埃隆·马斯克旗下的SpaceX定于6月12日在纳斯达克上市交易，预计募资规模超750亿美元，将成为全球史上最大IPO。不过，这场资本盛宴可能会让加密货币市场继续承压，因为大量被高风险、高回报投资吸引的散户投资者，正争相筹集资金参与这家明星公司的上市。 据称SpaceX计划在本次IPO中打破市场长期以来的惯例，将高达30%的新股份额（即约225亿美元）分配给散户投资者，这一比例远超行业常规水平。 分析师和加密行业高管表示，这一举措正推动资金从加密货币等高风险资产流向股票市场，因为散户在内的加密投资者正为SpaceX、Anthropic、OpenAI等热门IPO筹集资金。 上周，比特币价格暴跌15%，创2022年11月FTX交易所崩盘以来最大单周跌幅。最低时，比特币价格一度跌至59100美元，较去年10月创下的历史高点126223美元“腰斩”。 加密货币交易公司兼流动性提供商GSR的场外交易全球主管Spencer Hallarn表示：“加密货币实际上成了许多投资者的融资工具，他们需要为这次750亿美元IPO找到资金，而这些资金总得来自某个地方。” 马斯克通过SpaceX重振了太空产业，将太空探索发展成一个行业，但公司目前瞄准的更大机会是企业级人工智能市场。 SpaceX招股说明书显示，公司整体仍处于亏损状态，而其高估值建立在未来多年高速增长的预期之上。这些增长不仅来自打造AI业务，还包括火星任务、太空AI数据中心等前瞻性计划。 加密行业人士认为，这种兼具高风险与高成长想象空间的AI投资标的，恰恰吸引着那些与加密货币市场高度重叠的散户群体。 加密交易公司INDIGO首席执行官Thomas Puech表示，“SpaceX上市很可能会在初期从加密市场吸走部分资金。两者争夺的是同一批风险偏好资金。” 他承认，“与加密货币相比，目前AI显然是更具吸引力、更热门的交易主题。” 与此同时，多年来坚定看涨比特币的最大企业持币机构Strategy上周披露，公司自2022年以来首次出售部分比特币持仓，进一步打击市场信心。 Trade Nation高级市场分析师David Morrison在研究报告中表示：“加密货币目前确实不受投资者青睐。对于许多投资者而言，比特币已经失去了当年的新鲜感和吸引力，IPO热潮无疑加剧了这种情况。” 加密指数提供商CF Benchmarks首席执行官Sui Chung表示，加密ETF上月净流出金额已超过20亿美元，“显然，部分离开加密市场的资金正在流向股票市场，但我们无法确定这些资金是否会直接流入SpaceX。” 随着更多热门IPO排队上市，以及市场越来越担心美联储今年可能加息，投资者或将进一步转向收益较稳定、风险较低的资产。 GSR的Hallarn表示：“目前很难看到任何能够推动加密货币大幅反弹的重要利好因素。” 查看评论
据科技网站TechCrunch报道，马斯克旗下xAI公司的一名前工程师已对该公司及其母公司SpaceX提起诉讼，声称自己因提出AI安全方面的担忧而被解雇。该工程师名为德文·金(Devin Kim)，他在2025年9月离开xAI。周二，他在加州法院提起了诉讼。几天后，SpaceX就将登陆公开市场，有望成为史上最大规模IPO。 Grok 诉状显示，德文·金在参与开发xAI聊天机器人Grok期间，成为公司内部推动AI安全的重要声音。 他多次批评xAI未能在Grok开发过程中优先考虑安全问题。 Grok此后也因一系列安全和行为问题遭到外界批评。诉状称，德文·金尤其担心Grok可能煽动歧视，并助长大规模杀伤性武器相关信息的传播。 “事实证明，Grok的表现印证了德文·金的担忧。该模型在网络上表现出极端仇恨和恶毒言论，甚至将自己比作希特勒。”诉状称。 该诉讼还将德文·金定位成一名举报人。他认为，xAI涉嫌无视AI安全问题，可能在多个领域构成违法行为，包括互联网监管、消费者保护、不公平商业行为以及武器和爆炸物监管等方面。 截至发稿，xAI和SpaceX尚未就此置评。 查看评论
