coding 工作流他们挺感兴趣。我主力是 Claude Code 做实施、Codex 做 review ，CC 快但思考浅，Codex 慢但深，开 4 、5 个 tab 并行，让 CC 做方案 Codex 审查。自己写了 writer 这个 slash command 、一个 review skill 开源在 GitHub 上、还在折腾 hooks 和 CLAUDE.md 。 skill 系统设计这块被架构师从「会用」一路逼到「会造」。我讲了渐进式披露、open-skill 靠提示词注入、最小工具集（ read ，加上有脚本就再加 execute ）、hooks 启动阶段注入这些，但我一直说本质就是读目录加提示词没什么稀奇。后来回想他其实想听系统层面的设计——发现、注册、热更新、隔离这些，我一直把它降维成读目录，深度明显不够。架构和系统设计是我的短板，这个我认。 后面还问了一串：团队协作我说文档驱动 spec 驱动，强调开发期一定要加一句「不要兼容旧代码」，不然 AI 不知道上下文会瞎兼容； OOP 还是 FP 我说倾向函数式；设计模式说了适配器（ MiroFish 适配新旧方案用了）和策略模式； cron 整点拉取过载怎么办我答放队列加去重，他认可； MCP / Skill / Tool 怎么选我说内部知识流程用 Skill 、外部数据源用 MCP 、内部自定义工具用 Tool 。还问我掘金是不是 AI 写的，我说不是，我写底稿 AI 润色我再改，因为我没 AI 懂得多。 最后技术负责人让我讲二面那个本地化任务。我说 3 小时搞定的，开 1 个 CC 加 2 、3 个 Codex 一起调研，CC 出的结果有错让 Codex 复核、联网搜，写评估和计划文档，CC 实施 Codex review 几遍出 MVP ，中间还给项目提了 issue 和 PR 。他说一面就知道我是纯前端、不擅长这个，故意布置个难任务看我借 AI 完成复杂改造的能力。然后说了段让我挺受用的话，大意是我纯前端纯后端肯定比不过专业选手，但看简历、GitHub 、掘金加上一面，这种学得比较杂的多面手挺适合他们现在的氛围，能接受有这么个把每件事从 0 做到 60 分的角色当团队的「调试剂」，他很欢迎。 三轮下来几条想说的 AI 用得再溜，基础该被穿还是被穿。「为什么效率高」「为什么选它」就能把你问哑。 简历上每个技术点都得扛得住「为什么」的连环追问，尤其「为什么选 A 不选 B 」，这个最能区分你懂还是 AI 懂。 留至少一个真手写、能讲到 bug 级别的项目。我那个 undo/redo 的 bug 是全场最有底气的部分，那些跑起来了但说不清的项目根本没法比。 不知道就说不知道，反而加分。我答不出 RabbitMQ 、答不出架构方法论，都老实说了，面试官没为难。 架构和系统设计是我们这种重度用 AI 的人的通病短板，因为 AI 帮你把怎么做解决了，但为什么这么架它不替你想。这块得自己补。 学得杂不是问题，关键是能不能对每件做过的事讲清楚为什么这么做、不这么做会怎样。这是三轮面试给我上的最大一课，继续前进...
记录一下，盛大旗下一个做 deep research 的子公司，agent / 全栈方向，三轮面下来的过程。 先交代下背景。我今年应届，毕业五个月。读书的时候有三段实习：智慧芽（苏州做专利数据库那家，在算法组做 AI 对话、PDF 问答，也写过前端中台）、西湖大学（做 AI 应用，多模型组织起来生成论文综述那种）、商汤（给内部算法团队做大模型测试平台，多模态问答的量化评测）。毕业后没去大厂，进了一家小公司，前端身份入职，但基本啥都干了——写过一两个月前端，做过销售（自己主动跟老板说要去合肥、江苏见客户、进工厂理解需求），还干过技术支持、后端、算法，C# 写过 VS 的代码插件，Rust 写过企业连接器，Python 也搞过。对自己的要求就是不设边界。 代码 90% 以上是 AI 写的，平时会把工作和自己感兴趣的东西沉淀成开源项目和博客。GitHub 在这： https://github.com/tt-a1i ，掘金在这： https://juejin.cn/user/2175258804632332 。开源基本都是 AI coding agent 这个方向的，archify 、hive 、MiroFish 本地版那些（ MiroFish 本地版就是这次二面、三面的任务，我后面会讲）。 本来是冲着 AI 用得溜去面的，结果一面差点把我自信心干没了。发出来给同样靠 AI 、做全栈或者 agent 方向的兄弟当个镜子。三轮下来我最大的感受是：AI 用得再溜没用，凡是 AI 写的、或者沿用别人的，面试官一句「为什么」就能把你问到说不出话。 一面：自信进去，被基础题打回原形 岗位本来投的 React Native ，面试官看了简历直接改全栈面。40 分钟没考算法没问八股，全程顺着我简历往死里追问，最后还来了道纯手写题。后来我才反应过来，他全程就想确认一件事：这些东西到底是我懂，还是 AI 懂。 