美国存储厂商西部数据旗下品牌闪迪（SanDisk）多年前公布的 8TB SDUC 存储卡，如今终于接近正式上市，同时一款速度更快的 4TB SD 卡也已经现身展会资料。 在今年台北国际电脑展（Computex 2026）上，SD 协会展台公开展示了 4TB 和 8TB SDUC 新卡的规格说明，多家参展厂商向外媒 Notebookcheck 透露，这些大容量存储卡将会在不久后上市，面向数码相机、掌机和其他便携设备，提供更为轻便的海量存储方案。 西部数据最早在 2024 年的 Future Memory and Storage 大会上首次发布 8TB SD 卡规划，当时确认正在开发 4TB microSDUC 和标准尺寸 8TB SDUC 卡，两者均采用 UHS-I 总线，标称最低持续写入速度为 10MB/s。 本次在 Computex 展出的规格与当年的信息基本一致：这两款大容量 SDUC 卡均属于 V10 视频速度等级，同时达到 A1 应用性能等级，宣称可提供至少 1，500 IOPS 随机读取与 500 IOPS 随机写入能力。 从定位来看，这类卡并不仅仅用于“冷存储”归档，用户可以直接在卡上进行一定程度的文档编辑、运行部分应用，甚至对存储在卡中的视频文件做轻量级处理。 不过要想充分利用 4TB 与 8TB 的 SDUC 新卡，用户必须配备支持新标准的读卡器和终端设备。 与大容量 SDUC 卡同时曝光的，还有一款更高性能的 4TB 标准尺寸 SanDisk Extreme Pro SD 卡。 这款产品依然标注为 UHS-I，但在规格上支持 UHS 速度等级 3（U3）和视频速度等级 V30，对应最低 30MB/s 的持续写入速度，并将应用性能等级提升到 A2，标称 4000 IOPS 随机读取与 2000 IOPS 随机写入，显著优于 A1 等级的大容量 SDUC 卡。 目前市面上在售的读卡器尚不支持 SDUC，因此相关配套硬件也预计会在近期更新。 已知的信息显示，新一代读卡器将同时兼容 UHS-II、SDUC 以及 SD Express 多种协议，以满足未来更高容量和更高带宽存储卡的需求。 尽管 SD Express 标准已经存在多年，但真正推动其需求起量的，是任天堂 Switch 2 的上市——这款掌上游戏机是目前唯一强制要求使用 microSD Express 卡的主流消费级设备，以缩短游戏载入时间。 至于消费者最为关注的售价，目前 4TB 与 8TB SDUC 存储卡的价格信息尚未公布，但业内普遍预期价格不会便宜。 受 AI 数据中心建设热潮带动，DRAM 和固态硬盘价格持续上行，也连带推高了 SD 卡等闪存产品的成本，超大容量新品在早期上市阶段大概率将处于高价区间。 查看评论
据蓝鲸新闻，今年618大促结束后，自7月起，联想旗下全品类产品将统一涨价，调价涨幅与上一轮基本持平。知情人士透露：“结合全线涨价的行情，联想已经建议经销商如有设备采购计划，尽快敲定方案、提前备货锁价。本月底会向经销商发出正式涨价函。” 报道称，今年3月初，联想已向全国渠道商与合作伙伴下发产品价格调整函，部分电脑型号的终端零售价涨幅最高超过1000元。调价主要体现在线下零售体系，线上则通过撤下优惠活动等形式变相提价。 另据媒体报道，中国台湾戴尔总经理廖仁祥表示，从内存和固态硬盘等零组件成本飙升的趋势来看，“我觉得（降价）很难了”。从内存及SSD目前产业供需趋势来看，虽然各家对内存缺货何时结束说法不一，但可以肯定的是，今年价格绝对不是最低点。 据了解，联想集团2025/26财年第四季度暨全年业绩财报显示，第四财季营收达1494亿元人民币，同比增长27.1%，创近20个季度最高增速；全年营收首次突破5000亿元，达5899亿元，同比增长20.3%；全年调整后净利润同比增长42.1%，营收与净利润均超市场预期。 查看评论
知情人士表示，埃隆·马斯克旗下太空探索技术公司SpaceX在首次公开募股（IPO）前夕受到投资者热烈追捧，当前累计认购需求已超过2500亿美元，远超公司计划募资的750亿美元规模，有望成为史上最大规模IPO之一。 多名知情人士透露，以当前认购情况测算，SpaceX本次发行的超额认购比例约为计划发行规模的3.5倍至4倍，显示出市场对该公司前景的强劲信心。有消息称，多家以长期持有为主的基金已提交“相当可观”的申购订单，马斯克本人在路演期间还曾短暂现身部分与潜在投资者举行的线上会议，以提振市场信心。 知情人士称，SpaceX目前仍处于IPO营销路演阶段。按照原定安排，SpaceX总裁格温·肖特韦尔（Gwynne Shotwell）及首席财务官布雷特·约翰森（Bret Johnsen）9日将出席在纽约曼哈顿中城由摩根士丹利联席总裁丹·西莫科维茨（Dan Simkowitz）主持的午餐会，与约300家机构投资者面对面交流公司业务与发行安排。 市场人士预计，本次IPO的最终定价及配售结果将于周四下午确定，目前披露的认购规模仍属于意向性申购，最终获配数量需以正式定价为准。多名知情人士指出，部分大型机构投资者往往会在IPO流程的后期才提交订单，未来整体认购数据仍可能发生变化。 这笔备受关注的IPO正值全球资本市场波动加剧之际。纳斯达克综合指数近期在经历一年多来最大单日跌幅后继续走低，比特币价格也在周二下跌2.8%，较今年1月高点回落约37%。一些分析人士认为，近期市场抛售压力的一部分来源，可能是为参与SpaceX IPO而筹集资金的投资者减持其他资产。 在路演材料及IPO申报文件中，SpaceX重点强调了其火箭发射业务与“星链”（Starlink）卫星互联网业务的增长潜力。根据公司向投资者展示的内容，在过去三年间，SpaceX发射任务在送入轨道的总质量中占据了“大部分份额”，凸显其在全球商业发射市场的主导地位。 除传统航天和卫星互联网外，SpaceX还向投资者勾勒出一幅以人工智能和太空数据中心为核心的新蓝图。公司在路演中提出，其AI相关业务面临高达23万亿美元的潜在市场机会，并宣称SpaceX是“唯一一家能够突破地面基础设施限制、在太空构建AI算力能力”的企业，预计未来将迎来“极其强劲的需求”。 SpaceX在向投资者的介绍中指出，美国在电力生产和算力扩张方面已经落后于中国，部分原因在于大型基建项目在美国推进缓慢、阻力较大。公司认为，通过利用SpaceX的发射能力在太空部署数据中心及相关基础设施，有望在一定程度上缓解地面电力与算力增长受限的问题。 “通过大幅压低进入太空的成本，我们得以扩展公司的使命，应对地球上一些最紧迫的挑战。”SpaceX在材料中表示，“这包括通过星链计划，力争为超过30亿尚未连网的人口提供互联网接入与人类共同知识。” 对于本次IPO的具体条款及上述市场预期，SpaceX方面暂未立即回应置评请求。本次交易相关信息仍属非公开层面，参与路演的多名人士均要求匿名。与此同时，在投资者情绪与宏观环境交织影响下，SpaceX的高估值与超额认购能否在二级市场表现中得到持续验证，仍将成为资本市场关注的焦点。 查看评论
Meta 当地时间 6 月 9 日宣布，与印度信实工业集团（Reliance Industries）达成协议，在印度古吉拉特邦贾姆讷格尔建设并租赁其在印度的首座 AI 数据中心，以服务 Meta 在当地快速增长的用户群体。 该项目标志着 Meta 与信实双方战略合作关系的重要扩展，也被视为 Meta 加大在印度这一全球最具活力数字市场之一长期投入的关键举措。 根据协议，信实将在贾姆讷格尔打造大型数据中心园区，首期将为 Meta 建设一座容量为 168 兆瓦的数据中心设施，由 Meta 进行租赁并保留进一步扩容的选择权。 该数据中心将采用可再生能源供电，并通过海水淡化系统进行冷却，所有能源与用水成本由 Meta 承担，以降低设施运行对环境的影响。 Meta 表示，这一投资是其全球基础设施扩张的重要里程碑，将为其产品和 AI 能力提供算力支撑，助力面向全球用户推进“个人超级智能”愿景。 Meta 创始人兼首席执行官马克·扎克伯格在声明中表示，公司很高兴与信实合作在印度建设首座 AI 赋能数据中心，这座位于贾姆讷格尔的世界级设施将帮助 Meta 在全球范围扩展其 AI 基础设施，同时进一步深化对印度经济的长期投资。 Meta 指出，印度快速发展的数字经济、庞大的用户基础以及与信实长期积累的合作关系，使该国成为公司加大基础设施投入的理想地点。 