第一个翻车的是技术选型。他问我后端写 C# 又写 Rust ，自己开公司选哪个，我张口就「选 Rust 」，类型安全内存安全对 AI 友好（能编译过线上基本不报语法错误）……讲得挺顺。然后他来了句： 你有没有发现，我问这个问题的时候根本没问你要做什么业务，你就直接给我 Rust 这个答案？ 当场被点醒，选型脱离业务场景纯属耍流氓。后面还补刀「你想过自己开公司 Rust 不好招人吗」，我只能认怂。 然后是 gRPC ，连环追问，我全军覆没： gRPC 和 HTTP 区别？——基于 HTTP/2 ，效率高，多用于微服务。 为什么效率高？——「之前看过……记不清了」 JSON 不行吗？——「 JSON 应该可以，但我没想过为什么用 proto 」 为什么选 gRPC ？——「沿用后端同事的，我接到任务第二天就开始写了，主要靠 AI 」 最后这句基本是自爆。一个「为什么高」答不上，一个「为什么选」说不清，直接把底裤问没了。 手写题更是社死。让我起 React 脚手架，我说没初始化过，又问能不能用 AI 出（被拒），改写原生 HTML+JS 还磕磕绊绊。思路说「挂个全局 class 」方向是对的，但追问「每个组件都要写一套主题 class 吗」我答不上来（正解是 CSS 变量）。 body 找不到那个问题，问我怎么解决，我憋了句「 loading=lazy ？」（错的，是 defer ）。面试官直接说「感觉不是很熟练」，我只能解释早就不写了，现在 90% 靠 AI 。 一面最后他那段话我印象很深，大意是：用 AI 这个方式大部分人都能做到差不多效果，区分度特别低，他们内部 99% 代码也是 AI 写的，这事甚至能用钱解决，上最强的模型就行。但弊端是你什么都能做，遇到坑却没经验没意识——AI 让你用 gRPC + protobuf ，那为什么不用 thrift ？ AI 不会主动提，这就看候选人自己有没有对比、思考过。他还说了句我记到现在的：所谓的广度不是你做了多少事，而是你对「背后为什么会产生这些问题」的思考形成的广度。 出来的时候我以为凉了。 二面：HR 面 + CEO 面，画风突变 二面轻松很多，HR 和 CEO ，聊的全是 AI 实战。 主要几块：GPT 、Gemini 、Claude 各自什么脾性、什么场景用哪个、我平时怎么搭配；一些实践经验，比如怎么把多个模型组织起来干活、工作流怎么沉淀。然后给了个编码任务——vibecoding 把 MiroFish 的开源版改成能在本地跑起来的版本。 这轮明显能感觉到他们要的不是八股选手，是真能拿 AI 把活干出来的人，跟一面那种考基础的拧巴感完全相反。MiroFish 本地化这个我回去真做出来了，也成了三面的主线。 三面：技术终面，三个人围着我项目往死里挖 三位面试官，一位 agent 方向，一位资深架构师（十几年经验那种），一位技术负责人（就是一面给我布置 MiroFish 任务的人）。70 分钟。一面考你懂不懂基础，三面考你的项目经不经得起挖。 RAG 分块这题我答对了。他问假设 embedding 输入足够大、几十 M 也吃得下，那还有必要分块吗？我说有，分块是为了检索时命中相关度最高的片段，整个文档一块检索粒度太粗，要按语义分。不是因为文件太大——这是 RAG 分块的真正目的。 挖得最深的是我那个企业连接器（ Rust ，0→1 ，把飞书 GitHub 这些异构数据源同步到自家 to B 平台）。架构师咬着「异构数据怎么统一数据模型」反复问。我最初想用 WASM 插件方案做到即插即用，被否了（ WASM 和宿主通信太麻烦）；后来一个同事帮我重构分层，连接器只实现各自拉取逻辑，存储和表结构统一。增量同步上 GitHub 用 commit hash ，飞书用更新时间字段。然后他问为什么用 RabbitMQ ，我实诚答不知道，基础设施不是我搭的，我中间插进来直接复用的。 这一段教训挺深的：架构师根本不在乎你用了什么，在乎你为什么这么选、不这么选会怎样。凡是沿用的、同事搭的，一问就露馅。 全场我最有底气的是 AI 编辑器那块（实习时基于 Quill 从 0 到 1 手写的）。讲了个我挺得意的 bug：给选中内容做高亮的逻辑被记进了 Quill 的 undo/redo 栈，污染了历史栈，导致回退回不去。最后不走 Quill API ，改用 CSS 浮层加 CSS 高亮绕开历史栈解决的。这种真手写真踩坑真自己定位出来的东西，跟那些 AI 写的我说不清的项目放一起，气场完全不一样。 AI coding 工作流他们挺感兴趣。我主力是 Claude Code 做实施、Codex 做 review ，CC 快但思考浅，Codex 慢但深，开 4 、5 个 tab 并行，让 CC 做方案 Codex 审查。自己写了 writer 这个 slash command 、一个 review skill 开源在 GitHub 上、还在折腾 hooks 和 CLAUDE.md 。 