信实方面则强调，与 Meta 的合作将成为推动印度数字基础设施升级的重要契机。 信实工业董事长兼总经理穆克什·安巴尼表示，为像 Meta 这样全球科技巨头量身打造 AI 数据中心，显示了印度在全球 AI 竞赛中扮演关键角色的准备程度。 他称，信实致力于建设世界级的数字基础设施，为下一代 AI 创新提供支撑，不仅服务印度，也面向全球市场。 双方介绍称，贾姆讷格尔将建设为全球最大的数据中心园区之一，凭借当地丰富的能源资源，为先进的 AI 基础设施提供稳定算力保障。 结合 Meta 在网络基础设施方面的既有投入，包括号称全球最长海底光缆系统的 “Project Waterworth” 等项目，新设施将强化该地区的国际连接能力，为印度用户提供更高速、更可靠的服务体验。 此次数据中心合作是 Meta 与信实多年来伙伴关系的最新进展。 早在 2020 年，Meta 便向信实旗下 Jio Platforms 投资约 57 亿美元，以加速印度的网络连接建设并支持中小企业发展。 此后，双方通过合资项目，将 Meta 的开源 AI 模型引入印度企业与开发者生态，推动本地在 AI 领域的应用创新。 Meta 称，本次数据中心协议将合作延伸至支撑其产品与 AI 能力的底层物理基础设施层面。 在推进数据中心建设的同时，Meta 还宣布与印度两家领先清洁能源企业 CleanMax 和 Fourth Partner Energy 分别签署可再生能源采购协议，总规模接近 1 吉瓦，以进一步支撑其在印度的基础设施用能需求。 其中，与 CleanMax 的合作将为拉贾斯坦邦和卡纳塔克邦带来 837 兆瓦的新建太阳能与风电项目，使双方累计公布的合作容量超过 900 兆瓦；与 Fourth Partner Energy 的协议则涵盖在泰米尔纳德邦、卡纳塔克邦、马哈拉施特拉邦和北方邦建设合计 88 兆瓦的太阳能和风电项目。 Meta 表示，叠加信实为贾姆讷格尔数据中心提供的可再生能源支持，这些新增项目体现了其对印度清洁能源生态系统的长期承诺，有助于确保公司在印度不断扩张的基础设施以可再生能源为主进行供电，并帮助应对其在该地区价值链相关的温室气体排放。 Meta 重申，其全球目标是使全部运营实现与 100% 清洁可再生能源的匹配，本次在印度的系列合作正是这一目标在当地落地的具体体现。 查看评论
IT之家 6 月 9 日消息，中兴现已为旗下 5G 随身 WiFi U60 Pro 推出全球版本，其内置国内 5G 卡和国际漫游卡（国际漫游卡无法在内地使用），目前暂时仅和一款所谓“AI 智能跟拍云台”捆绑销售，商品卡显示定价为 2174 元。 具体来看，相应全球版本配备的国际漫游卡在海外地区支持下载使用谷歌地图、YouTube 等热门应用，其中全球 144 国家通用流量 10GB 299 元（30 天有效）、亚洲 12 地区通用流量 10GB 159 元（30 天有效）、中东 9 国通用包 10GB 699 元（30 天有效）、欧洲地区通用流量 10GB 109 元（30 天有效）。 规格方面，该产品搭载 骁龙 X75 旗舰芯片平台 ，配备 3.5 英寸触摸屏，支持 5G-A 高速网络 + 3CC 载波聚合技术，下载速度可达 4.29Gbps。 内置 10000mAh 电池 ，支持 27W 快充 + 18W 反向快充。 京东 中兴 U60 Pro 全球版 2174 元 直达链接 京东 618 无门槛红包 面额至高 26618 元，每天抽 3 次： 点此抽红包 淘宝 618 无门槛红包 面额至高 26888 元，每天抽 1 次： 点此抽红包
知情人士表示，Alphabet旗下的Google已向英特尔下单，要求其在2028年生产超过300万个张量处理单元（TPU）。报道称，英伟达也在评估英特尔的技术是否可用于制造将四颗图形芯片整合为单一单元的处理器，尽管该公司尚未向英特尔下单。 受首席执行官陈立武领导下业务稳步好转的迹象推动，英特尔股价在早盘交易中上涨逾9%，今年迄今涨幅有望进一步扩大至近169%。 Google自研AI芯片的潜在订单将提振英特尔的代工业务，而该公司正试图夺回因多年管理失误而输给台积电的芯片制造霸主地位。 受人工智能热潮推动，芯片需求激增，导致台积电难以满足充足的供应。产能短缺已促使多家主要人工智能芯片设计公司转向英特尔。 eMarketer技术分析师雅各布·伯恩表示，这一消息“证明了AI领域的巨头们正争相分散供应链，而该供应链目前仍高度集中于台积电。” 自陈立武接任以来，英特尔已从特朗普政府、英伟达和软银处获得了数十亿美元的投资。 英特尔还成功将特斯拉作为其下一代14A制程的首个主要客户，为埃隆·马斯克在奥斯汀规划的先进AI芯片综合体“Terafab”项目生产芯片。 一位官员上月表示，特朗普政府也一直在努力为英特尔争取业务。 “除了常规的多元化需求外，Google和英伟达比以往更有动力与英特尔合作。支持英特尔就是支持美国本土制造，这对与美国政府的关系至关重要，”D.A.Davidson分析师吉尔·卢里亚表示。 上月有报道称，经过一年多的密集谈判，英特尔已与苹果达成初步协议，将为苹果设备生产部分芯片。 与此同时，Google一直致力于将其自研AI芯片打造成英伟达主导的GPU的可行替代方案，其张量处理单元（TPU）的销售已成为推动公司云业务收入增长的重要动力。 查看评论
IT之家 6 月 8 日消息，日本证券交易等监视委员会（SESC）上周（6 月 5 日）发布公告，建议日本金融厅等行政机关对富途控股旗下互联网券商 moomoo 实施处罚。 SESC 调查显示，moomoo 证券株式会社于 2025 年 2 月 21 日-5 月 27 日期间，将原本不符合 NISA（IT之家注：少额投资非课税制度，日本政府的鼓励投资免税计划）的产品当成 NISA 适用商品销售，共计 59 名客户通过 NISA 账户买卖了这些产品。 监管机构指出，moomoo 在受到客户咨询后才一度暂停相关产品销售。然而问题暴露后， moomoo 并没有采取充分整改措施 ， 而是再次以不合规定的形式销售产品 。 同时，监管机构认为 moomoo 过于重视新开户人数，在经营管理、内部控制体系建设方面存在明显不足， 因此建议日本金融厅等主管部门对其采取行政处分 。 moomoo 则在 6 月 6 日发布公告回应此事： 感谢各位一直以来对 moomoo 证券的支持与厚爱。 昨日，日本证券交易等监视委员会根据对本公司的检查结果，向日本内阁总理大臣及金融厅长官提出了对本公司实施行政处分的建议。 对于此次监管机构提出的建议内容，本公司予以严肃对待。目前，公司已经启动原因分析工作，并着手实施防止类似问题再次发生的相关措施。后续整改过程中，本公司将与监管机构保持紧密沟通与合作，以认真、切实的态度推进各项必要的改善措施。 今后，公司将进一步强化内部管理体系，彻底落实防范再发机制，严格遵守相关法律法规及监管要求，继续为日本投资者提供先进且值得信赖的金融服务。 此外，需要说明的是，本公司的订单执行、交易平台运行以及客户托管资产相关业务运营，目前均维持正常状态，不受此次事件影响。 对于此次事件发展至监管机构提出处分建议的情况，给广大客户以及相关各方带来的不便与担忧，我们谨表示最诚挚的歉意。 moomoo 证券株式会社
IT之家 6 月 8 日消息，字节跳动旗下火山引擎今天公布 Agent Plan、Coding Plan 限时优惠计划，两种订阅套餐均集成 MiniMax M3、DeepSeek V4 系列、GLM-5.1 等前沿模型。 即日起至 2026 年 8 月 27 日，所有用户新购、升级或续费 Coding Plan 与 Agent Plan 的 40 元、200 元档位，均可享受 首两个月 2.5 折优惠， 第三个月起恢复原价 ，IT之家附各套餐优惠价如下： 产品 / 档位 原价 限时折扣价 折扣力度 Coding Plan Lite 40 元 / 月 9.9 元 / 月 2.5 折 Coding Plan Pro 200 元 / 月 49.9 元 / 月 Agent Plan Small 40 元 / 月 9.9 元 / 月 Agent Plan Medium 200 元 / 月 49.9 元 / 月 据悉，Agent Plan 是火山引擎推出的业界首个“Agent 套餐包”，整合多模态模型和 Harness 工具。内置字节自研的 Doubao-Seed / Seedance / Seedream 模型，原生覆盖文本、代码、视频等多模态任务。