skill 系统设计这块被架构师从「会用」一路逼到「会造」。我讲了渐进式披露、open-skill 靠提示词注入、最小工具集（ read ，加上有脚本就再加 execute ）、hooks 启动阶段注入这些，但我一直说本质就是读目录加提示词没什么稀奇。后来回想他其实想听系统层面的设计——发现、注册、热更新、隔离这些，我一直把它降维成读目录，深度明显不够。架构和系统设计是我的短板，这个我认。 后面还问了一串：团队协作我说文档驱动 spec 驱动，强调开发期一定要加一句「不要兼容旧代码」，不然 AI 不知道上下文会瞎兼容； OOP 还是 FP 我说倾向函数式；设计模式说了适配器（ MiroFish 适配新旧方案用了）和策略模式； cron 整点拉取过载怎么办我答放队列加去重，他认可； MCP / Skill / Tool 怎么选我说内部知识流程用 Skill 、外部数据源用 MCP 、内部自定义工具用 Tool 。还问我掘金是不是 AI 写的，我说不是，我写底稿 AI 润色我再改，因为我没 AI 懂得多。 最后技术负责人让我讲二面那个本地化任务。我说 3 小时搞定的，开 1 个 CC 加 2 、3 个 Codex 一起调研，CC 出的结果有错让 Codex 复核、联网搜，写评估和计划文档，CC 实施 Codex review 几遍出 MVP ，中间还给项目提了 issue 和 PR 。他说一面就知道我是纯前端、不擅长这个，故意布置个难任务看我借 AI 完成复杂改造的能力。然后说了段让我挺受用的话，大意是我纯前端纯后端肯定比不过专业选手，但看简历、GitHub 、掘金加上一面，这种学得比较杂的多面手挺适合他们现在的氛围，能接受有这么个把每件事从 0 做到 60 分的角色当团队的「调试剂」，他很欢迎。 三轮下来几条想说的 AI 用得再溜，基础该被穿还是被穿。「为什么效率高」「为什么选它」就能把你问哑。 简历上每个技术点都得扛得住「为什么」的连环追问，尤其「为什么选 A 不选 B 」，这个最能区分你懂还是 AI 懂。 留至少一个真手写、能讲到 bug 级别的项目。我那个 undo/redo 的 bug 是全场最有底气的部分，那些跑起来了但说不清的项目根本没法比。 不知道就说不知道，反而加分。我答不出 RabbitMQ 、答不出架构方法论，都老实说了，面试官没为难。 架构和系统设计是我们这种重度用 AI 的人的通病短板，因为 AI 帮你把怎么做解决了，但为什么这么架它不替你想。这块得自己补。 学得杂不是问题，关键是能不能对每件做过的事讲清楚为什么这么做、不这么做会怎样。这是三轮面试给我上的最大一课，继续前进...
记录一下，盛大旗下一个做 deep research 的子公司，agent / 全栈方向，三轮面下来的过程。 先交代下背景。我今年应届，毕业五个月。读书的时候有三段实习：智慧芽（苏州做专利数据库那家，在算法组做 AI 对话、PDF 问答，也写过前端中台）、西湖大学（做 AI 应用，多模型组织起来生成论文综述那种）、商汤（给内部算法团队做大模型测试平台，多模态问答的量化评测）。毕业后没去大厂，进了一家小公司，前端身份入职，但基本啥都干了——写过一两个月前端，做过销售（自己主动跟老板说要去合肥、江苏见客户、进工厂理解需求），还干过技术支持、后端、算法，C# 写过 VS 的代码插件，Rust 写过企业连接器，Python 也搞过。对自己的要求就是不设边界。 代码 90% 以上是 AI 写的，平时会把工作和自己感兴趣的东西沉淀成开源项目和博客。GitHub 在这： https://github.com/tt-a1i ，掘金在这： https://juejin.cn/user/2175258804632332 。开源基本都是 AI coding agent 这个方向的，archify 、hive 、MiroFish 本地版那些（ MiroFish 本地版就是这次二面、三面的任务，我后面会讲）。 本来是冲着 AI 用得溜去面的，结果一面差点把我自信心干没了。发出来给同样靠 AI 、做全栈或者 agent 方向的兄弟当个镜子。三轮下来我最大的感受是：AI 用得再溜没用，凡是 AI 写的、或者沿用别人的，面试官一句「为什么」就能把你问到说不出话。 一面：自信进去，被基础题打回原形 岗位本来投的 React Native ，面试官看了简历直接改全栈面。40 分钟没考算法没问八股，全程顺着我简历往死里追问，最后还来了道纯手写题。后来我才反应过来，他全程就想确认一件事：这些东西到底是我懂，还是 AI 懂。 第一个翻车的是技术选型。他问我后端写 C# 又写 Rust ，自己开公司选哪个，我张口就「选 Rust 」，类型安全内存安全对 AI 友好（能编译过线上基本不报语法错误）……讲得挺顺。然后他来了句： 你有没有发现，我问这个问题的时候根本没问你要做什么业务，你就直接给我 Rust 这个答案？ 当场被点醒，选型脱离业务场景纯属耍流氓。后面还补刀「你想过自己开公司 Rust 不好招人吗」，我只能认怂。 然后是 gRPC ，连环追问，我全军覆没： gRPC 和 HTTP 区别？——基于 HTTP/2 ，效率高，多用于微服务。 为什么效率高？——「之前看过……记不清了」 JSON 不行吗？——「 JSON 应该可以，但我没想过为什么用 proto 」 为什么选 gRPC ？——「沿用后端同事的，我接到任务第二天就开始写了，主要靠 AI 」 最后这句基本是自爆。一个「为什么高」答不上，一个「为什么选」说不清，直接把底裤问没了。 手写题更是社死。让我起 React 脚手架，我说没初始化过，又问能不能用 AI 出（被拒），改写原生 HTML+JS 还磕磕绊绊。思路说「挂个全局 class 」方向是对的，但追问「每个组件都要写一套主题 class 吗」我答不上来（正解是 CSS 变量）。 body 找不到那个问题，问我怎么解决，我憋了句「 loading=lazy ？」（错的，是 defer ）。面试官直接说「感觉不是很熟练」，我只能解释早就不写了，现在 90% 靠 AI 。 一面最后他那段话我印象很深，大意是：用 AI 这个方式大部分人都能做到差不多效果，区分度特别低，他们内部 99% 代码也是 AI 写的，这事甚至能用钱解决，上最强的模型就行。但弊端是你什么都能做，遇到坑却没经验没意识——AI 让你用 gRPC + protobuf ，那为什么不用 thrift ？ AI 不会主动提，这就看候选人自己有没有对比、思考过。他还说了句我记到现在的：所谓的广度不是你做了多少事，而是你对「背后为什么会产生这些问题」的思考形成的广度。 出来的时候我以为凉了。 二面：HR 面 + CEO 面，画风突变 二面轻松很多，HR 和 CEO ，聊的全是 AI 实战。 主要几块：GPT 、Gemini 、Claude 各自什么脾性、什么场景用哪个、我平时怎么搭配；一些实践经验，比如怎么把多个模型组织起来干活、工作流怎么沉淀。然后给了个编码任务——vibecoding 把 MiroFish 的开源版改成能在本地跑起来的版本。 这轮明显能感觉到他们要的不是八股选手，是真能拿 AI 把活干出来的人，跟一面那种考基础的拧巴感完全相反。MiroFish 本地化这个我回去真做出来了，也成了三面的主线。 三面：技术终面，三个人围着我项目往死里挖 三位面试官，一位 agent 方向，一位资深架构师（十几年经验那种），一位技术负责人（就是一面给我布置 MiroFish 任务的人）。70 分钟。一面考你懂不懂基础，三面考你的项目经不经得起挖。 RAG 分块这题我答对了。他问假设 embedding 输入足够大、几十 M 也吃得下，那还有必要分块吗？我说有，分块是为了检索时命中相关度最高的片段，整个文档一块检索粒度太粗，要按语义分。不是因为文件太大——这是 RAG 分块的真正目的。 挖得最深的是我那个企业连接器（ Rust ，0→1 ，把飞书 GitHub 这些异构数据源同步到自家 to B 平台）。架构师咬着「异构数据怎么统一数据模型」反复问。我最初想用 WASM 插件方案做到即插即用，被否了（ WASM 和宿主通信太麻烦）；后来一个同事帮我重构分层，连接器只实现各自拉取逻辑，存储和表结构统一。增量同步上 GitHub 用 commit hash ，飞书用更新时间字段。然后他问为什么用 RabbitMQ ，我实诚答不知道，基础设施不是我搭的，我中间插进来直接复用的。 这一段教训挺深的：架构师根本不在乎你用了什么，在乎你为什么这么选、不这么选会怎样。凡是沿用的、同事搭的，一问就露馅。 全场我最有底气的是 AI 编辑器那块（实习时基于 Quill 从 0 到 1 手写的）。讲了个我挺得意的 bug：给选中内容做高亮的逻辑被记进了 Quill 的 undo/redo 栈，污染了历史栈，导致回退回不去。最后不走 Quill API ，改用 CSS 浮层加 CSS 高亮绕开历史栈解决的。这种真手写真踩坑真自己定位出来的东西，跟那些 AI 写的我说不清的项目放一起，气场完全不一样。 AI coding 工作流他们挺感兴趣。我主力是 Claude Code 做实施、Codex 做 review ，CC 快但思考浅，Codex 慢但深，开 4 、5 个 tab 并行，让 CC 做方案 Codex 审查。自己写了 writer 这个 slash command 、一个 review skill 开源在 GitHub 上、还在折腾 hooks 和 CLAUDE.md 。 skill 系统设计这块被架构师从「会用」一路逼到「会造」。我讲了渐进式披露、open-skill 靠提示词注入、最小工具集（ read ，加上有脚本就再加 execute ）、hooks 启动阶段注入这些，但我一直说本质就是读目录加提示词没什么稀奇。后来回想他其实想听系统层面的设计——发现、注册、热更新、隔离这些，我一直把它降维成读目录，深度明显不够。架构和系统设计是我的短板，这个我认。 