IT之家 6 月 8 日消息，赛豆科技宣布，品牌发布会定档 6 月 9 日 19:00 举行。 据雷峰网新智驾消息，赛力斯旗下新品牌赛豆科技首款新车的两大核心供应商已确定： 元戎启行提供智驾能力，弋途科技负责座舱能力 。 消息称赛豆科技 首款车型将同步亮相品牌发布会 ，该车为一款轿跑跨界车型，有知情人士形容其“远看有点像蔚来 ET5T”。该车型原计划于 4 月进入 SOP（IT之家注：Start of Production、开始量产）阶段，目前已推迟， 量产后将面向海外市场销售 。 公开信息显示，5 月 29 日，重庆蓝电科技有限公司更名为重庆赛豆科技有限公司。 变更前，蓝电汽车由赛力斯集团控股；变更后，赛豆科技的第一大股东变更为重庆沙磁致远新能源科技合伙企业（国有控股），持股 34.5%，赛力斯集团控股的赛力斯汽车（湖北）有限公司成为第二大股东，持股 32.96%。 有投资人表示，赛力斯放弃控股地位，目的或许在于不与华为发生业务上的冲突。
IT之家 6 月 8 日消息，苹果旗下 Beats 官方今日宣布，Beats Studio Pro 耳机郑钦文专属色登场， 礼盒售价 1999 元 。 京东 beats Studio Pro 郑钦文同款专属色 1999 元 直达链接 官方表示，本产品 以礼盒形式发售 ，外包装以郑钦文的生肖为灵感，内容包括： 郑钦文专属色 Beats Studio Pro 耳机 网球挂饰 贴纸 Beats Studio Pro 电池续航约 40 小时，开启降噪或通透模式为 24 小时；支持苹果一键配对、嘿 Siri、查找等原生功能；同时兼容安卓系统，可通过 Beats App 享受产品自定义、软件更新等功能。 IT之家附这款耳机主要参数如下： 京东 618 无门槛红包 面额至高 26618 元，每天抽 3 次： 点此抽红包 淘宝 618 无门槛红包 面额至高 26888 元，每天抽 1 次： 点此抽红包
IT之家 6 月 8 日消息，据科技媒体 ServeTheHome 上周（6 月 5 日）报道，英伟达与 OEM 合作伙伴在台北电脑展 2026 展示了一批 RTX Spark 产品，联想、华硕、微星和戴尔等厂商的迷你主机也同步亮相。 根据英伟达披露信息，RTX Spark 芯片具备 20 核 CPU、48 组 SM 单元的 Blackwell GPU， 最高支持 128GB LPDDR5X 统一内存 。业内普遍认为，RTX Spark 实际是 GB10 的换标版本。 现场公布的所有迷你主机都提供万兆以太网口 、20Gbps USB-C 接口、PCIe Gen 5 M.2 固态硬盘插槽。 IT之家在此援引 ServeTheHome，这其中首先亮相的是华硕的 ProArt GA10。 其机身尺寸为 150*150*51mm ，几乎与 Ascent GX10 完全一致。具备 4 个 USB-C 接口、HDMI 输出和 10GbE 以太网口，散热能力可达 140W。 ▲ 图源：ServeTheHome，下同 第二款产品则是戴尔的 XPS RTX Spark Desktop，同样具备 4 个 USB-C 接口、HDMI 输出和 10GbE 以太网。外观则是比 Dell Pro Max with GB10 稍微高一些。 同时，联想的 RTX Spark 迷你主机也在展会中亮相，该产品的机箱设计较为新颖，接口配置与上述机型一致。 最后登场的则是微星 EdgeMesa N AI+，该机采用白色机身，在一众“黑盒子”里比较显眼，专为内容创作者、AI 开发者打造。
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...