后面还问了一串：团队协作我说文档驱动 spec 驱动，强调开发期一定要加一句「不要兼容旧代码」，不然 AI 不知道上下文会瞎兼容； OOP 还是 FP 我说倾向函数式；设计模式说了适配器（ MiroFish 适配新旧方案用了）和策略模式； cron 整点拉取过载怎么办我答放队列加去重，他认可； MCP / Skill / Tool 怎么选我说内部知识流程用 Skill 、外部数据源用 MCP 、内部自定义工具用 Tool 。还问我掘金是不是 AI 写的，我说不是，我写底稿 AI 润色我再改，因为我没 AI 懂得多。 最后技术负责人让我讲二面那个本地化任务。我说 3 小时搞定的，开 1 个 CC 加 2 、3 个 Codex 一起调研，CC 出的结果有错让 Codex 复核、联网搜，写评估和计划文档，CC 实施 Codex review 几遍出 MVP ，中间还给项目提了 issue 和 PR 。他说一面就知道我是纯前端、不擅长这个，故意布置个难任务看我借 AI 完成复杂改造的能力。然后说了段让我挺受用的话，大意是我纯前端纯后端肯定比不过专业选手，但看简历、GitHub 、掘金加上一面，这种学得比较杂的多面手挺适合他们现在的氛围，能接受有这么个把每件事从 0 做到 60 分的角色当团队的「调试剂」，他很欢迎。 三轮下来几条想说的 AI 用得再溜，基础该被穿还是被穿。「为什么效率高」「为什么选它」就能把你问哑。 简历上每个技术点都得扛得住「为什么」的连环追问，尤其「为什么选 A 不选 B 」，这个最能区分你懂还是 AI 懂。 留至少一个真手写、能讲到 bug 级别的项目。我那个 undo/redo 的 bug 是全场最有底气的部分，那些跑起来了但说不清的项目根本没法比。 不知道就说不知道，反而加分。我答不出 RabbitMQ 、答不出架构方法论，都老实说了，面试官没为难。 架构和系统设计是我们这种重度用 AI 的人的通病短板，因为 AI 帮你把怎么做解决了，但为什么这么架它不替你想。这块得自己补。 学得杂不是问题，关键是能不能对每件做过的事讲清楚为什么这么做、不这么做会怎样。这是三轮面试给我上的最大一课，继续前进...
记录一下，盛大旗下一个做 deep research 的子公司，agent / 全栈方向，三轮面下来的过程。 先交代下背景。我今年应届，毕业五个月。读书的时候有三段实习：智慧芽（苏州做专利数据库那家，在算法组做 AI 对话、PDF 问答，也写过前端中台）、西湖大学（做 AI 应用，多模型组织起来生成论文综述那种）、商汤（给内部算法团队做大模型测试平台，多模态问答的量化评测）。毕业后没去大厂，进了一家小公司，前端身份入职，但基本啥都干了——写过一两个月前端，做过销售（自己主动跟老板说要去合肥、江苏见客户、进工厂理解需求），还干过技术支持、后端、算法，C# 写过 VS 的代码插件，Rust 写过企业连接器，Python 也搞过。对自己的要求就是不设边界。 代码 90% 以上是 AI 写的，平时会把工作和自己感兴趣的东西沉淀成开源项目和博客。GitHub 在这： https://github.com/tt-a1i ，掘金在这： https://juejin.cn/user/2175258804632332 。开源基本都是 AI coding agent 这个方向的，archify 、hive 、MiroFish 本地版那些（ MiroFish 本地版就是这次二面、三面的任务，我后面会讲）。 本来是冲着 AI 用得溜去面的，结果一面差点把我自信心干没了。发出来给同样靠 AI 、做全栈或者 agent 方向的兄弟当个镜子。三轮下来我最大的感受是：AI 用得再溜没用，凡是 AI 写的、或者沿用别人的，面试官一句「为什么」就能把你问到说不出话。 一面：自信进去，被基础题打回原形 岗位本来投的 React Native ，面试官看了简历直接改全栈面。40 分钟没考算法没问八股，全程顺着我简历往死里追问，最后还来了道纯手写题。后来我才反应过来，他全程就想确认一件事：这些东西到底是我懂，还是 AI 懂。 第一个翻车的是技术选型。他问我后端写 C# 又写 Rust ，自己开公司选哪个，我张口就「选 Rust 」，类型安全内存安全对 AI 友好（能编译过线上基本不报语法错误）……讲得挺顺。然后他来了句： 你有没有发现，我问这个问题的时候根本没问你要做什么业务，你就直接给我 Rust 这个答案？ 当场被点醒，选型脱离业务场景纯属耍流氓。后面还补刀「你想过自己开公司 Rust 不好招人吗」，我只能认怂。 然后是 gRPC ，连环追问，我全军覆没： gRPC 和 HTTP 区别？——基于 HTTP/2 ，效率高，多用于微服务。 为什么效率高？——「之前看过……记不清了」 JSON 不行吗？——「 JSON 应该可以，但我没想过为什么用 proto 」 为什么选 gRPC ？——「沿用后端同事的，我接到任务第二天就开始写了，主要靠 AI 」 最后这句基本是自爆。一个「为什么高」答不上，一个「为什么选」说不清，直接把底裤问没了。 手写题更是社死。让我起 React 脚手架，我说没初始化过，又问能不能用 AI 出（被拒），改写原生 HTML+JS 还磕磕绊绊。思路说「挂个全局 class 」方向是对的，但追问「每个组件都要写一套主题 class 吗」我答不上来（正解是 CSS 变量）。 body 找不到那个问题，问我怎么解决，我憋了句「 loading=lazy ？」（错的，是 defer ）。面试官直接说「感觉不是很熟练」，我只能解释早就不写了，现在 90% 靠 AI 。 一面最后他那段话我印象很深，大意是：用 AI 这个方式大部分人都能做到差不多效果，区分度特别低，他们内部 99% 代码也是 AI 写的，这事甚至能用钱解决，上最强的模型就行。但弊端是你什么都能做，遇到坑却没经验没意识——AI 让你用 gRPC + protobuf ，那为什么不用 thrift ？ AI 不会主动提，这就看候选人自己有没有对比、思考过。他还说了句我记到现在的：所谓的广度不是你做了多少事，而是你对「背后为什么会产生这些问题」的思考形成的广度。 出来的时候我以为凉了。 二面：HR 面 + CEO 面，画风突变 二面轻松很多，HR 和 CEO ，聊的全是 AI 实战。 主要几块：GPT 、Gemini 、Claude 各自什么脾性、什么场景用哪个、我平时怎么搭配；一些实践经验，比如怎么把多个模型组织起来干活、工作流怎么沉淀。然后给了个编码任务——vibecoding 把 MiroFish 的开源版改成能在本地跑起来的版本。 这轮明显能感觉到他们要的不是八股选手，是真能拿 AI 把活干出来的人，跟一面那种考基础的拧巴感完全相反。MiroFish 本地化这个我回去真做出来了，也成了三面的主线。 三面：技术终面，三个人围着我项目往死里挖 三位面试官，一位 agent 方向，一位资深架构师（十几年经验那种），一位技术负责人（就是一面给我布置 MiroFish 任务的人）。70 分钟。一面考你懂不懂基础，三面考你的项目经不经得起挖。 RAG 分块这题我答对了。他问假设 embedding 输入足够大、几十 M 也吃得下，那还有必要分块吗？我说有，分块是为了检索时命中相关度最高的片段，整个文档一块检索粒度太粗，要按语义分。不是因为文件太大——这是 RAG 分块的真正目的。 挖得最深的是我那个企业连接器（ Rust ，0→1 ，把飞书 GitHub 这些异构数据源同步到自家 to B 平台）。架构师咬着「异构数据怎么统一数据模型」反复问。我最初想用 WASM 插件方案做到即插即用，被否了（ WASM 和宿主通信太麻烦）；后来一个同事帮我重构分层，连接器只实现各自拉取逻辑，存储和表结构统一。增量同步上 GitHub 用 commit hash ，飞书用更新时间字段。然后他问为什么用 RabbitMQ ，我实诚答不知道，基础设施不是我搭的，我中间插进来直接复用的。 这一段教训挺深的：架构师根本不在乎你用了什么，在乎你为什么这么选、不这么选会怎样。凡是沿用的、同事搭的，一问就露馅。 全场我最有底气的是 AI 编辑器那块（实习时基于 Quill 从 0 到 1 手写的）。讲了个我挺得意的 bug：给选中内容做高亮的逻辑被记进了 Quill 的 undo/redo 栈，污染了历史栈，导致回退回不去。最后不走 Quill API ，改用 CSS 浮层加 CSS 高亮绕开历史栈解决的。这种真手写真踩坑真自己定位出来的东西，跟那些 AI 写的我说不清的项目放一起，气场完全不一样。 AI coding 工作流他们挺感兴趣。我主力是 Claude Code 做实施、Codex 做 review ，CC 快但思考浅，Codex 慢但深，开 4 、5 个 tab 并行，让 CC 做方案 Codex 审查。自己写了 writer 这个 slash command 、一个 review skill 开源在 GitHub 上、还在折腾 hooks 和 CLAUDE.md 。 skill 系统设计这块被架构师从「会用」一路逼到「会造」。我讲了渐进式披露、open-skill 靠提示词注入、最小工具集（ read ，加上有脚本就再加 execute ）、hooks 启动阶段注入这些，但我一直说本质就是读目录加提示词没什么稀奇。后来回想他其实想听系统层面的设计——发现、注册、热更新、隔离这些，我一直把它降维成读目录，深度明显不够。架构和系统设计是我的短板，这个我认。 后面还问了一串：团队协作我说文档驱动 spec 驱动，强调开发期一定要加一句「不要兼容旧代码」，不然 AI 不知道上下文会瞎兼容； OOP 还是 FP 我说倾向函数式；设计模式说了适配器（ MiroFish 适配新旧方案用了）和策略模式； cron 整点拉取过载怎么办我答放队列加去重，他认可； MCP / Skill / Tool 怎么选我说内部知识流程用 Skill 、外部数据源用 MCP 、内部自定义工具用 Tool 。还问我掘金是不是 AI 写的，我说不是，我写底稿 AI 润色我再改，因为我没 AI 懂得多。 最后技术负责人让我讲二面那个本地化任务。我说 3 小时搞定的，开 1 个 CC 加 2 、3 个 Codex 一起调研，CC 出的结果有错让 Codex 复核、联网搜，写评估和计划文档，CC 实施 Codex review 几遍出 MVP ，中间还给项目提了 issue 和 PR 。他说一面就知道我是纯前端、不擅长这个，故意布置个难任务看我借 AI 完成复杂改造的能力。然后说了段让我挺受用的话，大意是我纯前端纯后端肯定比不过专业选手，但看简历、GitHub 、掘金加上一面，这种学得比较杂的多面手挺适合他们现在的氛围，能接受有这么个把每件事从 0 做到 60 分的角色当团队的「调试剂」，他很欢迎。 三轮下来几条想说的 AI 用得再溜，基础该被穿还是被穿。「为什么效率高」「为什么选它」就能把你问哑。 简历上每个技术点都得扛得住「为什么」的连环追问，尤其「为什么选 A 不选 B 」，这个最能区分你懂还是 AI 懂。 留至少一个真手写、能讲到 bug 级别的项目。我那个 undo/redo 的 bug 是全场最有底气的部分，那些跑起来了但说不清的项目根本没法比。 不知道就说不知道，反而加分。我答不出 RabbitMQ 、答不出架构方法论，都老实说了，面试官没为难。 架构和系统设计是我们这种重度用 AI 的人的通病短板，因为 AI 帮你把怎么做解决了，但为什么这么架它不替你想。这块得自己补。 学得杂不是问题，关键是能不能对每件做过的事讲清楚为什么这么做、不这么做会怎样。这是三轮面试给我上的最大一课，继续前进...
装的 arch linux ，新建了一个用户 c ，然后在 wsl dashboard 里设置默认登录用户是这个 c 。 刚打开的时候输入中文就是<ffffffff>，但是用 su - 切一下用户就好了，即使登录的是 c 用户，su - c 也能好，这是为啥。
Earth.com Researchers identify brain cells dedicated to disappointment Researchers have identified brain cells that are dedicated to measuring disappointment when rewards fall short. [!quote]+ 细胞簇位于外侧哈文脑内，这是一个隐藏在大脑深处的古老小结构。 长期以来，研究人员一直知道这个区域在遇到不受欢迎的意外时–突然的惩罚或根本就没有到来的奖励–会变得炙热。因此，它被称为大脑的 “反奖赏中心”。 不过，该区域拥有多种类型的神经元，但没有人能够确定每种神经元的功能。 Sylwestrak 偶然发现了这些细胞，每当小鼠希望得到食物时，它就会捕捉到邻居发出的杂散信号。结果一无所获。 研究小组加入了一些真正糟糕的经历–吹一口气、短暂的憋闷或轻微的惊吓–并观察相同神经元的反应。 在所有这些过程中，失望细胞大多保持沉默。在同一区域，更广泛的神经元组合在每一次威胁面前都会亮起，这与之前的研究发现的方式相同。 这种挑剔是有目的的。铃木指出，错过的奖励和真正的威胁需要不同的反应。 最近的历史也证明了这一点。一连串的失败让小白鼠对下一个失败的反应变得迟钝，最终放弃了探究。 中脑的多巴胺神经元则与此相反，它们会在意外收获时攀升，在失意时下降。数十年的研究证实了这种不对称性。 改变奖励的大小提供了最明显的证据。被训练成期待喝一口正常水的小鼠有时会得到一口吝啬的水，而细胞会根据不足的比例而勃发。 让他们重新养成喝一口就能大快朵颐的习惯，而同样的微薄回报现在却让他们大失所望。 在这项工作之前，科学家们知道外侧哈伯脑带着失望信号，但无法将负责的细胞与它们的邻居区分开来。 现在，有一种遗传标记可以将它们区分开来，这是该地区首次对这一精确计算进行清晰的处理。 研究小组希望通过增减这些细胞，了解它们是如何引导健康的奖赏追求的，以及它们的失效是如何导致成瘾和抑郁等病症的。 PubMed Central (PMC) Dopamine, Updated: Reward Prediction Error and Beyond Dopamine neurons have been intensely studied for their roles in reinforcement learning. A dominant theory of how these neurons contribute to learning is through the encoding of a reward prediction error (RPE) signal. Recent advances in dopamine ... https://www.cell.com/current-biology/fulltext/S0960-9822(26)00467-7 1 个帖子 - 1 位参与者 阅读完整话题
Space Daily – 3 Jun 26 In 1938, Harvard researchers began following a group of young men to learn... What follows is reflection on a long-running piece of research, not advice. We are writers and editors reading the literature, not clinicians, psychologists, or therapists. The study at the centre of this piece is observational, and patterns drawn... Harvard T.H. Chan School of Public Health – 27 Feb 23 The Good Life: A Discussion with Dr. Robert Waldinger | Harvard T.H. Chan... What makes for a good life? According to the directors of the Harvard Study of Adult Development, the longest scientific study of happiness ever conducted, the answer to this question may be simpler than you think. [!quote]+ Waldinger 博士首先探讨了人们眼中的美好生活。世界上许多人，尤其是千禧一代，认为答案可以从名利中找到。在最近一项针对千禧一代的调查中，当被问及他们成年后想要什么时，超过80%的人说他们想要发财，50%的人说他们想要出名，还有50%的人说他们想要取得很高的事业成就。 然而，研究表明，随着包括美国在内的许多西方国家变得越来越富裕，总体幸福感却在下降。年均 75,000 美元的家庭收入似乎是幸福感达到顶峰的水平–在这个水平上，食物、住房、医疗保健、子女抚养等基本经济需求可以得到满足。当人们的年收入高于这个数字时，他们的幸福感并没有上升多少。7.5万美元和7500万美元之间的差距几乎没有什么意义。 那么，我们的美好生活到底需要什么呢？作为哈佛大学成人发展研究的主任，Waldinger 博士是寻找答案的理想人选。这项长达 85 年的研究始于 1938 年的两项研究。其中一项研究跟踪一组 19 岁的哈佛学生，另一项研究跟踪一组更年轻的少年犯。两组研究对象均为白人、男性和波士顿人。这两项研究合并后，组成了一个由 725 名男性组成的小组。随着时间的推移，他们的妻子也被纳入研究，然后是他们的孩子。研究对象甚至包括约翰-肯尼迪。研究人员对参与者的身体、精神和情绪健康进行了研究。他们被拍照、录音和录像。他们被抽血，大脑被扫描，DNA 被研究。 研究发现，与他人联系最紧密的人最健康、最长寿。这些温暖的联系对他们的健康和幸福有着直接的积极影响。良好的人际关系意味着参与者患心脏病、糖尿病或关节炎的可能性较低。更广泛的社交网络和更多的社交活动使认知能力衰退的发病时间更晚、速度更慢。研究甚至发现，已婚人士的寿命更长–女性平均长5-12年，男性平均长7-17年。 有趣的是，研究还发现，随着年龄的增长，参与者会变得更加快乐。从中年开始，参与者对正面信息的关注程度超过了负面信息，对过去的记忆更加积极，对时间的使用更加挑剔，越来越珍惜当下。沃尔丁格博士对这一趋势的解释是："当我们感觉到时间有限时，情绪健康就会成为优先考虑的问题。然而，这样做也有一个弊端–年龄越大的大脑对正面信息的反应越积极，而对负面信息往往置若罔闻，这使他们更容易上当受骗。 自 20 世纪 50 年代电视问世以来，美国普通民众发展和加强与他人关系的技能有所下降。在过去的 25 年里，人们加入俱乐部和民间组织的可能性减少了一半，而家庭聚餐和度假则减少了三分之一。1983 年，12% 的美国人没有知己，没有可以倾诉私事的人，而 2003 年，25% 的美国人没有知己。在一项针对 1500 万工人的全球调查中，只有三分之一的人说他们在工作中有一个最好的朋友，其中只有十二分之一的人说他们在工作中很投入。半数首席执行官表示感到孤独。Waldinger 博士和许多其他人认为，数字革命加速了这种孤独感的流行。“我们大部分时间都在玩手机、看屏幕，以至于忽略了彼此，也忽略了周围的世界”。 研究发现，孤独感与每天吸半包烟、高血压或肥胖一样，是预测健康状况不良的有力因素。孤独会导致认知能力和身体机能提前衰退、压力引起的高血压、睡眠受损、心血管反应性增强、免疫功能下降和慢性炎症。 6 个帖子 - 2 位参与者 阅读完整话题